КУРС
Machine Learning для людей
Цей курс для вас, якщо:
01/ ви хочете освоїти машинне навчання аби працювати на посадах Machine Learning Engineer/Data Scientist
02/ ви шукаєте курс з підтримкою ментора і реальними задачами, як ті, з якими будете стикатись в роботі
03/ ви хочете освоїти машинне навчання аби використовувати його у своїй роботі Software Enginer / Data Analyst / Product Manager / Software Solutions Architect / SEO спеціаліст аби могти вирішувати нові задачі і заробляти більше
Презентація курсу від авторки
На вас чекають
4.5 місяці
навчання в спільноті однодумців. Програма розрахована так, щоб у вас залишався час на роботу та життя. Орієнтовний час потрібний на навчання - 10-15 год на тиждень
5 модулів, 20+ уроків
всі матеріали зібрані в одному місці на платформі, уроки виходять за розкладом і тривають до 30 хв кожен.
Практика, практика, практика
Кожен урок супроводжується практикою - тестами або практичним ДЗ. Адже будь-яка теорія без практики так і лишиться теорією.
Фінальний проєкт
на аналіз даних з Python, який ви зможете додати до вашого портфоліо.на рішення задачі з використанням машинного навчання, яке ви розгорнете для доступу з мережі. Крім цього, домашні завдання побудовані так, що можуть бути додані до портфоліо як повноцінні проєкти.
Підтримка
щодня у чаті, а також груповий зідзвон щотижня для обговорення поточних питань і прибирання блокерів кожного студента.
Сертифікат
про успішне закінчення навчання за умови набору від 70% балів за всі завдання і здачі фінального проєкту.
Програма
Вступ до Data Science
• Як влаштований світ штучного інтелекту: ML/DS/AI• Дослідницький аналіз даних з Python
Навчання з учителем
• Лінійна та поліноміальна регресія. Методи оцінки точності прогностичної моделі• Задача класифікації. Логістична регресія. Принцип роботи та методи оцінки якості. Кросвалідація• Дерева прийняття рішень• Методи ансамблювання. Bagging, boosting, voting.• Аналіз часових рядів• Feature engineering: data features, NLP features.• Feature importance
Навчання без учителя
• Методи кластеризації та оцінки якості алгоритмів
• Методи пониження розмірності: SVD, PCA, TSNE
• Основи побудови рекомендаційних систем
Вступ у Deep Learning
• Основи побудови нейронних мереж. Вступ у PyTorch• Методи поліпшення нейронних мереж: регуляризація, тюнинг гіперпараметрів, оптимізація• Глибоке навчання для задач компʼютерного зору• Глибоке навчання для задач NLP
Основи деплойменту
• Принципи і інструменти для деплойменту моделі машинного навчання.• Бібліотека Streamlit і її можливості для деплойменту
Працевлаштування в Machine Learning
• Як оформити резюме, Linkedin та сильне портфоліо• Типові питання на співбесідах, принципи відповідей на питання• Стратегія подальшого розвитку в Machine Learning
Результат
Після курсу ви:
Варіанти оплати
Ми маємо багато варіантів прийняття оплати і точно знайдемо найзручніший для Вас.
Можливі опції:- переказом по Україні,- довірче розтермінування до 4х платежів,- розтермінування до 12 місяців,- оплата у валюті на рахунок європейського банку.
За необхідності оплати іншими способами, зверніться до менеджера і ми підберемо оптимальний для Вас спосіб 👌
Як проходить курс
Раз на тиждень відкриваються матеріали нової теми
Студенти переглядають міні-уроки до 30 хв у записі, роблять завдання на відпрацювання практики, виконують тести та можуть в будь-який момент задавати питання в чаті
На виконання завдань у нас є дедлайни
Важливо їх дотримуватись :)
Щотижня - Q&A зідзвон з Ганною онлайн
Це чудова можливість отримати детальну відповідь на своє питання
Курс веде Ганна Пилєва
Full Stack Machine Learning Engineer з досвідом роботи з даними 8 років і викладацьким досвідом 4 роки
• понад 15 розроблених Machine Learning проєктів від задуму до впровадження• понад 200 випускників з навчальних програм з програмування та Data Science• авторка одного з найбільших блогів в Instagram про машинне навчання, програмування та аналітику даних• авторка блогу на Youtube про Data Science, GenAI і програмування українською
Блог про машинне навчання, програмування та аналітику даних