Формат
онлайн
Трудоустройство
после прохождения курса
Доступ к курсу
навсегда
Machine Learning vs Deep Learning — в чем разница?
Как подобрать нужный алгоритм? «Потрогаем руками» все алгоритмы и разберемся на практике — где нужны нейронные сети, а где достаточно классических алгоритмов. Комплексный подход, организованный на курсе Machine Learning Pro + Deep Learning, подойдет для тех, кто хочет прокачаться в программировании глубоких нейронных сетей и моделей машинного обучения. Прохождение курсов потребует базового знания языка Python. В процессе обучения вы освоите все классические алгоритмы машинного обучения — от деревьев до рекомендательных систем, а также научитесь создавать различные нейронные сети.
Вас ждут хакатоны и in class соревнования на kaggle.
Кому подойдёт этот курс
Новичок
Вы сможете систематизировать и углубить полученные самостоятельно или на бесплатных курсах знания, пообщаться с профессионалами, применить модели Machine Learning на практике.
Аналитик
На курсе вы узнаете, какие задачи решает машинное обучение, примените основные методы предобработки данных, создадите чат-бота на базе нейросети.
Программист
На курсе вы освоите основные алгоритмы машинного обучения, обучите рекомендательную систему и создадите несколько нейронных сетей.
Чему вы научитесь
Создавать ML-модели
Обучать нейронные сети
Содержание курса
Программа курса «Machine Learning PRO»
Знакомимся с основными задачами и методами machine learning , изучаем практические кейсы и применяем базовый алгоритм работы над ml-проектом
Решаем 50+ задач на закрепление темы
Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering
Решаем 60+ задач на закрепление темы
Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии
Решаем 40+ задач на закрепление темы
Осваиваем обучение без учителя, практикуемся в его различных методах, работаем с текстами средствами ML
Решаем 50+ задач на закрепление темы
Знакомимся с решающими деревьями и их свойствами, осваиваем деревья из библиотеки sklearn и используем деревья для решения задачи регрессии
Решаем 40+ задач на закрепление темы
Программа курса «Deep Learning»
Создаем нейронную сеть для распознавания рукописных цифр на языке Python
Создаем модель распознавания изображений на базе датасета FashionMNIST и фреймворка Keras
Распознаем изображения в датасете CIFAR-10 с помощью сверточной нейронной сети
Улучшаем скорость и производительность сетей для кейса предыдущего модуля
Дообучение нейронной сети ImageNET для решения задачи классификации изображений
Будьте первым кто оставит отзыв.
Оставить отзыв можно только с предоставлением сертификата о прохождении курса.
Похожие курсы
