Обратная связь
Алексей Спасёнов
Евгений Некрасов
Андрей Шестаков
Георгий Господинов
Артем Зраев
Вадим Журавлев
1) Извлечение полезной информации из данных
2) Применение алгоритмов машинного обучения к практическим задачам
3) Обработка изображений с использованием искусственных нейронных сетей
4) Комплексное решение задач машинного обучения
Мы ожидаем от студентов знаний:
1) основ линейной алгебры (базовые операции, свойства векторов и матриц, такие как скалярное произведение, норма вектора, обусловленность матрицы)
2) математического анализа (производные и интегралы)
3) теории вероятности и математической статистики (понятия вероятности и условной вероятности, функции распределения)
4) языка программирования python (стандартные типы данных, модули collections, itertools и т.д.)
Цель курса — Ознакомить слушателей с практическим анализом данных и машинным обучением. Научить выбирать и разрабатывать подходящие алгоритмы и пайплайны для различных наборов данных с использованием языка программирования python.
В рамках данного курса, слушатели познакомятся как с классическими алгоритмами машинного обучения, так и с самыми современными достижениями в науке анализа данных. Полученные знания будут полезны в целом спектре областей: информационные технологии, лингвистика, психология, биология, физика, картография, банковское дело, экономика и управление и т.д.