Практический курс Machine Learning
Возможность трудоустройства по окончании курса. Лучшим студентам организуем собеседования.
При успешном прохождении курса свидетельство установленного образца о повышении квалификации.
Все лекции в PDF по окончании курса
Все лекции в PDF по окончании курса
Возможность прийти со своим проектом с целью его развития. Рецензии и рекомендации от преподавателей курса.
Более 40 ак. часов аудиторных занятий с лучшими преподавателями-практиками.
И еще столько же на самостоятельную работу.
И еще столько же на самостоятельную работу.
Консультации и чат с преподавателями курса на протяжении всего обучения
Проверенная и современная программа с реальными кейсами из индустрии. Отработка практических навыков
Успей записаться на курс
Группа до 20 человек (осталось 6 мест)
Очное и дистанционное обучение
Рассрочка платежа
info@bigdatateam.org, +7(920)149-4050
Дней
Часов
Минут
Секунд
Почему надо пойти к нам?
Индивидуальный подход
Каждый наш курс переработан в соотвествии с потребностями и ожиданиями слушателей. Мы учитываем опыт прошлых курсов и ситуацию в мире IT
Команда
Каждый наш преподаватель является практикующим специалистом и имеет солидный опыт работы. Мы знаем об актуальных инструментах и обучаем тому, что применяем на практике. И самое главное - мы умеем рассказывать о сложных вещах простым и понятным языком.
Поддержка
Есть вопрос по содержанию программы или сложности в домашнем задании? Мы оперативно отвечаем на любые вопросы и всегда готовы помочь
Нам доверяют
Качество наших курсов подтверждается тем, что мы проводим обучение по Machine Learning и Big Data в ведущих технических вузах (МФТИ, МГУ, ВШЭ, Harbour.Space University) и для таких компаний как Сбербанк, МегаФон и Х5 Retail Group. Мы являемся образовательными партнерами Университета НТИ 20.35, где отвечали за технологическое направление на интенсиве для CDO "Остров 10.21", а также партнерами Яндекс по запуску онлайн-курсов по Big Data на Coursera.
Преподаватели
Алексей Драль
Founder & СEO, BigData Team
10 лет в ИТ (Amazon AWS, Rambler, Yandex)
Руководит и преподает Big Data в МГУ, ВШЭ, МФТИ, Сбербанк, МегаФон, ...
Руководитель специализации "Big Data for Data Engineers" на Coursera (совместный проект с Яндекс)
10 лет в ИТ (Amazon AWS, Rambler, Yandex)
Руководит и преподает Big Data в МГУ, ВШЭ, МФТИ, Сбербанк, МегаФон, ...
Руководитель специализации "Big Data for Data Engineers" на Coursera (совместный проект с Яндекс)
Радослав Нейчев
Senior Quantitative Analysis Officer, Raiffeisenbank
член коллаборации CERN LHCb
член коллаборации CERN LHCb
Дмитрий Игнатов
кандидат технических наук, доцент ВШЭ
Автор более 50 научных статей (журналы Machine Learning, Expert Systems and Applications, Discrete Applied Mathematics, General Systems)
Организатор международных конференций и семинаров по тематике анализа данных и машинного обучения (AIST, ECIR, CLA, ICFCA, ICCS, EEML, RuSSIR и др);
Автор более 50 научных статей (журналы Machine Learning, Expert Systems and Applications, Discrete Applied Mathematics, General Systems)
Организатор международных конференций и семинаров по тематике анализа данных и машинного обучения (AIST, ECIR, CLA, ICFCA, ICCS, EEML, RuSSIR и др);
Павел Клеменков
Chief Data Scientist (Data Platform), NVIDIA.
Основатель комьюнити Moscow Spark
Соавтор специализации по большим данным (Big Data for Data Engineers) на Coursera
Основатель комьюнити Moscow Spark
Соавтор специализации по большим данным (Big Data for Data Engineers) на Coursera
Елена Широкова
Data scientist в МегаФоне
Юлия Тувалева
аналитик больших данных в МегаФоне
Партнеры курса
ПАО "МегаФон"
Обучение пройдет в инновационном высокотехнологичном офисе компании МегаФон в Москве.
