Предзаказ

Python. Deep pack

Современный курс «Машинное обучение на Python» – это уникальный продукт. Успешное онлайн обучение позволит каждому добиться желаемого результата и откроет новые направления для самостоятельной работы с языком программирования Python.


Предлагаемые углубленные курсы дают возможность изучить:


  • Основы машинного обучения на Python. Введение в тему.
  • Нейронные сети. Изучение модели, виды и методы. Распространенные ошибки.

После получения знаний, вы найдете для себя дополнительные области применения имеющихся навыков. Например, автоматизация ключевых процессов в бизнесе, разработка искусственного интеллекта, приложений.


Результат прохождения курсов по Python в Москве в полной мере зависит от вашей работоспособности и целеустремленности. В перспективе за короткий промежуток времени вы выйдете на совершенно иной, более высокий уровень и сможете вести самостоятельную деятельность. Также это станет основой для дальнейшего развития в выбранной сфере.

Когда:
07 Ноября — 29 Ноября
Формат:
Материалы
Стоимость:
10 000 ₽

Ограниченное предложение

20 000 ₽
10 000 ₽

Кому идеально подойдет этот курс?

Кто учится
Кто учится
Если Вы получаете образование и хотите выгодно отличаться при устройстве на работу, открыть возможность дополнительного или даже основного заработка.
Кто работает
Кто работает
Если Вы уже работаете по техническому профилю и хотите освоить новую для себя сферу деятельности.
Кто руководит
Кто руководит
Если Вы управляете организацией и хотите понять, как можно использовать современные методы для повышения эффективности решения бизнес-задач.

Что вы изучите?

1неделя
Основы машинного обучения
Введение в машинное обучение. 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
2неделя
Нейронные сети. Глубокое обучение
Модель нейронной сети. Глубокое обучение. Метод обратного распространения ошибки. Виды нейронов и слоёв. Свёрточные и рекуррентные нейронные 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
Статья. Создание 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

ЧТО БУДЕТ НА КУРСЕ?

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.
Ноутбуки
Лекции
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.
Конспекты
Инфографика
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.
Практикум
Кейс. Генерация текста
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

Кейс. Преобразование изображений
Инструкция
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).
Python. Deep pack

Ограниченное предложение

20 000 ₽
10 000 ₽

Частые вопросы

Что такое анализ данных?
Это область между математикой и информатикой, которая занимается построением и исследованием методов извлечения полезной информации из данных. Стек возможностей применения анализа данных огромен: digital-технологии, маркетинг, медицина, таргетированная реклама, банковская сфера.
Что нужно знать, чтобы успешно пройти курс?
Необходимо уверенно пользоваться компьютером: уметь устанавливать программы и библиотеки, самостоятельно искать информацию в интернете. Обладать логическим мышлением, способностью делать выводы и приходить к правильным умозаключениям.
Как правильно заниматься?
Необходимо системно организовать свои занятия. Мы предлагаем схему повторение-практикум-кодинг. Прежде, чем приступать к материалу нового дня ‒ нужно обязательно освежить материалы предыдущего. Далее начинайте смотреть видео, где эксперт объясняет новую тему. Используйте преимущества записи. Останавливайте там, где непонятно. Смотрите заново. Возвращайтесь к предыдущим лекциям или пишите код одновременно с экспертом.Теперь открывайте ноутбук и начинайте кодинг. Исполняйте части кода, подготовленные нами. Меняйте параметры, вводите новые ограничения, смотрите что получится. Пытайтесь написать самостоятельно. Комбинируйте с конструкциями предыдущих дней. Появляется вопрос, а можно ли так? Проверяйте. Решайте задачи и обращайте внимание на наши рекомендации. 

Чему можно научиться за 7 дней?
Естественно, всё зависит от того насколько планомерно вы двигаетесь по курсу. При правильном выполнении всех наших рекомендаций за неделю работы вы сможете перейти на уровень самостоятельной работы, осознанного выбора более экспертных курсов и литературы для дальнейшего развития.

Оплатить онлайн

Предзаказ
Python. Deep pack
20 000 ₽
10 000 ₽