Чему вы научитесь
- Ваши результаты после прохождения полного курса: Научитесь строить ML модели на Python и подготовитесь к ML-секции собеседования на Junior Data Scientist.
О курсе
Узнаете, как применяется машинное обучение и как вы будете ему учиться на курсе. Узнаете, как в ML возникает математика, и как производная помогает обучать ML модели. Узнаете, как линейная алгебра помогает компактно выводить методы ML
Для кого этот курс
Курс отлично подойдет:
- аналитикам, которые хотят повысить экспертизу или перейти в ML;
- разработчикам, которые желают ускорить и оптимизировать текущую работу или создавать собственные ML-проекты;
- менеджерам, которые хотят научится правильно оценивать сроки проектов и качество работы команды, разговаривать с DS/ML специалистами на одном языке и быть способным предложить идею по внедрению ML для реализации на работе.
Начальные требования
Перед курсом освежите знания (или попробуйте разобраться с нуля в необходимой для старта базе):
- Что такое матрицы и как их перемножать
- Что такое производная и как ее считать
- Что такое градиент функции, и куда он направлен
- Что такое матожидание и дисперсия и как их оценивать по выборке
- Что такое нормальное распределение, откуда оно берется и зачем нужно
- Как поставить себе на компьютер Jupyter Notebook и как писать на Python циклы, условные операторы, вывод на печать, как и зачем импортировать библиотеки
Преподаватели курса
1 773
Как проходит обучение
Лекции и семинары в записи. А на полном курсе, на который можно записаться на нашем сайте: https://mlinside.ru/, мы также проводим еженедельные онлайн-вебинары с ответами от преподавателей на вопросы учащихся.