«На сегодняшний день IT-индустрия является одной из самых востребованных. МегаФон активно использует новые цифровые технологии и поддерживает их развитие. Именно поэтому мы являемся партнерами курса по машинному обучению от BigData Team. Для IT-специалистов этот курс — отличная возможность развить навыки по машинному обучению и познакомиться с профессионалами из ведущих компаний и университетов», — Валентина Ватрак, директор по корпоративному развитию и управлению персоналом компании МегаФон.
«На сегодняшний день IT-индустрия является одной из самых востребованных. МегаФон активно использует новые цифровые технологии и поддерживает их развитие. Именно поэтому мы являемся партнерами курса по машинному обучению от BigData Team. Для IT-специалистов этот курс — отличная возможность развить навыки по машинному обучению и познакомиться с профессионалами из ведущих компаний и университетов», — Валентина Ватрак, директор по корпоративному развитию и управлению персоналом компании МегаФон.
АНО ВО "Университет Иннополис"
Участникам, успешно завершившим обучение, вручается свидетельство установленного образца о повышении квалификации.
«В рамках проекта ИТ бизнес-модуль специалисты Университета Иннополис проводят обучение по современными ИТ-направлениям. Обычно такое обучение ориентировано на корпоративных клиентов и проходит в закрытом формате. К нам часто обращались с просьбой организовать открытые программы для всех желающих и поделиться экспертизой. Поэтому сначала мы провели первый Data Science Camp в нашем вузе, а теперь присоединяемся к такой инициативе в Москве совместно с нашими партнерами — компаниями Big Data Team и МегаФон. Для слушателей это отличная возможность пройти обучение по зарекомендованной программе у лучших российских экспертов в области Data Science, получить персональные консультации и начать свою карьеру в одной из самых востребованных областей информационных технологий», — ведущий менеджер по развитию Университета Иннополис Юлия Астафьева.
«В рамках проекта ИТ бизнес-модуль специалисты Университета Иннополис проводят обучение по современными ИТ-направлениям. Обычно такое обучение ориентировано на корпоративных клиентов и проходит в закрытом формате. К нам часто обращались с просьбой организовать открытые программы для всех желающих и поделиться экспертизой. Поэтому сначала мы провели первый Data Science Camp в нашем вузе, а теперь присоединяемся к такой инициативе в Москве совместно с нашими партнерами — компаниями Big Data Team и МегаФон. Для слушателей это отличная возможность пройти обучение по зарекомендованной программе у лучших российских экспертов в области Data Science, получить персональные консультации и начать свою карьеру в одной из самых востребованных областей информационных технологий», — ведущий менеджер по развитию Университета Иннополис Юлия Астафьева.
Есть вопросы? Нужна рассрочка платежа?
Выслать счет для оплаты на email?
Хотите узнать о новых запусках, мероприятиях, курсах?
Оставляйте контакты и мы обязательно свяжемся
Выслать счет для оплаты на email?
Хотите узнать о новых запусках, мероприятиях, курсах?
Оставляйте контакты и мы обязательно свяжемся
Заполняя форму, вы даете согласие на обработку персональных данных
Занимательная Big Data. Параллельные и распределенные вычисления в картинках. Алексей Драль, преподаватель курса.
Очный / дистанционный курс по Hadoop и Spark - bigdata_course.
Очный / дистанционный курс по Hadoop и Spark - bigdata_course.
06.02-02.03.2019, Москва. Эксперты с опытом работы в NVIDIA, Coursera, Яндекс, Amazon AWS, Sberbank, Raiffeisenbank и CERN, преподаватели Coursera, МГУ, МФТИ, ВШЭ, Harbour.Space University научат участников работать с нейронными сетями, обучать ансамбли деревьев, расскажут, как правильно использовать инструменты для работы с большими данными.
Программа обучения построена на основе курсов, по которым своих сотрудников обучают компании Сбербанк, МегаФон и X5 Retail Group, а также учатся студенты профильных направлений. Собранные материалы ориентированы исключительно на практическое применение в ИТ-индустрии, а лучшие студенты курса пройдут собеседования с прямыми работодателями.
