Високий рівень

Онлайн

Курс Machine Learning (з Python)

Живі заняття у вечірній час

2 місяці, 2 рази на тиждень

До 18 студентів у групі

Матеріали курсу англійською мовою

Викладання українською

Повідомити про набір

Наші випускники працюють у 700+ компаніях по всьому світу

Детальніше про партнерів

Про курс

Тримай хвилю новітніх технологій на курсі машинного навчання, з фокусом на керованому навчанні та нейронних мережах.

Якщо любиш математику та/або кодити чи просто захоплюєшся технологіями на межі неможливого — цей курс саме для тебе.

Після завершення навчання ти розумітимеш основи машинного навчання, зможеш впроваджувати його алгоритми за допомогою Python-біблітек, а ще будувати й тренувати нейронні мережі для розв’язання реальних задач. Твоїм фінальним проєктом стане розгортання моделі машинного навчання для системи чи ідеї, яку обереш.

Вимоги до студентів

Як би нам не хотілося, машинне навчання не для початківців. Проходження цього курсу потребує попередніх знань, та насправді вони цілком досяжні. Ось що тобі знадобиться:

Досвід програмування, бажано на Python але достатньо й основ будь-якої іншої мови програмування.
Тож якщо вже вмієш програмувати, тобі цей курс під силу. Маєш сумніви? Тоді радимо переглянути наш курс із Python-розробки і почати з нього.

Впевнені знання математики рівня старшої школи адже курс міститиме похідні, матриці та операції з векторами.
Експертом бути не потрібно, але щоб отримати від курсу якомога більше, знадобиться бути “на ти” із цими поняттями. Повтори ці теми онлайн або дістань підручник зі старших класів — і вмить підготуєшся.

Англійська рівня intermediate або вище для опрацювання матеріалів мовою оригіналу.

Що буде у твоєму резюме

Катерина Білокур

Trainee / Junior Machine learning engineer

розуміння основних підходів та алгоритмів машинного навчання

вміння працювати з інструментами машинного навчання (NumPy, Pandas, SciKit Learn)

розуміння методів машинного навчання, як-от лінійна регресія, дерева рішень, SVM, kNN, Random Forest

розуміння нейронних мереж

знання трендів машинного навчання

впевнене використання алгоритмів в ML/DL

практичний досвід використання фреймворків глибокого навчання в реальних проєктах (із TensorFlow (+Keras), PyTorch)

знання базових структур даних та алгоритмів

досвід роботи з розпізнаванням зображень (OpenCV, OCR або альтернатива) 

досвід роботи з обробкою природної мови (NumPy, Spacy)

знання фреймворків Big Data (Spark, Hadoop, Kafka, ElasticSearch тощо)

Технології та інструменти, які вивчатимеш на курсі:

Програма курсу

Модуль 1. Основи машинного навчання

12 годин

6 тем

Вступний урок. Знайомство з машинним навчанням і середовищем програмування

Лінійна регресія

Лінійна регресія з декількома змінними

Логістична регресія для двійкової класифікації

Регуляризація і та її різновиди

Класифікація з декількома класами

Модуль 2. Класичні методи і нейронні мережі

8 годин

4 теми

Деревовидні алгоритми з бібліотеками scikit-learn та xgboost

Вступ до некерованого навчання: кластеризація, виявлення аномалій, зменшення розмірності

Рекомендаційні системи на Python

Основи нейронних мереж

Модуль 3. Глибинні нейронні мережі

16 годин

8 тем

Python-бібліотеки TensorFlow і Keras python libraries. Вступ до роботи з Google Colab

Згорткові нейронні мережі для розпізнавання зображень

Популярні мережі розпізнавання зображень. Застосовуємо фреймворки для виконання трансферного навчання

Методи виявлення об'єктів на зображенні та у відеопотоці

Вступ до обробки природної мови (NLP) і рекурентних нейронних мереж (RNN)

Трансформери для обробки природної мови

Огляд ML Ops. Розгортання моделі TensorFlow і Keras за допомогою тензорного потоку і програми Docker

Фінальний проєкт і підсумки курсу

Бонус. Генеративний ШІ, просунуті методи та ШІ-етика

6 години

3 теми

Основи генеративного ШІ

Просунуті методи машинного навчання

Етичні проблеми використання ШІ

Автор курсу

Томас Бенгтссон

7+ років в IT.
Software Developer у Skira

Працював у Volvo Group Trucks Technology у відділі автоматизації транспортних засобів

Досвід роботи у галузі самокерованих транспортних засобів із сенсорами, відповідальними за розпізнавання пішоходів, автомобілів та інших цільових об’єктів

Ph.D. в Технічному університеті Чалмерса, Швеція

Консультант курсу

Ігор Вустянюк

6+ років в IT.
Data Scientist/Python Developer у Beetroot

Процес вступу

Крок 1

Вступний тест

Зареєструйся та пройди тест на визначення твого рівня підготовки до навчання.

