Машинное обучение

Курс для школьников 7-11 классов, которым нравится программирование и математика. Изучаем Python, анализ данных, нейросети и машинное обучение

14400 ₽ / курс
8 занятий, один раз в неделю по 6 ак. часов
Сделаем два проекта в портфолио
Длительность курса: Ноябрь - Декабрь 2022

Машинное обучение

Компьютер думает как человек

Machine learning, ML — это класс методов, в которых машину, алгоритм, учат действовать как человек на основе полученного опыта или данных. Например, переводить текст, распознавать лица, подбирать музыку, предлагать поисковые ответы
ML != программирование

Программист создаёт для машины алгоритм. ML-специалист не пишет для машины программу (алгоритм), он передаёт данные и пытается объяснить, что хочет получить на выходе
Модель сама ищет решение

У алгоритма нет заданного ответа, к которому нужно прийти, он знает лишь, как построить модель, отвечающую на поставленный вопрос. Цель машинного обучения — научить модель саму находить решение

Подробная программа курса

Как проходят занятия

Начнем с языка Python: синтаксис и управляющие конструкции, знакомимся с инструментами анализа данных
Сделаем первый самостоятельный проект
Углубимся в математические основы: статистика, численные методы, теория вероятностей, теория графов
Узнаем подробнее о задачах и методах машинного обучения, сделаем первый ML-проект
Выберем выпускной проект и обсудим способы его реализации с наставником
Реализуем выпускной проект
Проведем презентацию и защиту выпускного проекта

Преподаватели курса

Мендель Василий Викторович

Преподаватель ТОГУ, член жюри регионального и муниципального этапов Всероссийской олимпиады школьников по математике, преподаватель краевых профильных смен МатКод. Василий Викторович легко преподносит материал. Объясняя любую тему, охватывает её максимально полно и при этом доступно для понимания.

Программа курса

Модуль 1. Инструменты языка Python для работы с данными. Синтаксис и управляющие конструкции Python. Операторы. Система отступов. Выражения. Имена. Строки документации. Инструменты для работы с данными. Jupiter notebook. Pandas. NumPy. Самостоятельный проект №1.

Модуль 2. Основы машинного обучения и искусственного интеллекта. Математические основы машинного обучения. Основы математическое статистики, численных методов, теории вероятностей, теории графов. Задачи машинного обучения. Классификация. Кластеризация. Регрессия. Понижение размерности данных и их визуализация. Восстановление плотности распределения вероятности по набору данных. Одноклассовая классификация и выявление новизны. Построение ранговых зависимостей. Обнаружение аномалий. Методы машинного обучения. Классическое обучение с учителем и без учителя. Обучение с подкреплением. Ансамблевые методы. Глубокое обучение. Искусственные нейронные сети. Глубинные нейронные сети. Алгоритмы.

Модуль 3. Приложение искусственного интеллекта к реальным задачам. Примеры применения машинного обучения. Распознавание образов. Техническая диагностика. Медицинская диагностика. Обнаружение мошенничества. Обнаружение спама. Категоризация документов. Обучение ранжированию в информационном поиске.

Модуль 4. Выпускной проект

Набор открыт с 19 сентября 2022 г.

Мы наберем только одну группу в этом году. Успейте записаться!

Записаться