Обучение рассчитано на специалистов с опытом программирования на Python и базовыми знаниями в математике (матрицы, производные). В программе 80 академических часов занятий с практиками Machine Learning, самостоятельной работы, решение реальных кейсов из индустрии и отработка практических навыков.
Программа обучения построена на основе курсов, по которым своих сотрудников обучают компании Сбербанк, МегаФон и X5 Retail Group, а также учатся студенты профильных направлений. Собранные материалы ориентированы исключительно на практическое применение в ИТ-индустрии, а лучшие студенты курса пройдут собеседования с прямыми работодателями.
Обучение рассчитано на специалистов с опытом программирования на Python и базовыми знаниями в математике (матрицы, производные). В программе 80 академических часов занятий с практиками Machine Learning, самостоятельной работы, решение реальных кейсов из индустрии и отработка практических навыков.
Учебная программа
знакомство
4 февраля 2019 в 19:00
4 февраля 2019 в 19:00
знакомство
4 февраля 2019 в 19:00
4 февраля 2019 в 19:00
Организационная встреча
Первое занятие
6 февраля в 19:00
6 февраля в 19:00
Первое занятие
6 февраля в 19:00
6 февраля в 19:00
Введение в машинное обучение и библиотеки ML для Python
Алексей Драль
- Базовые операции с данными в numpy
- Построение графиков функций с matplotlib
- Оптимизация функций с помощью scipy
- Визуализация данных с помощью seaborn
- Базовый конвейер обработки данных и построение первой модели с помощью sklearn
- и многое другое
- Построение графиков функций с matplotlib
- Оптимизация функций с помощью scipy
- Визуализация данных с помощью seaborn
- Базовый конвейер обработки данных и построение первой модели с помощью sklearn
- и многое другое
Второе занятие
9 февраля в 10:00
9 февраля в 10:00
Второе занятие
9 февраля в 10:00
9 февраля в 10:00
Линейные модели, регуляризация, SVM, метрики качества
Радослав Нейчев
- Применение алгоритмов Scikit-learn к синтетическому набору данных и к данным соревнования Kaggle Inclass (классификация, регрессия)
- Логистическая регрессия, практика обучения моделей с помощью SGD
- Метод опорных векторов (Support Vector Machine), ядра
- Настройка параметров, кросс-валидация
- Предобработка данных (строки, пропуски, категориальный признаки)
- Логистическая регрессия, практика обучения моделей с помощью SGD
- Метод опорных векторов (Support Vector Machine), ядра
- Настройка параметров, кросс-валидация
- Предобработка данных (строки, пропуски, категориальный признаки)
Третье занятие
13 февраля в 19:00
13 февраля в 19:00
Третье занятие
13 февраля в 19:00
13 февраля в 19:00
Деревья
Дмитрий Игнатов
- практика обучения деревьев на наборах данных (MNIST, UCI, кредитный скоринг)
- визуализация деревьев
- работа с признаками и пропущенными значениями в деревьях
- практические аспекты - оценка времени работы, прунинг деревьев
- визуализация деревьев
- работа с признаками и пропущенными значениями в деревьях
- практические аспекты - оценка времени работы, прунинг деревьев
Четвертое занятие
16 февраля в 10:00
16 февраля в 10:00
Четвертое занятие
16 февраля в 10:00
16 февраля в 10:00
Ансамбли решающих деревьев
Дмитрий Игнатов
- Общие методы построения композиций - усреднение, бустинг, блэндинг, стэкинг
- Бустинг и GBM.
- Выбор параметров в ансамблях решающих деревьев. Сравнение Random Forest и GBDT с демонстрацией.
- Связь корреляция между ответами моделей и качеством модели в бэггинге.
- Bias-variance trade-off на примере бэггинга и бустинга. Преимущества и недостатки RF и GBDT. XGBoost, LightGBM
- Бустинг и GBM.
- Выбор параметров в ансамблях решающих деревьев. Сравнение Random Forest и GBDT с демонстрацией.
