Основы машинного обучения

4.2

24 часа,

начало 27 мая

Сложность

Продвинутый

Тип обучения

Курс

Формат обучения

С проверкой домашнего задания

Трудоустройство

Отсутствует

Сертификат

Да

Стоимость курса

31 000 ₽

нет рассрочки

На курсе дается представление об основных группах методов машинного обучения: классификации, предсказании, кластеризации, ансамблях, рекомендационных системах, глубоком обучении.
Практическая часть построена на использовании готовых реализаций в Spark ML или Scikit-learn для решения конкретных задач.

Что вы получите после обучения

Приобретаемые навыки

Scikit-learn

Apache Spark

Сертификат, ссылками на который можно делиться с другими людьми

Вас будут обучать

Петрова Яна

курса

Специалист в области машинного обучения

более 7 лет работает с машинным обучением, из них 3 года в коммерческой разработке нейронных сетей для компьютерного зрения.

Проектировала модели для:

работы сельскохозяйственных дронов
систем распознавания в розничной торговле
считывания адресов на почтовых конвертах
распознавания опухолей на рентгеновских снимках

Преподаватель в МГТУ им. Баумана

Образовательная организация

IBS Training Center

4.5

219 отзывов

Оценка и обучение ИТ-специалистов по ключевым направлениям разработки программного обеспечения. Курсы от экспертов-практиков по языкам программирования, системному и бизнес-анализу, архитектуре ПО, ручному и автоматизированному тестированию ПО, Big Data и машинному обучению, управлению проектами и Agile. Действует скидка 10% на обучение физических лиц.

Программа курса

Разбираемые темы:
Задачи машинного обучения;
Признаки и работа с ними;
Оценка моделей;
Методы классификации (байесовские методы, деревья решений, логистическая регрессия, метод опорных векторов, нейронные сети);
Методы прогнозирования (линейная регрессия, CART, байесовские методы);
Методы кластеризации (иерархические, спектральные, разделение смесей, LDA);
Ансамбли (бэггинг, случайные леса, бустинг, стэкинг);
Рекомендационные системы;
Глубокое обучение (Ограниченные машины Больцмана, конволюционные сети, LSTM).