Курс по машинному обучению. Проект «ИИ Старт».

52 урока

Сложность

Начинающий

Тип обучения

Курс

Формат обучения

Записанные лекции

Трудоустройство

Отсутствует

Стоимость курса

бесплатно

нет рассрочки

Это полный курс по искусственному интеллекту и машинному обучению в рамках проекта «ИИ Старт» для школьников и всех, кто хочет получить профессию в Data Science. Мы создали образовательную траекторию, которая учит главным навыкам для работы в этой области:

применять математику и Python для анализа данных;
использовать библиотеки для обработки данных: NumPy, Pandas, Matplotlib и другие;
выбирать, обучать и тестировать модели искусственного интеллекта для решения задач машинного обучения на Python;
строить нейронные сети в библиотеке PyTorch для решения задач компьютерного зрения;
решать практические задачи в рамках проектов.

Авторы и преподаватели курса — практики из российских и зарубежных IT-компаний с опытом преподавания, в том числе преподаватели Deep Learning School МФТИ.

У курса есть несколько особенностей.

Практикоориентированность. Наша цель — подготовить вас к реальным задачам, поэтому мы уделяем большое внимание практике. Вам встретится много практических заданий, которые позволят отточить основные приемы. Во второй половине курса каждое домашнее задание станет небольшим исследовательским проектом.
Поддержка преподавателей и общение с учениками. На каждом этапе курса вы можете обратиться к ассистентам — опытные специалисты помогут разрешить вопросы и трудности. Кроме того, мы создаем чаты для учеников, где всегда можно попросить совета.
Высокий уровень знаний. Выпускник курса может претендовать на стажировку в крупнейших российских IT-компаниях.
Комплексность. Мы объединили в программе все основные знания и навыки, которые необходимы дата сайентисту: язык Python, математику для анализа данных, алгоритмы и методы машинного обучения, современные нейросетевые архитектуры.

Создатели курса: Физтех-школа прикладной математики информатики Московского физико-технического института, Академия искусственного интеллекта для школьников Благотворительного фонда Сбербанка «Вклад в будущее» и Фонд развития Физтех-школ.

Что вы получите после обучения

Приобретаемые навыки

Машинное обучение

Анализ данных

Python

Циклы и работа со строками

Функции в Python

Основы линейной алгебры

Библиотека Numpy

Основы теории вероятностей и математической статистики

Знакомство с библиотеками Pandas и Matplotlib

Пайплайн машинного обучения

Линейная регрессия

Логистическая регрессия

Метрики машинного обучения

Архитектуры CNN и Transfer Learning

Вас будут обучать

ИИ Старт

курс

Школа глубокого обучения МФТИ

курса

Каждые полгода мы запускаем новую итерацию нашего двухсеместрового практического онлайн-курса по глубокому обучению.

Наборы проводятся в августе-сентябре и январе-феврале За нашими новостями можно следить здесь.

Наш канал в TG: https://t.me/deep_learning_school_news

Официальный сайт: https://www.dlschool.org Официальная группа ВК: https://vk.com/dlschool_mipt

Академия искусственного интеллекта

курс

Академия искусственного интеллекта — это всероссийский образовательный проект Благотворительного фонда «Вклад в будущее», реализуемый при поддержке Сбера, который ежегодно знакомит миллионы школьников с миром ИИ.

Начните свой путь в ИИ: с нуля до участия в профильных соревнованиях и олимпиадах. На сайте Академии ИИ можно найти вводные уроки, курсы по машинному обучению и профильные соревнования для школьников. Ссылка на сайт - https://ai-academy.ru

Образовательная организация

Stepik

4.6

60 отзывов

Stepik — образовательная платформа и конструктор
онлайн-курсов. Мы разрабатываем алгоритмы адаптивного обучения, сотрудничаем с авторами MOOC, помогаем
в проведении олимпиад и программ переподготовки.
Наша цель — сделать образование открытым и удобным.