- Связь корреляция между ответами моделей и качеством модели в бэггинге.
- Bias-variance trade-off на примере бэггинга и бустинга. Преимущества и недостатки RF и GBDT. XGBoost, LightGBM
Пятое занятие
20 февраля в 19:00
20 февраля в 19:00
Пятое занятие
20 февраля в 19:00
20 февраля в 19:00
Нейронные сети и введение в глубокое обучение (Deep Learning)
Радослав Нейчев
- Нейронные сети и сверточные нейронные сети, общие веса, локальность иерархичность
- Слои в сверточных сетях, функции потерь для классификации, регуляризация нейросетей
- Эффективный методы вычисления градиентов, проверка реализации разностным дифференцированием
- Слои в сверточных сетях, функции потерь для классификации, регуляризация нейросетей
- Эффективный методы вычисления градиентов, проверка реализации разностным дифференцированием
Шестое занятие
23 февраля в 10:00
23 февраля в 10:00
Шестое занятие
23 февраля в 10:00
23 февраля в 10:00
Deep Learning: CNN, RNN, Attention
Радослав Нейчев
- Рекуррентные нейронные сети в задаче анализа сигналов и естественного языка.
- Генеративные модели на основе RNN.
- Механизм внимания (Attention mechanism) в задаче машинного перевода и других задачах.
- Сверточные нейронные сети в задачах обработки текста, сравнение с рекуррентными нейронными сетями.
- DNN на практике: инициализация, предобработка данных, модельный зоопарк, дообучение, вычисления на видкеокартах, визуализация
- Генеративные модели на основе RNN.
- Механизм внимания (Attention mechanism) в задаче машинного перевода и других задачах.
- Сверточные нейронные сети в задачах обработки текста, сравнение с рекуррентными нейронными сетями.
- DNN на практике: инициализация, предобработка данных, модельный зоопарк, дообучение, вычисления на видкеокартах, визуализация
Седьмое занятие
27 февраля в 19:00
27 февраля в 19:00
Седьмое занятие
27 февраля в 19:00
27 февраля в 19:00
Обучение без учителя (Unsupervised Learning)
Радослав Нейчев
- Определение координат дома и работы человека по GPS-треку (определение регулярных координат с помощью DBSCAN)
- Метод главных компонент на практике
- Применение PCA и tSNE для:
-- визуализации данных
-- сжатия данных
-- предобработки датасета
- Метод главных компонент на практике
- Применение PCA и tSNE для:
-- визуализации данных
-- сжатия данных
-- предобработки датасета
Восьмое занятие
2 марта 10:00
2 марта 10:00
Восьмое занятие
2 марта 10:00
2 марта 10:00
Погружение в большие данные (Big Data)
Павел Клеменков
Hadoop, HDFS, MapReduce, Spark, ...
Финальный проект
Финальный проект
Защита проектов слушателей
Разбор финального проекта от экспертов отрасли (BigData Team, МегаФон)
Далее:
- выдача сертификатов об окончании курса
- возможность трудоустройства (организация собеседований)
- выдача сертификатов об окончании курса
- возможность трудоустройства (организация собеседований)
Отзывы наших слушателей
Click to order
Total:
Если этот курс вам кажется полезным, расскажите о нем друзьям!
