Введение в машинное обучение. 4 курса Udacity для новичков

Если у вас есть базовые знаний Python и карьерные амбиции в дата-анализе или дата-сайенс, вот четыре курса для новичков. Все курсы — на английском языке и длятся не менее двух месяцев. Выпускники получают сертификат об окончании.

2 комментария
Введение в машинное обучение. 4 курса Udacity для новичков

Если у вас есть базовые знаний Python и карьерные амбиции в дата-анализе или дата-сайенс, вот четыре курса для новичков. Все курсы — на английском языке и длятся не менее двух месяцев. Выпускники получают сертификат об окончании.

Больше курсов по машинному обучению на Udacity.

Введение в машинное обучение с TensorFlow

Курс для тех, у кого уже есть базовые знания Python, теории вероятности и математической статистики. 

Авторы обещают работу с реальными проектами от экспертов отрасли, персонализированный фидбэк и помощь в составлении портфолио и профиля LinkedIn. 

Чему вы научитесь к концу курса:

  • ​​использовать Python и SQL для анализа данных из различных источников;
  • создавать прогностические модели, используя разные методы машинного обучения без учителя и с учителем;
  • разрабатывать функции для повышения производительности моделей машинного обучения;
  • оптимизировать, настраивать и улучшать алгоритмы;
  • сравнивать характеристики изученных моделей.

Продолжительность — 3 месяца. 

Язык — английский. 

Стоимость — $399/месяц или $1 017 сразу за три месяца. 

Пройти курс

Введение в машинное обучение с использованием Microsoft Azure

Курс готовили эксперты Microsoft и Solliance. Он предполагает самостоятельное обучение. Программу осилят те, у кого уже есть базовые знания любого языка программирования (предпочтительно Python). 

Чему вы научитесь к концу курса:

  • получите базовые знания о машинном обучении, обучите первую модель с помощью Azure Machine Learning Studio;
  • разберётесь, как преобразовывать данные в обученные модели, а также познакомьтесь с автоматизированным машинным обучением;
  • освоите основные понятия машинного обучения: классификация, регрессия, кластеризация, обучении признакам и не только;
  • рассмотрите такие методы, как глубокое обучение, изучение подобия, классификация текста, конструирование признаков и обнаружение аномалий;
  • рассмотрите проблемы, связанные с ML и разберёте принципы создания ответственного ИИ.

Продолжительность — 2 месяца. 

Язык — английский. 

Стоимость — бесплатно. 

Пройти курс 

Введение в машинное обучение с PyTorch

Курс создали специалисты в машинном обучении, физики, инженеры и другие эксперты области вместе с AWS и kaggle. Наставники — преподаватели, физики, специалисты по анализу данных, инженеры машинного обучения и другие эксперты области. Здесь тоже обещают подробный и развёрнутый фидбэк, причем среднее время ожидания обратной связи — меньше часа.

Чему вы научитесь к концу курса:

  • ​​использовать Python и SQL для анализа данных;
  • оптимизировать, настраивать и улучшать алгоритмы;
  • применять контролируемые методы обучения к данным, собранным для переписи населения США;
  • создадите классификатор изображений;
  • обучите нейронную сеть в PyTorch классифицировать изображения; 
  • изучите реальный набор данных о клиентах компании и примените несколько неконтролируемых методов обучения.

Продолжительность — 3 месяца.

Язык — английский. 

Стоимость — $399/месяц или $1 017 сразу за три месяца. 

Пройти курс

Введение в машинное обучение

В разработке программы курса принимал участие Себастьян Трун, профессор компьютерных наук и бизнесмен. Но на фидбэк автора рассчитывать не стоит, курс — для самостоятельного изучения. Он включает десять лекций.

Чему вы научитесь к концу курса:

  • познакомитесь с основами машинного обучения и узнаете, как оно применяется в технологиях и науке; 
  • научитесь использовать Naive Bayes с обучением scikit в python;
  • сможете разделять данные между наборами для обучения и тестирования с помощью scikitlearn;
  • научитесь вычислять апостериорную вероятность и априорную вероятность простых распределений;
  • научитесь реализовывать классификатор SVM в SKLearn/scikit-learn;
  • узнаете, как правильно выбрать ядро ​​для SVM;
  • построите дерево решений на Python;
  • изучите формулы энтропии и прироста информации и способы их расчета;
  • реализуете небольшой проект, используя дерево решений;
  • поймёте, чем непрерывное контролируемое обучение отличается от дискретного обучения;
  • запрограммируете линейную регрессию на Python с помощью scikit-learn.

Продолжительность — 10 недель.

Язык — английский. 

Стоимость — бесплатно.

Пройти курс

Подписывайтесь на «Что к чему» —
анамнез и главные симптомы беларуского ИТ.
Цифры, графика, ничего лишнего. Выходит раз в 2 недели.
Спасибо! На указанный адрес отправлено письмо для подтверждения подписки.
Читайте также
10 лучших сертификаций Coursera, чтобы освоить новую специальность
10 лучших сертификаций Coursera, чтобы освоить новую специальность
10 лучших сертификаций Coursera, чтобы освоить новую специальность
Проанализировали Coursera в поисках лучших профессиональных программ на 2022 год, освоение которых позволит получить востребованную специальность.
ИИ-открытка, цифровая одежда и криптоземля: виртуальные подарки для айтишников и айтишниц
ИИ-открытка, цифровая одежда и криптоземля: виртуальные подарки для айтишников и айтишниц
ИИ-открытка, цифровая одежда и криптоземля: виртуальные подарки для айтишников и айтишниц
Если в аду предновогодних дедлайнов вы так и не успели купить подарки, а порадовать друзей и близких хочется, отличный вариант — виртуальный подарок. Подписка на сервис, онлайн-курс или открытка, нарисованная нейросетью — собрали универсальные идеи вещей, которые можно купить в два клика.
1 комментарий
13 онлайн-платформ для обучения программированию
13 онлайн-платформ для обучения программированию
13 онлайн-платформ для обучения программированию

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

0

Ну если Python - то всё понятно

0

что именно понятно?