Machine Learning — Master Code IT School

Machine Learning

Ближайший набор: 11 Июн 2018

Курс основан на материалах, подготовленных в 2016 году известным украинским Data Scientist’ом Сергеем Шельпуком и значительно переработанных и дополненных нашими преподавателями и заслуженно может считаться одним из лучших для начальной подготовки в науке о данных.

Программа курса.

  1. Вступление. Обзор машинного обучения
  2. Повторение тем: линейная алгебра, теория вероятности,мат статистика
  3. Линейная регрессия. Градиентный спуск.
  4. Взвешенная линейная регрессия. MLE. Логистическая регрессия.
  5. Обзор Python-экосистемы для машинного обучения.
  6. Софтмакс-регрессия. Обобщенная линейная модель (GLM)
  7. Генеративные модели. GDA. Наивный байесовский классификатор.
  8. Регуляризация, выбор модели, отладки процесса обучения.
  9. Метод опорных векторов (SVM). Корнелия.
  10. Нейронные сети. Backpropagation.
  11. Глубокое обучения (Deep Learning).
  12. Деревья решений. Ансамбли.
  13. Теоретические аспекты машинного обучения.
  14. Кластеризация. K-Means. GMM.
  15. Метод главных компонентов (PCA).
  16. Метод независимых компонент (ICA).
  17. Интеллектуальные агенты. MDP.
  18. Обучение с подкреплением. Изучение политик в MDP.
  19. Обучение с подкреплением. Q-Learning, DQN
  20. Обработка натуральной языка (NLP).
  21. Рекомендательные системы.

В конце курса студенты выполняют курсовой проект по выбранной ими практической теме.

О преподавателях: лекторы курса – Богдан Колчигин, Всеволод Демидов, Николай Павлов, Александр Кондуфоров, Владислав Колбасин. Практическую часть курса подготовили — Сергей Шельпук, Богдан Колчигин, Александр Обедников.

Этот курс будет интересен для программистов и тим-лидов, которые хотят погрузиться в мир машинного обучения,
искусственного интеллекта, больших данных и алгоритмов.

Требования к студентам:
Владение основами линейной алгебры, статистики и теории вероятности.
Знания хотя бы одного языка программирования и умение писать код.

9900 грн
3 месяца 2 раза в неделю по 2 час
27
54
Формируется на основании пожеланий преподавателей и студентов