+380 67 826 62 92

Ви маєте можливість розтермінувати оплату до 4-х місяців.
Детальніше: http://lits.ua/article/news/LITS-kursy-u-rozstroch...

Цей курс мотивує вас повторити лінійну алгебру й теорію ймовірності. Цього разу математика потрібна для практичного застосування – а саме для реалізації алгоритмів Штучного Інтелекту (Artificial Intelligence) або, як ще популярно називати, Машинне Навчання (Machine Learning). Ми розглянемо основні типи задач штучного інтелекту й алгоритми їх реалізації. Навчимось працювати із даними а також готувати їх до оптимального й максимально швидкого навчання машиною.

Також зануримось до найцікавіших та найбільш комплексних алгоритмів штучного інтелекту – глибинне навчання (Deep Learning). Ми розберемось як працюють системи розпізнавання зображення, класифікації звуку, автономне керуваня авто та багато інших цікавих речей.

Головною фішкою курсу будуть рекомендаційні системи де навчимо машину рекомендувати товари в магазині й розберемось як Netflix підбирає фільми персонально для нашого перегляду. Також навчимо машину розуміти текст – побудуємо справжнього чат бота.

Додаткова інформація

Навчальний план

1
Вступ. Огляд машинного навчання.
2
Повторення. Лінійна алгебра, теорія ймовірностей, статистика.
3
Навчання з учителем. Лінійна регресія. Градієнтний спуск.
4
Зважена лінійна регресія. MLE. Логістична регресія.
5
Огляд Python-екосистеми для машинного навчання.
6
Софтмакс-регресія. Узагальнена лінійна модель (GLM).
7
Повторення теорії ймовірності. Правило Баєса
8
Генеративні моделі. GDA. Наївний Баєсівський (Naive Bayes) класифікатор.
9
Регуляризація, вибір моделі, відлагодження процесу навчання.
10
Метод опорних векторів (SVM). Кернели.
11
Дерева рішень. Ансамблі.
12
Навчання без учителя. Кластеризація. K-Means. GMM.
13
Метод основних компонент (PCA).
14
Метод незалежних компонент (ICA).
15
Інтелектуальні агенти. MDP.
16
Навчання з підкріпленням. Вивчення політик в MDP.
17
Навчання з підкріпленням. Q-Learning, DQN
18
Нейронні мережі. Backpropagation.
19
Глибинне навчання (Deep Learning).
20
Обробка натуральної мови (NLP).
21
Рекомендаційні системи.

Рекомендована базова підготовка

Знання з лінійної алгебри (коротко повторимо або й вивчимо необхідні формула та теореми), робота з матрицями

Теорія ймовірності

Базові знання синтаксису мови Python (в основному будемо працювати із NumPy та SkLearn

Поширені запитання (FAQ)

1
Як зареєструватись на курс?
На сторінках діючих курсів є кнопка "Стати студентом", яка дозволяє Вам залишити заявку. Як тільки заявка буде надіслана, Ви отримаєте листа на Вашу електронну скриньку з подальшими інструкціями, і наш адміністратор незабаром з Вами сконтактує в телефонному режимі.
2
А що, як я не отримав лист-підтвердження?
Якщо таке сталося, Ви, мабуть, неправильно заповнили форму. Зателефонуйте до адміністратора за номером +380 67 826 62 92, і це питання ми обов’язково вирішимо першочергово.
ПЕТРО ЗДЕБ
Викладач курсу "Python". DataRobot. Python Software Engineer Дізнатись більше