Programmeercursus (machine learning en data-analyse in Python), 9e leerjaar - cursus RUB 31.250. uit Foxford, training, Datum: 4 december 2023.
Gemengde Berichten / / December 04, 2023
Wie heeft baat bij de cursus?
De cursus zal nuttig zijn voor degenen die de basisprincipes van programmeren al hebben bestudeerd en hun kennisgebied willen uitbreiden, zich willen verdiepen in Data Science en willen begrijpen wat neurale netwerken en kunstmatige intelligentie zijn.
Welke kennis biedt de cursus?
Zelfverzekerde kennis van Python en de belangrijkste bibliotheken voor DS, vermogen om te werken met machine learning-algoritmen voor classificatie- en regressieproblemen, praktische ervaring met deelname aan wedstrijden over dit onderwerp.
Hoe de opleiding werkt
Onder begeleiding van een leerkracht gaan de kinderen meedoen aan echte machine learning-wedstrijden voor volwassenen. De cursus omvat online bijeenkomsten met vertegenwoordigers van de IT-industrie.
Schoolcertificering
Elke les heeft een plot en interactieve taken.
Wij weten hoe we kinderen moeten benaderen
Beschikbaar in opname
Naleving
Je verwerft basiskennis over het onderwerp
Onze docenten zijn deelnemers aan wedstrijden, auteurs van methodologische ontwikkelingen
Ze weten elk kind te interesseren, rekening houdend met leeftijdskenmerken. Elke les is een spannende reis naar de wereld van kennis!
Laten we eens kijken naar de belangrijkste onderwerpen van het programma
Het kind hoeft de stof niet zelf te bestuderen en zonder het te begrijpen in te proppen. De leraar zal zelfs complexe onderwerpen in eenvoudige taal uitleggen, en presentaties en interactieve taken zullen de belangstelling voor het onderwerp vergroten.
Laten we kennis in de praktijk consolideren
Na elke les een kleine huiswerktaak waarmee u de behandelde stof kunt oefenen en kunt oefenen vóór de toets.
We controleren handmatig monsters en huiswerk
De schriftelijke deelopdrachten laten wij niet over aan zelftesten; dit wordt gedaan door OGE-experts.
Wij controleren ‘in het echt’, zoals bij een examen, en daardoor krijg je gedetailleerde feedback. Dit alles in het belang van de snelheid van voorbereiding en uw resultaat. Uw persoonlijke curator beantwoordt uw vragen binnen twee uur, 24/7
De curatoren begrijpen het programma en het onderwerp, zodat ze uw vragen over de cursus en het huiswerk op elk gewenst moment gemakkelijk kunnen beantwoorden
Ze weten heel goed hoe moeilijk het kan zijn om je zorgen voor te bereiden en te begrijpen.
De belangrijkste taak van een bijlesdocent is om je te helpen omgaan met stress en angst vóór de examens
Python Basics (recensie, snelle recensie)
- Basis Python-besturingsconstructies
- Functies
- Lijsten
- Object georiënteerd programmeren
Inleiding tot bibliotheken voor datawetenschap
- Numpy
- Matplotlib
-Willekeurig
- Panda's
- Zeegeboren
- Sklearn
Inleiding tot machinaal leren
- Basisbeginselen van lineaire algebra. pittige bibliotheek. Verlies functies
- Lineaire regressie- en classificatie-algoritmen
- Opzetten van modellen: herscholing, regularisatie, selectie van hyperparameters, kwaliteitsmetrieken
- Willekeurige bomen
- Composities van algoritmen: bagging en willekeurig bos
- Competities op Kaggle
- Ongecontroleerd leren: clustering, reductie van dimensionaliteit
Data-analyse in de praktijk
- Betrouwbaarheidsintervallen, testen van hypothesen
- A/B-testen
- Statistische criteria
- Zoeken naar patronen en afhankelijkheden in gegevens
- Tijdreeksvoorspellingen
- Competities op Kaggle
Diep leren
- Inleiding tot neurale netwerken. DL- en AI-taken
- Constructie van een meerlaags perceptron
- Afgeleide en gradiënt. Methoden voor gradiëntafdaling
- Opzetten van neurale netwerken: selectie van hyperparameters, softmax, opdelen in batches
- Inleiding tot het pytorch-framework
- Grondbeginselen van convolutionele neurale netwerken
- CNN-architecturen. Breng het leren over
- Computer vision-taken: beeldsegmentatie en detectie
- Geselecteerde NLP-taken. Competities op Kaggle
- Het genereren van kunstmatige gegevens met behulp van GAN
- De manier van datawetenschappers