Курсы по Machine Learning

Работа со всеми необходимыми инструментами на выделенном сервере. Практика на данных из реальных задач. Возможность начать с комфортного уровня сложности и повышать его по мере развития навыков. Доступна подписка на 3 и 6 месяцев.

Построение моделей машинного обучения. Обучение нейронных сетей. Использование ML-алгоритмов. Работа с инструментами анализа данных. Извлечение данных из различных источников. Настройка инфраструктуры.

Курс для освоения классических алгоритмов машинного обучения — от деревьев до рекомендательных систем. Возможность научиться создавать ML-модели. Хакатоны и in class соревнования на kaggle.

Курс разработан совместно Dodo Brands и поможет получить прикладной опыт создания моделей машинного обучения и нейронных сетей.

В рамках курса учащиеся:

• осваивают Python для Data Science;
• вспоминают математику и учатся использовать ее для работы с моделями;
• могут строить основные модели машинного обучения;
• создают модели машинного обучения, используя базовые и продвинутые приемы ML;
• выполняют полный pipeline работ: от подготовки датасета до анализа результатов и подготовки к production.

Курс готовит к профессии Junior ML-инженера. В результате его прохождения выпускники могут обрабатывать данные, собирать признаки, строить бейзлайн модели ML, а также проходить собеседования.

Приобретение навыка аналитически мыслить. Работа с инструментами анализа данных. Построение ML-модели. Извлечение данных из различных источников. Настройка инфраструктуры. Работа в Git.

Курс для освоения классических алгоритмов машинного обучения — от деревьев до рекомендательных систем. Возможность научиться создавать ML-модели и обучать нейронные сети. Хакатоны и in class соревнования на kaggle.

Изучение основ программирования на Python для использования этого наиболее актуального языка в задачах Machine Learning. Освоение ключевых разделов математики. Сбор наборов данных и выполнение полного пайплайна работ со своими первыми моделями.

На курсе изучаются обучение моделей и решение ML-задач для бизнеса:

• сборка и разметка данных;
• построение пайплайнов их поставки;
• деплой приложений;
• настройка мониторингов;
• оценка эффективности алгоритмов.