Курс «Анализ данных на Python» доступен в удобном формате подписки за 500 рублей в месяц! Начни изучать направление с пробной недели
за 1 рубль с промокодом BRAIN
Кому идеально подойдет этот курс?
Кто учится
Если Вы получаете образование и хотите выгодно отличаться при устройстве на работу, открыть возможность дополнительного или даже основного заработка с нуля.
Кто руководит
Если Вы управляете организацией и хотите понять, как можно использовать современные методы для повышения эффективности решения бизнес-задач.
Кто работает
Если Вы уже работаете по техническому профилю и хотите освоить новую для себя сферу деятельности.
Основы машинного обучения
Введение в машинное обучение (machine learning). Алгоритм k - ближайших соседей (k-NN). Линейные модели машинного обучения. Ансамблевые модели (деревья решений, случайный лес, бустинг).
9 часов практики
9 часов теории
Подробнее
Вебинар №9 [2 часа] Введение в машинное обучение. Линейные модели. Алгоритм k - ближайших соседей
Задача. Реализация линейной модели
Задача. Реализация алгоритма k-NN
Jupyter-ноутбук. Введение в машинное обучение
Видео-лекция. How k-NN algorithm works?
Видео. Linear and Polynomial Regression in Python
Статья. Анализ данных — основы и терминология
Статья. Линейная регрессия
Вебинар №10 [2 часа] Введение в машинное обучение. Ансамблевые модели
Задача. Предсказание выживания на Титанике
Jupyter-ноутбук. Ансамблевые модели машинного обучения
Статья. Решающие деревья
Видео-лекция. Классификация. Деревья решений
Видео. Decision Tree: how it works
Видео. Random Forest Algorithm
ТЕСТ. Алгоритмы машинного обучения
Нейронные сети. Глубокое обучение
Модели нейронных сетей на Python. Глубокое обучение и глубокие нейронные сети. Обучение нейронной сети. Метод обратного распространения ошибки. Виды нейронов и слоёв. Современные нейронные сети. Создание и работа свёрточной нейронной сети. Создание и работа рекуррентной нейронной сети.
9 часов практики
9 часов теории
Подробнее
Вебинар №11 [2 часа] Введение в нейронные сети
Задача. Обучение простейшей нейронной сети
Jupyter-ноутбук. Глубокое обучение. Введение.
Статья. Нейронные сети для начинающих с нуля
Статья. Создание нейронных сетей.
Статья. Архитектуры нейронных сетей.
Статья. How to Build a Neural Network
Видео. Нейронные сети за 30 минут: от теории до практики
Видео. What is a Neural Network?
Вебинар №12 [2 часа] Введение в нейронные сети: виды нейронов и сетей
Задача. Распознавание изображений датасета CIFAR10
Jupyter-ноутбук. Виды слоев и нейронных сетей в глубоком обучении
Статья. Свёрточные нейронные сети
Статья. Рекуррентные сети
Видео. CNN
Видео-лекция. Слои глубоких свёрточных сетей
Видео. Введение в RNN
ТЕСТ. Модели глубокого обучения
Кейс. Анализ отзывов о продукте
Анализ тональности отзывов о виртуальном ассистенте Alexa (аналог Siri). Классификация данных по обратной связи. Библиотеки SkLearn и SpaCy. Глубокое исследование данных путем построения интерактивных графиков и облаков тегов.
5 часов практики
2 часов теории
Подробнее
Вебинар №13 [2 часа] Кейс. Анализ отзывов о продукте
Задача. Исследование данных путем построения графиков
Jupyter-ноутбук. Amazon Alexa Reviews
Статья. Визуализация данных
Видео. Scikit-Learn Tutorial
Видео. Data Visualization and Exploration with Python
Статья. Использование Python для задач NLP
Статья. Построение облака тегов
Кейс. Классификация изображений от Google
Классификация изображений от Google с библиотекой глубокого обучения Tensorflow. Особенности применения сверточных нейронных сетей. Повышение точности классификации изображений. Применение модели бинарной кросс-энтропии. Визуализация промежуточных представлений.