Крок 2

Онлайн-зустріч

Після успішних результатів тестування ми неодмінно запросимо тебе на зустріч з менеджером Академії.

Крок 3

Зарахування

Якщо ми підійдемо одне одному — на тебе чекатиме інтенсивне навчання та початок омріяної кар’єри в ІТ.

Повідомити про набір

Як ми навчаємо

Ми надаємо більше, ніж просто якісну освіту. Beetroot Academy підтримує своїх студентів на кожному етапі. Ось як:

Перевернутий клас

Вивчай теорію вдома та зосередься на практиці на заняттях.

Живі заняття

Навчайся в Zoom з експертом галузі — до 18 студентів у класі та у вечірній час.

Підтримка

Отримай необхідну допомогу, щоб розпочати нову кар’єру.

Софт-скіли

Навчайся в командах під керівництвом викладача як тімліда.

Працевлаштування

Отримай інструменти та знання, необхідні для першої співбесіди.

Глобальна спільнота

Стань частиною екосистеми Beetroot. Це випускники, ІТ-компанії та партнери по всьому світу.

Як ми навчаємо?

Понад 12,000 студентів довірились Академії за 9 років нашої роботи — й тепер вони працюють у 700+ компаніях. Та про якість нашого підходу говорять не лише цифри, а й акредитація європейською організацією Almega. Ми відповідаємо шведським стандартам якості навчання для дорослих і пропонуємо тобі:

Живі заняття з викладачем

Ти вивчатимеш теорію в зручний для себе час в нашій LMS, а на онлайн-уроках сфокусуєшся на отриманні практичних навичок під наглядом експерта в галузі

Кар’єрне консультування з професійним рекрутером

Ти створиш резюме, супровідний лист і профіль в LinkedIn. Досвідчений рекрутер їх перегляне та порадить, що покращити аби отримати роботу мрії.

Програма створена senior-експертами

Наші курси створює та оновлює група senior фахівців-практиків, які поза роботою викладають в Академії. Завдяки цьому наша програма завжди відповідає вимогам ринку.

Затишна спільнота на заняттях

Оскільки ми навчаємо в невеликих групах до 18 осіб, ти навчишся працювати в команді. Допомагай, отримуй допомогу та відточуй софт-навички з перших днів навчання.

Підтримка координатора групи

Твій координатор буде поруч впродовж всього курсу й допоможе з мотивацією та організаційними питаннями. Так твоя освіта буде максимально комфортною й ефективною.

FAQ

Що таке машинне навчання?

Можна уявити його як пошук закономірностей у даних. Скажімо, ти розробляєш метод машинного навчання (який також називають алгоритмом), що передбачає ціну будинку на основі його розміру, кількості кімнат та інших властивостей. Наш курс зосереджений на так званому "контрольованому навчанні", коли ми "показуємо" алгоритму навчання багато зразків даних, як-от ціни на різні типи будинків. Іншими словами, твій додаток знаходить закономірності в даних, які ти надаєш, і вчиться розпізнавати їх в інших умовах.

Чому всі говорять про ШІ?

Ми живемо у зоряний час для ШІ — й на те є причини. За останні 60 років обчислювальна потужність зросла в трильйон разів, тому наші комп'ютери стали швидшими і можуть виконувати складніші алгоритми. Крім того, вартість зберігання й обробки даних знизилася, тоді як бізнеси збирають більше даних, ніж будь-коли раніше. Саме тому штучний інтелект активно використовується для покращення споживчих додатків і продуктів, і цей попит стимулює подальші інновації та дослідження.

Чим машинне навчання відрізняється від звичайного програмування?

