Программирование на языке Python. Уровень 5. Machine Learning. Основы машинного и глубокого обучения на языке Python в Академия Информационных Систем

Python – один из самых популярных и востребованных языков программирования на сегодняшний день. Будучи высокоуровневым языком, он идеально подходит для разработки самостоятельных программ и сценариев и ориентирован на повышение производительности разработчика и читаемости кода. Синтаксис Python очень лаконичен, но в то же время его библиотеки включают большой объем полезных функций. Именно поэтому он отлично подходит для тех, кто только начинает свой профессиональный путь в программировании.
Что необходимо для того, чтобы освоить Python новичку? Компьютер и базовые знания английского.
Сегодня Python применяется в актуальной сфере анализа больших данных. Освоение этого языка программирования может стать первой ступенью на пути к освоению одной из самых востребованных профессий 21 века

Код: PH008

Включено в курс

Книги и материалы

Электронные документы

Обед

Кофе брейк

Документы об обучении

Удостоверение о повышении квалификации

Форма обучения: Очно/Дистанционно

Ближайшие даты

21 - 25 Октября 2024 г.

Продолжительность: 5 дней 40 ак.часов

Стоимость 45 000 руб.

Целевая аудитория

Все желающие
• Программисты
• Специалисты IT-отрасли
• Системные администраторы
• Аналитики
• Студенты и научные сотрудники

Программа

1. Постановка задачи машинного обучения.
- Основные понятия машинного обучения
- Что такое Jupyter и Anaconda.
- Основные структуры данных в Python
- Методы оптимизации
- Схема построения систем машинного обучения.
- Необходимый инструментарий.
Обучение с учителем. (6 ак.ч.)
- Приложения машинного обучения
- Обучение на данных
- Понятие нейронной сети.
- Персептрон. Определение, реализация и обучение.
- Основные понятия задачи классификации
- Метод градиентного спуска.
Использование библиотека scikit-learn для машинного обучения.
- Обучение персептрона.
- Метод логистической регрессии.
- Метод опорных векторов.
- Метод k ближайших соседей.
Обучение с учителем. Задача регрессии
- Аппроксимация, интерполяция, экстраполяция
- Обучение с учителем.
- Линейная регрессия.
- Метод наименьших квадратов.
- Метод градиентного спуска.
- Основы нелинейной регрессии.
Обучение без учителя.
- Особенности кластерного анализа
- Метод k средних.
- Алгоритмы кластеризации, и области применения
Основы глубокого обучения.
- Основные понятия глубокого обучения
- Области применения
- Многослойная нейронная сеть.
- Введение в глубокое обучение
- Основные понятия глубокого обучения и области применения
- Алгоритмы глубокого обучения нейронных сетей
- Применение библиотек для обучения многослойных нейронных сетей. Аудиторная нагрузка в классе с преподавателем

Преподаватели

Рулев Сергей Викторович

Преподаватель-практик, знаток тонкостей языка Python, особенностей его применения для решения задач в области финансов, менеджмента, машинного обучения, имеющий многолетний опыт работы финансовым директором в крупнейших российских компаниях.

Обладатель статусов MCT (MICROSOFT CERTIFIED TRAINER), MCP (MICROSOFT CERTIFIED PROFESSIONAL), знаток Excel, Access, PowerPoint, MS Project, методологии управления проектами на основе PMBoK и тонкостей программирования VBA. Сергей Викторович щедро делится со слушателями своими профессиональными секретами и приводит живые, запоминающиеся примеры. Особый упор делает на практическое использование Python и других языков программирования для решения реальных задач. Пройдя обучение в нашей компании, наши слушатели вновь и вновь записываются к Сергею Викторовичу — лучшее подтверждение профессионального и педагогического мастерства! Сергей Викторович имеет два высших образования. После окончания МФТИ он использовал свои знания в области программирования для компьютерного моделирования резонаторов лазеров. Потом он получил степень MBA (Master of Business Administration, Магистр Делового Администрирования) в Американском Институте Бизнеса и Экономики и применял знания в области финансов работая аудитором компании «Deloitte Touche Tohmatsu», входящей в «большую четвёрку» аудиторских компаний мира. Работал финансовым директором в организациях Вимм-Билль-Данн, Акелла, РусДел, МераМед

Программирование на языке Python. Уровень 5. Machine Learning. Основы машинного и глубокого обучения на языке Python

Включено в курс

Документы об обучении

Целевая аудитория

Программа

1. Постановка задачи машинного обучения.

Основные понятия машинного обучения

Что такое Jupyter и Anaconda.

Основные структуры данных в Python

Методы оптимизации

Схема построения систем машинного обучения.

Необходимый инструментарий.

Обучение с учителем. (6 ак.ч.)

Приложения машинного обучения

Обучение на данных

Понятие нейронной сети.

Персептрон. Определение, реализация и обучение.

Основные понятия задачи классификации

Метод градиентного спуска.

Использование библиотека scikit-learn для машинного обучения.

Обучение персептрона.

Метод логистической регрессии.

Метод опорных векторов.

Метод k ближайших соседей.

Обучение с учителем. Задача регрессии

Аппроксимация, интерполяция, экстраполяция

Обучение с учителем.

Линейная регрессия.

Метод наименьших квадратов.

Метод градиентного спуска.

Основы нелинейной регрессии.

Обучение без учителя.

Особенности кластерного анализа

Метод k средних.

Алгоритмы кластеризации, и области применения

Основы глубокого обучения.

Основные понятия глубокого обучения

Области применения

Многослойная нейронная сеть.

Введение в глубокое обучение

Основные понятия глубокого обучения и области применения

Алгоритмы глубокого обучения нейронных сетей

Применение библиотек для обучения многослойных нейронных сетей. Аудиторная нагрузка в классе с преподавателем

Преподаватели

Рекомендуемые курсы