юридическая информация
Общество с ограниченной ответственностью
«ЦЕНТР ПРИКЛАДНОГО ОБРАЗОВАНИЯ»
Адрес юридический (покупателя и грузополучателя):
150022, Ярославская обл, Ярославль г., Тормозное шоссе, д.1, литер А, оф.17
Почтовый адрес:
150022, Ярославская обл, Ярославль г., Тормозное шоссе, д.1, литер А, оф.17
ИНН 760 432 6255
КПП 760 401 001
р/с 407 028 102 000 700 344 70
р/с 407 028 108 401 000 344 70
в ПАО АКБ «АВАНГАРД» г.Москва
БИК 044 525 201
к/с 301 018 100 000 000 002 01
ОГРН 117 762 701 7501
Свидетельство от 26.05.2017г. выдано Межрайонной инспекцией Федеральной налоговой службы № 7 по Ярославской области
ОКПО 15807292
ОКВЭД 62.01
e-mail: finance@bigdatateam.org
Генеральный директор Драль Алексей Александрович,
действует на основании Устава
«ЦЕНТР ПРИКЛАДНОГО ОБРАЗОВАНИЯ»
Адрес юридический (покупателя и грузополучателя):
150022, Ярославская обл, Ярославль г., Тормозное шоссе, д.1, литер А, оф.17
Почтовый адрес:
150022, Ярославская обл, Ярославль г., Тормозное шоссе, д.1, литер А, оф.17
ИНН 760 432 6255
КПП 760 401 001
р/с 407 028 102 000 700 344 70
р/с 407 028 108 401 000 344 70
в ПАО АКБ «АВАНГАРД» г.Москва
БИК 044 525 201
к/с 301 018 100 000 000 002 01
ОГРН 117 762 701 7501
Свидетельство от 26.05.2017г. выдано Межрайонной инспекцией Федеральной налоговой службы № 7 по Ярославской области
ОКПО 15807292
ОКВЭД 62.01
e-mail: finance@bigdatateam.org
Генеральный директор Драль Алексей Александрович,
действует на основании Устава
политика конфидециальности
платежная информация
Банковской картой
Для выбора оплаты товара с помощью банковской карты на соответствующей странице необходимо нажать кнопку «Оплата заказа банковской картой».
Оплата происходит через ПАО СБЕРБАНК с использованием Банковских карт следующих платежных систем:
МИР
VISA International
Mastercard Worldwide
ОПИСАНИЕ ПРОЦЕССА ПЕРЕДАЧИ ДАННЫХ
Для оплаты (ввода реквизитов Вашей карты) Вы будете перенаправлены на платежный шлюз ПАО СБЕРБАНК. Соединение с платежным шлюзом и передача информации осуществляется в защищенном режиме с использованием протокола шифрования SSL. В случае если Ваш банк поддерживает технологию безопасного проведения интернет-платежей Verified By Visa или MasterCard SecureCode для проведения платежа также может потребоваться ввод специального пароля. Настоящий сайт поддерживает 256-битное шифрование. Конфиденциальность сообщаемой персональной информации обеспечивается ПАО СБЕРБАНК. Введенная информация не будет предоставлена третьим лицам за исключением случаев, предусмотренных законодательством РФ. Проведение платежей по банковским картам осуществляется в строгом соответствии с требованиями платежных систем МИР, Visa Int. и MasterCard Europe Sprl.
Возврат переведенных средств, производится на Ваш банковский счет в течение 5—30 рабочих дней (срок зависит от Банка, который выдал Вашу банковскую карту).
Для выбора оплаты товара с помощью банковской карты на соответствующей странице необходимо нажать кнопку «Оплата заказа банковской картой».
Оплата происходит через ПАО СБЕРБАНК с использованием Банковских карт следующих платежных систем:
МИР
VISA International
Mastercard Worldwide
ОПИСАНИЕ ПРОЦЕССА ПЕРЕДАЧИ ДАННЫХ
Для оплаты (ввода реквизитов Вашей карты) Вы будете перенаправлены на платежный шлюз ПАО СБЕРБАНК. Соединение с платежным шлюзом и передача информации осуществляется в защищенном режиме с использованием протокола шифрования SSL. В случае если Ваш банк поддерживает технологию безопасного проведения интернет-платежей Verified By Visa или MasterCard SecureCode для проведения платежа также может потребоваться ввод специального пароля. Настоящий сайт поддерживает 256-битное шифрование. Конфиденциальность сообщаемой персональной информации обеспечивается ПАО СБЕРБАНК. Введенная информация не будет предоставлена третьим лицам за исключением случаев, предусмотренных законодательством РФ. Проведение платежей по банковским картам осуществляется в строгом соответствии с требованиями платежных систем МИР, Visa Int. и MasterCard Europe Sprl.
Возврат переведенных средств, производится на Ваш банковский счет в течение 5—30 рабочих дней (срок зависит от Банка, который выдал Вашу банковскую карту).