Машинне навчання автоматизує процес навчання на основі даних для генерування рішень, тоді як традиційне програмування вимагає від програміста вручну вказувати кроки для вирішення проблеми. Машинне навчання часто краще підходить для складних завдань із виявлення закономірностей у великих масивах даних (прогнозування поведінки клієнтів або виявлення шахрайства). Звичайне програмування краще для проблем, де потрібен контроль над логікою і функціональністю програми (наприклад, розробка відеоігор або операційної системи).

Які мої кар’єрні можливості з машинним навчанням?

Ти користуєшся продуктами машинного навчання щодня, певно, навіть не підозрюючи цього — наприклад, під час вебпошуку або коли твій поштовий додаток виявляє та видаляє спам. На ринку є значний незадоволений попит на навички машинного навчання. Після того, як навчишся впроваджувати ML-моделі, ти зможеш працювати над проєктами персоналізованих рекомендацій продуктів, самокерованих автомобілів, розпізнавання мови/мовлення, індивідуальних медикаментів та ще купою інших. Вакансії з машинного навчання знайдуться практично в будь-якій сфері, яка тебе цікавить.

А що як я не вмію кодити чи не ладнаю з математикою?

Основна ідея цього курсу — задовольнити цікавість тих, хто вже працює в галузі технологій, ІТ, інженерії тощо. Якщо це не про тебе й ти не вмієш кодити, потрібно пройти курс програмування — самостійно або під керівництвом викладача. Найпоширенішою мовою для машинного навчання є Python, тож радимо почати саме з неї. Що ж до математики, є чимало безкоштовних ресурсів про основи лінійної регресії або матрично-векторні операції. Переглянь теми першого модуля й ознайомся з цими поняттями. Щоб займатися машинним навчанням, зовсім не обов’язково бути математичним генієм!

Які проєкти є на курсі і що можна додати собі в портфоліо?

В курсі є два проєкти. Наприкінці 2 модуля ти реалізуєш нейронну мережу з нуля за допомогою numpy (бібліотеки Python). Другий проєкт в кінці курсу присвячений розгортанню Keras-моделі, щоб зробити її доступною для використання в якомусь додатку. Тут ти зможеш творчо підійти до завдання й обрати будь-яку систему, для якої розроблятимеш модель. Можливо, вже маєш конкретну потребу на роботі або навпаки, інноваційну ідею, яку представиш світові. Це проєкт із “відкритим фіналом”, тож ти зможеш допрацьовувати його після курсу скільки забажаєш.

Де знайти відгуки про Академію?

Читай відгуки та історії наших випускників на сайті за цим посиланням. Також відгуки й інформація про навчання є на DOU.ua.

Чи отримаю я сертифікат про проходження курсу?

Так, ти отримаєш сертифікат. Він — цифровий і виглядає ось так. Понад 10 000 наших випускників завантажують їх у LinkedIn та інші соціальні мережі, щоб продемонструвати свої навички. Але найголовніше — це практичні знання, досвід роботи у команді, доступ до спільноти випускників та мережі із 200+ ІТ-компаній-партнерів Академії.

Які є опції оплати за навчання?

Сплачуй:
- помісячно (повна сума оплати за навчання розбивається на 5 щомісячних платежів);
- зі знижкою 10%, якщо робиш внесок за весь курс одразу;
- частинами через Monobank та ПриватБанк до 8 платежів. Детальніше про оплату частинами читай у статті на нашому блозі.

Ви допомагаєте з працевлаштуванням?

Так, ми підтримаємо тебе на шляху до першого офера, але ми не гарантуємо 100% працевлаштування.Академія заснована як соціальне підприємництво і наша місія — соціальний вплив. Свій успіх ми вимірюємо не кількістю студентів, а кількістю працевлаштованих випускників.
Ми надаємо якісну освіту, і від тебе ми очікуємо сильної мотивації та розуміння, що відвідувати уроки та виконувати домашні завдання — замало. Потрібно багато вчитися самостійно і навіть після того, як знайдеш роботу.

Розвивай свою кар’єру разом з Beetroot Academy!

Заповни форму і ми повідомимо тобі, коли відкриємо набір у наступну групу Machine Learning (з Python)

Дякуємо за інтерес до курсу Machine Learning (з Python)

Ми обовʼязково звʼяжемося з тобою, як тільки відкриємо набір в групу.

Вибач, це технічна помилка. Спробуй ще раз!