6 часов практики
2 часов теории
Подробнее
Вебинар №14 [2 часа] Кейс. Классификация изображений
Задача. Классификация изображений (отличаем изображения друг от друга)
Dataset. Кошки и собаки [25 000 изображений]
Jupyter-ноутбук. Кошки vs Собаки.
Статья. Библиотека глубокого обучения Tensorflow
Видео. Python: Convolutional Neural Network (CNN) models
Видео. Cross Entropy
Видео. Установка Tensorflow. Создание нейронной сети
Статья. Простой классификатор изображений на Python
Кейс. Синтез изображений от Google
Совмещение стилей изображений с использованием Transfer Learning. Обработка изображений и изменение масштаба. Технология глубоких свёрточных нейронных сетей VGG19. Применение градиентного спуска и анализ ошибок.
6 часов практики
2 часов теории
Подробнее
Вебинар №15 [2 часа] Кейс. Синтез изображений
Задача. Совмещение стилей изображений
Jupyter-ноутбук. Neural Style Transfer with tf.Keras
Статья. Обзор топологий глубоких свёрточных нейронных сетей
Видео. Python: Convolutional Neural Network (CNN) models
Видео. Gradient Descent. Step-by-Step
Статья. Transfer Learning: как быстро обучить нейросеть на своих данных
Кейс. Переводчик с английского на испанский
Технология создания собственного переводчика с библиотекой глубокого обучения Tensorflow. Особенности применения рекуррентных нейронных сетей. Пример реализации модели кодера и декодера. Скачивание и подготовка набора данных для обучения нейросети. Определение оптимизатора и функции потерь.
6 часов практики
2 часов теории
Подробнее
Вебинар №16 [2 часа] Кейс. Переводчик с английского на испанский
Задача. Реализовать переводчик с английского на испанский язык
Dataset. Spz-eng
Jupyter-ноутбук. Neural Machine Translation with Attention
Статья. Библиотека глубокого обучения Tensorflow
Видео. Рекуррентные нейронные сети
Видео. Установка Tensorflow. Создание нейронной сети
Статья. Автоматизированная обработка текстов на естественном языке, с использованием инструментов языка Python
Ноутбуки
Это программы на Python, которые исполняются в среде Jupyter и содержат код, описания, картинки, формулы и многое другое. Позволяют очень быстро войти в тему.
Лекции
Материалы, подготовленные экспертом, которые в структурированном виде содержат всю необходимую информацию по теме.
Конспекты
Краткое описание основных элементов Python позволит быстро запомнить необходимые конструкции языка. Полезно также при написании кода, всегда можно открыть конспект и найти то, что необходимо.
Инфографика
Графическое представление информации позволит быстро разобраться в структуре предметной области и определится с интересными для вас направлениями.
Практикум
Занятие, записанное нашим экспертом, содержит концентрированный разбор темы с учётом полученного на практике опыта. Позволит увидеть и услышать как правильно использовать технологии Python.
Кейс. Генерация текста
Цель: обучить модель, которая автоматически формирует последовательность символов
Вход: обучающий массив с текстами, начальный термин
Модель: нейронная сеть RNN, широко применяется для решения различных задач обработки текстов
Выход: автоматически сформированный текст
Кейс. Преобразование изображений
Цель: разобрать решения Google и основные этапы обработки изображений
Вход: изображение для преобразования, изображение со стилем
Алгоритм: преобразование изображения в новый стиль, аналогично FaceApp, только здесь стиль определяется не возрастом, а картиной известного художника
Выход: изображение с перенесённым стилем
Инструкция
Мы разработали удобный формат и инструкцию для того, чтобы вы смогли воспользоваться нашими материалами и достичь своей цели.
Python. Deep pack
И получили уникальный продукт, который поможет вам добиться качественно нового результата самостоятельно. А после получения скиллов в машинном обучении и нейронных сетях вы откроете целые направления, где можно применить свои навыки (например, разработка интеллектуальных приложений, искусственный интеллект, автоматизация бизнес-процессов).
Учитесь у лучших экспертов
Учитесь у лучших экспертов