Чему вы научитесь
- Использовать продвинутые алгоритмы машинного обучения (градиентный бустинг, SVM) для решения задач анализа данных
- Производить кластеризацию, понижать размерность и визуализировать данные с помощью библиотеки sklearn
- Создавать Telegram-ботов на основе нейросетевых моделей
- Осуществлять предварительную обработку и анализ текстовых данных в Python
- Создавать нейросетевые модели в pytorch для решения задач обработки естественного языка
- Производить дообучение современных нейросетевых архитектур для задач обработки естественного языка
О курсе
Этот курс — продолжение основного курса по машинному обучению «ИИ Старт». Вы познакомитесь с аспектами машинного обучения, которые не вошли в наш основной курс, но являются не менее важными: продвинутые алгоритмы машинного обучения (бустинг, SVM, кластеризация и методы понижения размерности), обработка естественного языка с помощью нейросетей, внедрение нейросетей в Telegram-ботов. Практические задания приближены к задачам, которые специалисты по ИИ встречают в работе.
Для кого этот курс
Курс подойдет школьникам старших классов и всем, кто стремится получить профессию в Data Science.
Начальные требования
Для успешного освоения потребуется уверенное знание основ машинного обучения и нейронных сетей на языке Python. Это продолжение первой части курса, поэтому мы рекомендуем сначала изучить её.
Преподаватели курса
104 237
Как проходит обучение
Курс состоит из видеолекций, практических занятий по программированию и домашних заданий, где можно основательно попрактиковаться.
-
В видеолекциях вы узнаете о математических основах и принципах работы алгоритмов машинного обучения.
-
В семинарах вы научитесь использовать библиотеки для анализа данных на практике и создавать модели машинного обучения.
-
Задумаетесь над непростыми практическими задачами и решите их с помощью методов машинного обучения и платформы Kaggle.
-
Тесты помогут вам освежить и проверить полученные знания.
Что вы получите
- навыки и знания, востребованные работодателем в области Data Science
- возможность отработать теорию на практических заданиях
- навык решения конкурсов по машинному обучению на платформе kaggle.com
- доступ к большому количеству практических задач анализа данных
- доступ к поддержке наставников, которые всегда помогут разобраться в теме и найти ошибку
Нагрузка
4-5 часов в неделю