Наш новый курс «Machine Learning» для программистов, которые хотят переквалифицироваться. Во время обучения вы будете решать задачи, приближённые к реальным.
Например:
создать модель, которая по картинке генерирует текстовое описание товара;
разработать алгоритм, предсказывающий стоимость квартиры по району или этажности;
повысить эффективность на заводе и подготовить набор управляющих сигналов для станков.
Вас ждёт много практики и понятная теория. Знаний и навыков, которые вы получите, будет достаточно, чтобы самостоятельно решать задачи классического ML и начать карьеру.
Программа
Тема 1 : Введение в Machine Learning
Как устроен этот курс и чему вы научитесь. Что такое Машинное Обучение, чем оно отличается от обычного решения задач в программировании? Чем отличается анализ данных и ML?
О Python, типичный цикл разработки, демонстрация установки и настройки окружение.
Тема 2: Основы анализа данных
Типичное представление данных.
Основы работы с pandas.
Подсчет статистик по текстовым данным.
Изучение Matplotlib.
Тема 3: Простые модели
Линейные модели, задача регрессии, задача классификации.
Нелинейные модели. Часть 1.
Нелинейные модели- нейронные сети. Часть 2.
О Pytorch и GPU.
Тема 4: Работа с изображениями
Проблема с изображениями и комбинаторный взрыв. Фундаментальные задачи снижения размерности.
Сегментация классов, сегментация объектов, описание объектов, идентификация.
Разные виды функций потерь (loss function)
Генерация изображений с помощью VAE и теорема Байеса.
Тема 5: Работа с последовательностями
Временные ряды и задачи прогнозирования. Подход с не итеративными моделями и с RNN.
Обработка текста часть 1. Классификация, перевод. Подходы основанные на полносвязных нейронных сетях и на основе RNN.
Обработка текста часть 2. Сходство текста, генерация текста по тексту, генерация текста по картинке, генерация картинки по тексту и способы решения этих задач. Коротко о механизме внимания и трансформерах.
Тема 6: Дополнительно
Коротко о тех вещах, которые не вошли в этот курс: задачи поиска и рекомендаций, обучение с подкреплением, архитектура систем ML, GAN.
Спикеры
Александр Михеев
9 лет опыта в задачах машинного обучения
Автор 19 статей и учебного пособия по ML
Специализируется на задачах анализа визуальных сцен, механизме attention и задачах property disentanglement
Спикер на профильных митапах и конференциях
Юлия Силова
Crowd Solutions Architect в Яндекс
ex-intern Брэдфордского университета на проекте COVID-19 Data Quality Analysis
ex-руководитель Plekhanov Data Science Club
Старт 28 сентября, но записаться можно уже сейчас
