Краткие курсы по машинному обучению

Вы получите ответы на важные вопросы о «мышлении машин» и поймёте роль философии в развитии ИИ. Определите основные различия естественного и машинного разума, сможете проводить актуальные научные исследования и выступать перед аудиторией.

Самая востребованная технология искусственного интеллекта

Пришло время заняться Machine Learning

• От персептрона до GAN: только практические кейсы• Добавите 8 проектов в портфолио• Гибкая учебная траектория, поддержка сообщества экспертов, консультации с ментором

Данный курс является вводным и знакомит слушателей с основами науки о данных и принципами работы искусственного интеллекта. Курс будет интересен и полезен не только тем, кто уже знаком с основами анализа данных и программированием, но и тем, кто не имеет бэкграунда в этой области.

Курс посвящён основам анализа данных и машинного обучения. По результатам слушатели освоят способы предобработки и визуализации данных, изучат основные методы машинного обучения (линейные, метрические, решающие деревья и их композиции), научатся оценивать качество моделей. Курс пригодится всем, кто хочет «с нуля» погрузиться в область машинного обучения, получить первые практические навыки и начать применять их для решения собственных задач по извлечению пользы из данных.

Целью курса являются освоение базовых основ статистической методологии сбора данных об исследуемых явлениях, представления полученной на их основе информации в виде статистических моделей и формирования выводов, направленных на решение практических задач. В ходе освоения курса будут получены навыки получения и сжатия информации до объемов, обеспечивающих ее осмысление, измерения параметров формируемых статистических моделей различного вида, проверки предположений о природе анализируемых явлений. Для успешного усвоения курса необходимы базовые знания математики, в частности, основ дифференциального и интегрального исчисления, элементарных матричных операций. Проверка качества освоения материала курса предполагается путем тестирования и выполнения заданий по каждой теме, а также итогового тестирования и представления результатов расчетов по итоговому заданию. Для эффективной работы над заданиями необходимы компьютеры с распространенным программным обеспечением, не требующим дополнительных затрат, таких как Microsoft Excel, R. Возможно использование и других программных продуктов. Для решения практических задач могут быть использованы данные, которыми располагают обучаемые, а также общедоступные базы статистических данных. Предполагается содержательная интерпретация всех получаемых результатов.

Курс «Основы искусственного интеллекта» направлен на первичное знакомство с искусственным интеллектом, анализом данных, машинным обучением. Он поможет освоить классы и методы основных решаемых на сегодняшний день задач искусственного интеллекта и их приложений. 

В этом курсе расскажем и наглядно покажем современные подходы к статистической обработке данных и построению моделей в машинном обучении.

Курс посвящён изучению основных методов машинного обучения, используемых для факторного, кластерного и классификационного анализов. В ходе обучения, слушатели смогут освоить основные подходы и получить навыки решения практических задач поиска закономерностей в сырых данных.

Цель курса состоит в получении и закреплении теоретических и практических знаний, необходимых для решения прикладных задач машинного обучения с учителем.

Курс «Сбор и анализ данных в Python» поможет овладеть навыками Data Culture. 

Теория нейронных сетей – раздел искусственного интеллекта, в котором рассматриваются семейства обучаемых и самообучающихся моделей и алгоритмов, инспирированных биологическими сетями нейронов. Благодаря своей адаптивности искусственные нейронные сети оказываются эффективным, а в ряде случаев незаменимым инструментом в решении таких задач машинного обучения, как аппроксимация функций, распознавание образов, кластеризация данных, компьютерное зрение и адаптивное управление. Курс «Нейронные сети» посвящен изучению математических основ теории нейронных сетей, приводятся краткая история теории нейронных сетей, математические модели нейросетевых архитектур, постановка задачи обучения и методы ее решения, рассматриваются особенности организации процесса обучения и применения нейронных сетей для решения практических задач. Изложение ведется строгим математическим языком, сопровождается множеством формул и математических выкладок. Для изучения данного курса требуются знания университетских курсов математического анализа, линейной алгебры, теории вероятностей и математической статистики. Желательны базовые знания методов оптимизации и прикладного статистического анализа данных. Цель курса состоит в получении и закреплении теоретических и практических знаний, необходимых для решения прикладных задач обработки данных с  использованием нейронных сетей. Курс ориентирован на студентов и аспирантов, обучающихся по направлению Прикладная математика и информатика, а также на исследователей, интересующиеся наукой о данных и применяющих машинное обучение и нейронные сети в своей научной и практической деятельности.

Курс посвящен изучению основ интеллектуального анализа данных (data mining) и машинного обучения. 

Курс «Основы машинного обучения» направлен на практическое знакомство слушателей с базовыми методами машинного обучения и анализа данных. Он поможет освоить классы и методы основных решаемых на сегодняшний день задач машинного обучения и его приложений в области искусственного интеллекта.