+7 (960) 18-70-555
0

главная

ПОИСК КУРСА ПО ФИЛЬТРАМ

ВСЕ КУРСЫ ПО НАПРАВЛЕНИЯМ

ПОСТРОЙТЕ ПУТЬ К КАРЬЕРЕ

КАЛЕНДАРЬ КУРСОВ

ПОРЯДОК ЗАЧИСЛЕНИЯ

НОРМАТИВНЫЕ ДОКУМЕНТЫ

+7 (960) 18-70-555

Машинное обучение и анализ данных

  • Начало обучения

    11 сентября 2023 года

  • Продолжительность курса

    Сентябрь 2023 года - июнь 2024 года

  • Стоимость

    - стоимость обучения - 70 000 .
    - для школьников, студентов, аспирантов или выпускников курсов ФПКиПП ННГУ - скидка 20%
    Возможна оплата в 4 этапа.

  • График занятий

    Обучение проходит 2-3 раза в неделю по будням, с 18:00 до 21:00.

  • Документ об окончании

    Слушателям с высшим или средним специальным образованием выдается Диплом о профессиональной переподготовке. Остальным — Сертификат.

  • Место проведения

    пр. Гагарина 23, 2 корпус, 4 этаж, 420 ауд.

  • Контакты

    Telegram / WhatsApp / +7 (960) 18-70-555
    462-34-31 - деканат, email: info@fpk.unn.ru

Прием заявок открыт
0 дней : 0 часов : 0 минут : 0 секунд
Оставить заявку

О курсе

Курс машинное обучение и анализ данных подходит для студентов, специалистов с высшим или средним проф. образованием и всех желающих )) Обучение с нуля. Требование к поступающим минимальные - нужно быть уверенным пользователем ПК.

Курс включает 3 блока. В первом, слушатели изучают основы программирования на Питон, во втором математику(линейную алгебру, теорию вероятностей, математический анализ). Во третьем блоке, основы Машинного обучения и анализа данных.

В качестве преподавателей на курсе выступают эксперты из компаний Intellivision, HARMAN, ABBYY.

Что мы изучаем на курсе

1. Основы синтаксиса
2. Структуры данных
3. Пользовательские функции
4. Файлы
5. Работа с модулями
6. Объектно-ориентированное программирование
1. Линейная алгебра (матрицы и вектора, операции над матрицами, виды матриц и их свойства, определитель матрицы; cобственные вектора; решение системы линейных уравнений)
2. Теория вероятности (понятие вероятности и случайной величины, свойства вероятностей, основные статистики, условная вероятность и формула Байеса, распределения вероятностей)
3. Математический анализ (свойства основных функций, производная функции многих переменных, производная
сложной функции, пределы)
1. Введение. Первичный анализ данных.
2. Постановки задач машинного обучения.
3. Градиентный спуск. Введение в numpy.
4. Логистическая регрессия. Переобучение.
5. Переобучение и борьба с ним
6. Работа с признаками.
7. Метод опорных векторов. Многоклассовая классификация.
8. Решающие деревья.
9. Композиции.
10. Градиентный бустинг. CatBoost и XGBoost.
11. Кластеризация.
12. Полносвязные нейронные сети.
13. Обзор пройденного за курс. Воркшоп по решению "боевой" задачи

Спикеры

Камскова Инна

Кандидат физико-математических наук, доцент кафедры математических и естественнонаучных дисциплин ИЭП ННГУ

Троицкий Роман

Кандидат физико-математических наук, доцент кафедры математических и естественнонаучных дисциплин ИЭП ННГУ

Потапов Андрей

EPAM, Senior data scientist

Отзывы

Смирнова Мария

Курс оцениваю на "5". Работу преподавателей курса оцениваю очень высоко, занятия были максимально насыщенными и очень интересными. Очень понравилось наполнение курса и особенно работа преподавателей: очень интересные домашние задания, подробная обратная связь, много дополнительного материала, знакомство с Kaggle. Полученные на программе знания пока на практике не применяю, но планирую начать искать работу по этому профилю через пару месяцев. Огромное спасибо, я в большом восторге от курса!

