Data Science Machine Learning. Basics

Классический вводный курс по современному Machine Learning’у с упором на практику.

О курсе

Рассмотрим большинство популярных методов. Начиная от простых (но не менее эффективных) линейных моделей и древ решений, заканчивая более сложными буcтингами и глубокими нейронными сетями.
Лекции будут сопровождаться примерами решений реальных задач классификации, регрессии, кластеризации с использованием Python из наиболее популярных сфер применения ML. Таких, как автоматический анализ текстов, предсказание временных рядов, классификация картинок.

По окончанию курса получите не только общее представление о том, чем является Machine Learning сейчас, но и глубокое понимание современных инструментов и нюансов их использования. А также практический опыт тренировки, валидации, тюнинга различных моделей машинного обучения.

4 сентября 2021 курс длится 3 месяца
10 000 грн/мес 30 000 грн при полной оплате курса
10 500 грн/мес при оплате частями
25 студентов каждый студент получает регулярный фидбек от кураторов группы

Кураторы

Куратор Евгений Терпиль
Куратор Виталий Радченко



Программа курса

Part 1. Data Science

• Intro - AI vs ML.
• Exploratory Data Analysis: Pandas and Numpy.
• Visual Data Analysis.

Part 2. Classic Machine Learning

• Linear/Polynomial Regression.
• Logistic Regression.
• NLP Features.
• Evaluating models. Validation. Metrics.
• Time series analysis.
• Decision Trees.
• Random Forest / Bagging.
• Boosting - XGBoost, LightGBM, CatBoost.
• Unsupervised learning.
• Feature engineering.
• Feature importance.

Part 3. Intro to Deep Learning

• Basic Neural Networks.
• Into to PyTorch.
• DL in NLP.
• DL in CV.

Кому подходит курс

Разработчикам

Если вы уже занимаетесь разработкой и хотите перейти в Data Science.

Начинающим Data Scientist-ам

Курс также буде полезен начинающим специалистам в этих профессиях: ML Engineer, Data Engineer, Data Analysts.

Опыт

Для прохождения обучения вам нужны знания языка программирования Python, основы линейной алгебры и теории вероятностей

Время

10-12+ часов в неделю на выполнение домашних заданий

Как проходит обучение?

Unlimited фидбек

У нас нет базовых и премиум режимов. Только премиум, всегда. Получите от куратора все. И да, десятая итерация — это нормально.

Real-life задания

У нас действует Practicult — культ практики. Поэтому вы будете делать много сложных домашек из реальных рабочих будней. Have fun & survive.

Сертификат за дело

Выдаем только тем, кто своим потом, временем и силами его заслужил.

ГРАФИК

Старт обучения

4 сентября 2021

Вебинары и лекции

видеолекции открываются по понедельникам и четвергам, а по субботам в 15:00 будут проходить вебинары

Язык обучения

русский

Вопросы-ответы

Нужны ли какие-то навыки для поступления на курс?

Для поступления нужно будет выполнить тестовое задание. Его можно найти в письме после регистрации на курс.

Какой софт будет использоваться на курсе?

На курсе встретимся с Python3 + classic ML stack (numpy, pandas, sklearn, LightGBM/CatBoost/XGBoost) + PyTorch, Jupyter Notebooks.

А групповые звонки с куратором будут записываться?

Будут, но лучше забронируйте время, чтобы присоединяться к ним лично — там будет интересно.

Как происходит коммуникация на курсе, и в каком формате куратор дает фидбек?

Вся коммуникация на курсе проходит на платформе Slack (рабочий чат группы, каналы для домашних заданий и полезных ссылок). Фидбек от куратора будет в виде комментариев на домашние задания и обсуждения на вебинарах.

А что, если мне не понравится?

До 3-го занятия мы сможем вернуть вам всю сумму за обучение, если вы передумаете.

А сертификат будет?

Только при условии выполнения всех домашних заданий, а также успешной защиты курсового проекта.

Регистрация

Остались вопросы?
Не стесняйтесь их задавать.

Проконсультируйте меня

Кому будет кполезно

— начинающим Data Scientist/ ML Engineer / Data Engineer / Data Analysts;
— разработчикам, которые хотят перейти в Data Science;
— людям, которые интересуются Data Science / Machine Learning и хотят приобрести практические навыки.