Помогаем учиться, а также создавать свои курсы и обучать

Первые учебные материалы были размещены на платформе в 2013 году. Сегодня среди охваченных курсами тем: программирование, информатика, математика, статистика
и анализ данных, биология и биоинформатика, инженерно-технические и естественные науки. Онлайн-курсы, размещенные на Stepik, неоднократно становились призерами конкурсов онлайн-курсов, а система автоматизированной проверки задач используется в ряде курсов на платформах Coursera и edX. Также Stepik активно развивает направление адаптивного обучения, где каждый сможет изучать материал, подобранный индивидуально под свой уровень знаний.

Stepik является также площадкой для проведения конкурсов и олимпиад — среди мероприятий — отборочный этап Олимпиады НТИ, онлайн-этап акции Тотальный диктант, международная олимпиада по биоинформатике.

Stepik — многофункциональная и гибкая платформа для создания образовательных материалов. Вы можете создавать онлайн курсы, интерактивные уроки с видео и различными типами заданий для учащихся, приватные курсы для ограниченной аудитории, проводить олимпиады и конкурсы, запускать программы профессиональной переподготовки и повышения квалификации, а также обучать своих сотрудников и клиентов.

Программа курса

Введение в анализ данных
1. Введение в анализ данных
2. Инструменты курса
Введение в язык программирования Python
1. Введение в язык программирования Python
2. Домашнее задание. Введение в язык программирования Python
Циклы и работы со строками
1. Циклы и работа со строками
2. Домашнее задание. Циклы и работа со строками
Функции в Python
1. Функции в Python
2. Домашнее задание. Функции в Python
Основы объектно-ориентированного программирования в Python
1. Основы объектно-ориентированного программирования в Python
2. Домашнее задание. Основы ООП в Python
Основы линейной алгебры
1. Основы линейной алгебры
2. Тест. Основы линейной алгебры
Библиотека Numpy

1. Библиотека Numpy
2. Домашнее задание. Введение в библиотеку Numpy
Линейная алгебра с библиотекой Numpy
1. Линейная алгебра с библиотекой Numpy
2. Домашнее задание. Numpy и линейная алгебра
Основы теории вероятностей и математической статистики
1. Основы теории вероятностей и математической статистики
2. Тест. Основы теории вероятностей и математической статистики
Знакомство с библиотеками Pandas и Matplotlib
1. Знакомство с библиотеками Pandas и Matplotlib
2. Тест. Знакомство с библиотеками Pandas и Matplotlib
Основы аналитики данных с помощью Pandas и Matplotlib
1. Основы аналитики данных с помощью Pandas и Matplotlib
2. Домашнее задание. Библиотека pandas
Введение в машинное обучение
1. Введение в машинное обучение
2. Тест. Введение в машинное обучение
Пайплайн машинного обучения
1. Пайплайн машинного обучения
2. Домашнее задание. Пайплайн машинного обучения
Линейная регрессия
1. Линейная регрессия
2. Домашнее задание. Линейная регрессия
Функции математического анализа
1. Функции математического анализа
2. Тест. Функции математического анализа
Производная, градиент и градиентная оптимизация
1. Производная, градиент и градиентная оптимизация
2. Домашнее задание. Градиентная оптимизация
Логистическая регрессия
1. Логистическая регрессия
2. Домашнее задание. Логистическая регрессия
Метрики машинного обучения
Решающие деревья
1. Решающие деревья
2. Тест. Решающие деревья
Композиции алгоритмов
1. Композиции алгоритмов
2. Домашнее задание. Композиции алгоритмов
Пайплайн выбора модели
1. Пайплайн выбора модели
2. Тест. Пайплайн выбора модели
Конкурсы на kaggle.com
1. Конкурсы на kaggle.com
2. Домашнее задание. Конкурсы на kaggle.com
Введение в нейронные сети
1. Введение в нейронные сети
2. Тест. Введение в нейронные сети
Обучение нейронных сетей в библиотеке PyTorch
1. Обучение нейронных сетей в библиотеке PyTorch
2. Домашнее задание. Обучение нейронных сетей в Pytorch
Свёрточные нейронные сети
1. Свёрточные нейронные сети
2. Домашнее задание. Сверточные нейронные сети
Архитектуры CNN и Transfer Learning
1. Архитектуры CNN и Transfer Learning
2. Домашнее задание. CNN и Transfer Learning