logo

ITechResearch

Машиналық оқыту

595 000 ₸
Бөлінді 2 Квот

Студенттерде бақыланатын және бақылаусыз оқытудың негізгі принциптері туралы түсінікті қалыптастыру, машиналық оқыту алгоритмдерін тәжірибеде, мысалы, роботты жобалауда (қабылдау, басқару), мәтінді талдауда (онлайн іздеу, спамға қарсы), компьютерде қолдану дағдыларын қалыптастыру. көру, медициналық ақпараттық жүйелер, аудио өңдеу, дерекқорды өңдеу және басқа салалар.Ансамбльдік әдістерді қолдануды, жинақтауды, қаптауды, күшейтуді үйреніңіз. Сіз оқыту үлгілерінің озық тәжірибелерін пайдалана аласыз, қосымша деректерді генерациялай аласыз, мониторинг және ML әзірлеу, Сондай-ақ Kaggle жарыстары.

Ерекше шарттар

IT мектебінде оқытуға қатысу үшін 50 000 теңге кепілдік жарна қажет. Кепілді жарна міндетті болып табылады және студент оқу процесінде өз міндеттерін орындамаған жағдайда қайтарылмайды: мысалы, сабаққа қатыспау шегі көп болса, оқу кестесін сақтамау, тапсырмаларды орындамау немесе басқа да бұзушылықтар.Курсты сәтті аяқтағаннан кейін кепілдік жарна қайтарылады.

Курстың егжей-тегжейлері

Деңгей

Барлығына

Оқыту форматы

Желіде

Старт

Қыркүйек

Қабылдау емтихандары

Жоқ

Ұзақтығы, апталарда

28

Академиялық сағаттардағы ұзақтығы

112

Оқыту тілі

Қазақша

Сабақтарды өткізу күндері

Дүйсенбі-Жұма

Оқыту әдістемесі

Практика теориялардан гөрі көп

Біліктілік

Junior (Strong) машиналық оқыту маманы

Сабақтарды өткізу форматы

Онлайн режиміндегі сабақтар аптасына 2 рет 2 сағаттан

Дағдылар


Машиналық оқытудың міндеттерін, мұғаліммен/мұғалімсіз оқытудың негізгі принциптерін түсіндіру. Әр түрлі көздерден деректерді алу (файлдардан, API, мәліметтер базасынан оқу)

жіктеу тапсырмалары мен регрессия тапсырмаларын салыстыру. Жіктеу есептерін суреттеңіз (екілік және көпше). Ең танымал жіктеуіштерді салыстыру (логистикалық регрессия, шешім ағаштары, кездейсоқ орман, тірек векторлық әдіс).

Практикалық есептерді шешу үшін әр түрлі жіктеуіштерді қолданыңыз. Кросс-валидацияны қолдану қажеттілігін түсіндіріңіз.

Кластерлеу мәселесін түсіндіру. Кластерлеудің негізгі алгоритмдерін (k-means және иерархиялық әдістер) және негізгі компоненттер әдісін (PCA) іс жүзінде қолданыңыз. Pandas, Matplotlib көмегімен деректерді визуализациялау.

Feature Engineering: фичтің маңыздылығын бағалау, белгілерді таңдау, өлшемді азайту әдістері.

Нейрондық желілердің түрлерін түсіндіру (конволюциялық, қайталанатын, терең), желі параметрлерін өзгерту мүмкіндігі (қабаттар саны, нейрондар саны). Практикалық мәселелерді шешу үшін нейрондық желілерді қолданыңыз.

Жиі қойылатын сұрақтар

Ұқсас курстар

Басқа курс ITechResearch