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

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
25 - 29 Марта 2024 г.
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