Получи практические навыки
Machine Learning
Научишься ставить задачи и нанимать специалистов.

Поднимешь в 2 раза свою стоимость на рынке труда.
20 января–29 февраля 2020 г., онлайн
За 6 недель: с нуля до уровня data-driven руководителя!
В группе до 20 человек и с наставником.
Научишься ставить задачи и нанимать специалистов.
Поднимешь в 2 раза свою стоимость на рынке труда.
недель обучения
6
22
часа онлайн
80
% практики

Для кого
этот курс?

Для продакт менеджеров,
предпринимателей,
менеджеров проектов,
которые
Желают зарабатывать
кратно больше
Хотят научиться
использовать
накопившиеся данные компании
Нуждаются в умении
ставить задачи
и нанимать на работу
Data Science
специалистов

Для кого этот курс?

Для продакт менеджеров, предпринимателей, менеджеров проектов, которые
Желают зарабатывать
кратно больше
Хотят научиться использовать накопившиеся данные компании
Нуждаются в умении ставить задачи и нанимать на работу Data Science специалистов
БАЗОВЫЕ НАВЫКИ, КОТОРЫЕ НУЖНЫ НА СТАРТЕ
Желательно понимать математику в объеме линейной алгебры технического ВУЗа. Но это необязательное требование.
Основной навык – способность самостоятельно учиться. Будет сложно. Но результаты тебя порадуют!

Формат обучения

Основные моменты и расписание на неделю
6 недель обучения
Продолжительность всего обучения – 6 недель
2 созвона в неделю
Общение с экспертом – в вечернее время по вторникам и четвергам в 19-00
2 часа на звонок
Длительность каждого созвона – 2 часа
1
Понедельник
Читаете теорию, выполняете
практическое задание
2
Вторник – созвон
с экспертом 2 часа
Подключаетесь на созвон
с экспертом, разбираете все
вопросы, при необходимости
доделываете практическое
задание. На созвоне разбираете
также другие бизнес задачи.
3
Среда
Читаете теорию, выполняете
практическое задание
4
Четверг – созвон
с экспертом 2 часа
Подключаетесь на созвон
с экспертом, разбираете все
вопросы, при необходимости
доделываете практическое
задание. На созвоне разбираете
также другие бизнес задачи.
5
Пятница
Читаете теорию, выполняете
практическое задание
6
Суббота
– воскресенье
Отдых
1
Понедельник
Читаете теорию, выполняете практическое задание
2
Вторник – созвон с экспертом 2 часа
Подключаетесь на созвон с экспертом, разбираете все вопросы, при необходимости доделываете практическое задание.
На созвоне разбираете также другие бизнес задачи.
3
Среда
Читаете теорию, выполняете практическое задание
4
Четверг – созвон с экспертом 2 часа
Подключаетесь на созвон с экспертом, разбираете все вопросы, при необходимости доделываете практическое задание.
На созвоне разбираете также другие бизнес задачи.
5
Пятница
Читаете теорию, выполняете практическое задание
6
Суббота – воскресенье
Отдых
Как проходят созвоны с экспертом?
Обучение проходит в группе, которая состоит из участников в количестве до 20 человек.



  • Вы и другие коллеги из вашей группы подключаетесь на звонок с экспертом.
  • Эксперт онлайн отвечает на ваши вопросы, дает рекомендации по выполненному домашнему заданию.
  • Также на звонке вы разбираете новые задачи совместно с экспертом.

Программа курса

20 января–29 февраля 2020 г.
Урок 1
Урок 1
Работа с языком Python 3
Настройка рабочей среды. Обзор механизмов языка. Структуры данных. Функции. Классы. Подключаемые модули
Урок 2
Урок 2
Работа с данными в Python
Специализированные модули для анализа данных. Работа с таблицами. Визуализация данных
Урок 3
Урок 3
Введение в машинное обучение
Постановка задачи машинного обучения. Типы решаемых задач. Методы классического машинного обучения. Понятие о тренировочных и тестовых данных. Построение простейшей модели ML с помощью scikit-learn. Оценка качества моделей. Проблема оверфиттинга
Урок 4
Урок 4
Задача классификации
Методы классического машинного обучения для решения задач классификации. Бинарная классификация. Многоклассовая классификация. Метрики качества классификации
Урок 5
Урок 5
Задача восстановления регрессии
Методы классического ML для решения задач регрессии. Метрики качества регрессии. Регуляризация моделей. Валидация моделей. Понятие о параметрах и гиперпараметрах модели
Урок 6
Урок 6
Процесс работы с данными в машинном обучении
Выстраивание пайплайна машинного обучения. Очистка и подготовка данных. Инженерия признаков
Урок 7
Урок 7
Композиции моделей машинного обучения
Ансамблевые модели. Случайный лес. Градиентный бустинг. Введение в глубокое обучение и нейронные сети
Урок 8
Урок 8
Задачи машинного обучения «без учителя»
Кластеризация. Снижение размерности данных. PCA, автокодировщики, t-SNE
Урок 9
Урок 9
Другие виды машинного обучения — 1
Анализ временных рядов. Ранжирование. Особые бизнес-задачи
Урок 10
Урок 10
Другие виды машинного обучения — 2
Компьютерное зрение. Сверточные нейронные сети. Обработка текста. Рекуррентные нейронные сети
Урок 11
Урок 11
Вывод моделей в production
Сохранение обученной модели. Развертывание модели в production в качестве API
Что ты в итоге
получишь?
Научишься говорить
на одном языке
с разработчиками
ИИ-решений
Приобретешь
начальный навык
разработки
ИИ-решений
Сможешь
самостоятельно
провести
собеседование
с ИИ-разработчиком
Узнаешь
и опробуешь
актуальные методы
и техники решения
бизнес-задач
с помощью
Machine Learning
Сможешь поставить
задачу и при
необходимости
посмотреть код
Сможешь
претендовать
на вакансии
с доходом
от 150 000 руб./мес
Что ты в итоге получишь?
Научишься говорить на одном языке с разработчиками ИИ-решений
Приобретешь начальный навык разработки ИИ-решений
Сможешь самостоятельно провести собеседование с ИИ-разработчиком
Узнаешь и опробуешь актуальные методы и техники решения бизнес-задач с помощью Machine Learning
Сможешь поставить задачу и при необходимости посмотреть в код
Сможешь претендовать на вакансии с доходом от 150 000 руб./мес

Регистрация на курс

Стоимость курса - 30 000 руб.
Обязательно пройти телефонное интервью.

Повышение цены:
  • 35 000 руб. с 1 января 2020 года.
  • 40 000 руб. с 15 января 2020 года.
    Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
    Кого мы уже обучили?
    Появились вопросы?
    Напишите или позвоните нам!
    Phone: +7 905 756 9940
    Telegram: @pdoronin
    E-mail: pavel@aitoday.ru