Архипова Марина

Преподаватели отлично выполнили свою работу. Из минусов программы скажу, что курс короткий по времени, из-за этого мало разобраны фреймворки (Pandas, PyTorch). Полученные на программе знания сейчас применяю для того, чтобы найти работу в этом направлении. К сожалению, работу ещё не нашла, но, надеюсь, что полученные знания помогут мне в этом.

Варенова Любовь

На курсе всё понравилось. Курс оцениваю на "4". Преподаватели доходчиво объясняли материал, отвечали на вопросы, а, если нужно было - то и проводили дополнительные занятия. Из минусов программы отмечу, что курс, на мой взгляд, слишком небольшой по времени. Некоторые темы, изучаемые на нем, требуют больше времени для освоения. На данный момент полученные на курсе знания и навыки на практике не применяю.

Марьев Александр

Курс оцениваю на "5". Работу преподавателей оцениваю также на "Отлично". Все преподаватели хорошо объясняют, интересно слушать. С точки зрения возможных улучшений программы скажу, что хотелось бы, чтобы на курсе изучались ещё хотя бы азы SQL. Полученные на курсе знания применяю в соревнованиях на kaggle. На данный момент обучение на программе с трудоустройством не помогло, на, думаю, что ещё поможет.

Грубов Роман

Курс оцениваю на "5". Хорошая программа. Отмечу хорошую работу преподавателей: объясняли всё доступно, мне всё было понятно. Минусов у программы не нахожу. На данный момент полученные знания на практике не применяю, но, думаю, что скоро смогу их применить.

Гладышева Анна

Лекции читают непосредственно специалисты, план лекций хорошо составлен. Организовано всё, в целом, тоже хорошо.
Для моего уровня начальной подготовки было сложновато выполнять домашние работы. Связано это, скорее всего, с написанием кода.
Но в целом представление о машинном обучении базовое сформировано на конец курса. Преподаватели все хорошие. У каждого свой стиль изложения материала. Для человека, который никак не связан с IT-сферой, более понятны были объяснения Дмитрия Антонова.
И хотелось бы отметить доброту и готовность помочь каждого из преподавателей. Всем преподавателям спасибо за проведённые лекции!

Савинов Александр

Очень интересный курс, сложные темы, но преподаватели хорошо объясняют, отвечают на любые вопросы, дают хорошую обратную связь по домашним заданиям.

Егоров Дмитрий

В целом курс понравился. Отмечу наличие записей занятий, позволяющих, если нужно, повторно изучить ту или иную тему. Из преподавателей хотелось бы выделить Андрея Потапова за его стилистику ведения занятий, позволяющую хорошо усваивать весь материал. Из минусов: программа курса слишком сжата по времени, её нужно "растянуть".

Фото

Выпуск слушателей 2022 года (июнь)
Выпуск слушателей 2022 года (июнь)

Порядок зачисления

2 Шаг

Формируете комплект документов: копия паспорта (2,3 стр. + прописка), копия документа об образовании

копию свидетельства о браке или др. документа, в случае различия в фамилии в паспорте и документе об образовании

студентам нужно предоставить справку с места учебы

3 Шаг

При оформлении очно:
Приносите полный комплект документов (оригиналы и копии) по адресу: пр. Гагарина, 23, корп. 2, каб. 403 (понедельник-четверг: с 9 до 11-30 и с 12-30 до 16-00 пятница: с 9 до 11-30 и с 12-30 до 15-00). Предварительная запись по тел. 462-34-31

При оформлении онлайн:
Заполните форму и прикрепите фото (или сканы) документов в следующем (розовом) блоке

4 Шаг

При оформлении очно:
Подписываете договор, спускаетесь на первый этаж и оплачиваете обучение в кассе ННГУ. Приступаете к обучению на курсах, согласно расписанию

При оформлении онлайн:
В течение нескольких дней вам подготавливают договор и вместе с инструкцией по оплате присылают по электронной почте

ОСТАВЬТЕ
ЗАЯВКУ
НА КУРС

Или позвоните
по телефону

+7 (960) 18-70-555
  • Диплом о высшем или среднем проф. образовании при наличии (без вкладыша с оценками)
  • Личный листок (скачайте) и заполните
  • Cогласие на обработку персональных данных (скачайте) и заполните
  • Свидетельство о браке (в случае смены фамилии)