Войти

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

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

Сертификат в конце курса

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

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

  1. Зарегистрируйтесь на сайте Тинькофф Финтеха
  2. Зайдите на сайт прошлых курсов. Он откроется только для тех, кто зарегистрировался на сайте Финтеха
  3. 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