Машинное обучение

Курс для старших школьников и студентов о том, как работать с искусственным интеллектом и обучать нейросети

В офисе и онлайн

Бесплатно

Погружаем в машинное обучение

Научите компьютер общаться с людьми

Фундаментальные знания

Узнаете о классическом машинном обучении: базовые алгоритмы, современные инструменты, методики обучения нейронных сетей

Много практики

Научитесь решать практические задачи по машинному обучению

Лучшие преподаватели Тинькофф Образования

Вас будут учить выпускники и студенты ФКН ВШЭ и ФПМИ МФТИ, сотрудники Тинькофф, которые работают с искусственным интеллектом каждый день

Подойдет начинающим, но с хорошей математикой

Старшеклассникам

Для учеников 9-11 классов, которые интересуются машинным обучением

Студентам

Для младших курсов технических направлений любых вузов России

Сильным в математике и программировании

Нужно знать математику на уровне производных, синтаксис Python и основы ООП

Занимаемся в офисе компании или онлайн

Формат занятий зависит от ситуации с коронавирусом

Онлайн

Занимаемся раз в неделю в Зуме, удобно для учеников из регионов

В Москве

В офисе в бизнес-центре «Водный» по адресу Головинское шоссе, 5А

В Санкт-Петербурге

В офисе в бизнес-центре «Ренессанс Правда» по адресу ул. Херсонская, дом 12-14

Курс длится три месяца

Расписание после отбора студентов в личном кабинете на сайте

Лекции + домашние задания

Одно занятие длится три часа: разбираем теорию и решаем задачи. После лекции — обязательная домашняя работа с задачами, в среднем нужно пять часов в неделю

Консультации по сложным задачам

Раз в две недели преподаватели помогут разобраться со сложностями в домашних заданиях. Лично с каждым учеником

Сертификат в конце курса

Чтобы получить сертификат, нужно успешно выполнить все домашки и сдать экзамен

Полезные знания

Их будет достаточно, чтобы попасть на стажировку и более продвинутые курсы. Например, вы сможете без отбора пройти на наш курс по глубокому обучению

Выпускной экзамен

После занятий — обязательный коллоквиум, где нужно ответить на теоретические вопросы и решить задачи по курсу

Сертификат

Успешные выпускники получат сертификат от Тинькофф Образования, который подтвердит уровень знаний в машинном обучении

Набираем учеников два раза в год

Осенний семестр

Стартует в 20-х числах сентября

О старте отбора сообщим заранее

Зимний семестр

Стартует в середине февраля

Об старте отбора сообщим заранее

Отбор в два этапа

Набираем до 20 человек в одну очную группу

Экзамен проходит онлайн, его нужно решить до конца отборочного этапа

Математика
Нужно решить шесть задач по математике, например по теории вероятности, логическим рядам, производной функции
Программирование
Большое творческое задание, где нужно написать код на Python и использовать только его библиотеки по умолчанию
Мотивационное письмо
Расскажите о себе, своих достижениях, релевантном опыте и планах

Перед экзаменом можно потренироваться

Зарегистрируйтесь на сайте Тинькофф Финтеха
Зайдите на сайт прошлых курсов. Он откроется только для тех, кто зарегистрировался на сайте Финтеха
Потренируйтесь на задачах прошлых курсов, они типовые

Тех ребят, кто немного недобрал до проходного балла, мы пригласим на встречу с кураторами

Собеседование на курс
Расскажи о себе на встрече или через звонок в Зуме
Общение с куратором
Кураторы расскажут о подробностях обучения, а вы сможете задать свои вопросы

Программа курса

Знакомим с базовыми алгоритмами и подходами классического машинного обучения, решаем практические kaggle-контесты

Задачи машинного обучения
Supervised и unsupervised
Регрессия, классификация, кластеризация
Метрики качества
Data Wrangling
Основы работы с векторными данными и визуализацией
NumPy, Pandas и matplotlib
Проблема переобучения
Регуляризация и кросс-валидация на примере линейной регрессии
Классификация
Knn
Логрегрессия
Precision/recall, робастные метрики (f-score, roc-auc, etc.)
Feature-инжиниринг
Знакомимся с Kaggle
Unsupervised Learning
Кластеризация: k-Means, DBSCAN
Уменьшение размерности: PCA, T-SNE
Решающие деревья
Эвристики
Ансамблирование и Random Forest
Бустинг на пальцах

Знакомимся с базовыми подходами при работе с текстом и задачами поиска информации

Тексты
Генерация фичей из текста
Токенизация
NLTK
Информационный поиск
Задача ранжирования
TF-IDF, PageRank

Знакомимся с основными подходами построения рекомендательных систем

Content-based и коллаборативная фильтрация

Наращиваем математическую базу, которая нужна в работе с машинным обучением

Понимаем теорию вероятностей
Принцип максимального правдоподобия
Теорема Байеса
Логистическая регрессия и идея SVM
Энтропия и кроссэнтропия. Нормальное распределение
Понимаем математику
Учимся брать производные и умножать матрицы
Готовимся к глубокому обучению
Решаем линейную регрессию аналитически

Преподаватели курса — специалисты в машинном обучении

Это молодые специалисты с большим олимпиадным опытом

Елизавета Корнеева

Аналитик-разработчик

Организует работу команды ML-разработчиков голосового помощника Олега

Кирилл Рыжиков

Джуниор-разработчик

Исследует существующие подходы, реализует, обучает и улучшает алгоритмы генерации говорящих голов в команде компьютерного зрения