ЗАПИСАТЬСЯ СЕЙЧАС
ЗАПИСАТЬСЯ СЕЙЧАС
Методы анализа данных
и машинного обучения
Принципы математических алгоритмов
Современные библиотеки
Оценка моделей
Основы нейронных сетей
Старт - 04 апреля 2024
Старт
Формат
Длительность
Дни занятий
04 апреля 2024
Онлайн вебинары
с преподавателем
4 месяца
8 ак.ч. в неделю
вторник 19:00-21:00
четверг 19:00-21:00
суббота 12:00-14:00
В первой части курса вы познакомитесь с разными алгоритмами машинного обучения, узнаете, как они работают и когда их использовать. Это основа для многих аспектов Data Science, в частности, для классификации, кластеризации, предсказания, рекомендаций и прочего.

Во второй части курса "Глубокое обучение" Вы изучите основополагающую концепцию нейронных сетей и глубокого обучения. Эти знания и навыки могут быть востребованы в области исследований, индустрии, медицины, финансов и других сферах, где глубокое обучение играет важную роль.
Какие знания требуются для прохождения курса?
Для комфортного обучения на курсе " Методы анализа данных и машинного обучения" вам необходимо обладать базовыми навыками работы в Python и знаниями базовой математики, основ линейной алгебры, математической статистики.

Если Вы сейчас этими знаниями не обладаете, предлагаем пройти курсы "Python и инструменты машинного обучения" и "Математика для анализа данных".
Для кого курс
  • Для тех, кто хочет начать карьеру в анализе данных
    Вы владеете Python, разбираетесь в математике и статистике.
    Вы сможете систематизировать и углубить полученные самостоятельно или на бесплатных курсах знания, пообщаться с профессионалами, применить модели Machine Learning на практике.
  • Аналитикам
    Вы аналитик со знанием Python.
    Вы отшлифуете имеющиеся знания, примените основные методы предобработки данных, научитесь валидировать данные и оценивать качество алгоритмов, увеличите скорость своей работы и ускорите свой карьерный рост
  • Практикующим IT специалистам
    Вы программируете на Python. На курсе вы освоите основные алгоритмы машинного обучения, у вас появятся другие интересные задачи и возможность роста доходов.
Что вы получите
Практические кейсы на применение классификации, регрессии, создание нейронных сетей в отрасли для таких прикладных задач как: сегментация медицинских изображений, детекция автомобилей, вопросо-ответные системы, распознавание именованных сущностей, распознавание текста (sst), генерация изображений


Знания и навыки в исследовании и подготовке данных в Машинном обучении, в построении классических алгоритмов для решения реальных задач; в работе с фреймворком глубокого обучения pytorch, в применении универсальных промышленных методик при работе и оптимизации моделей в глубоком обучении
Постоянное живое общение с преподавателем МФТИ на вебинарах и в телеграм-чате группы
Ответы на все свои вопросы по ходу курса от преподавателя
Обратную связь на интересные домашние задания
Удостоверение о повышении квалификации МФТИ
Программа курса
Модуль 1
Базовые алгоритмы
10 занятий
- Знакомство с анализом данных и машинным обучением
- Методы предобработки данных
- Линейная и логистическая регрессия, регуляризация
- Методы классификации в машинном обучении (SVM, работа с представлением, наивный Байес)
- Кластеризация
- Методы понижения размерности
- Деревья и градиентный бустинг
Модуль 2
Глубокое обучение
12 занятий
- Введение в Pytorch
- Введение в машинное зрение
- Введение в обработку текста
- Обработка временных рядов, классический подход
- Обучение с подкреплением
Финальный проект
Проект выполняется самостоятельно под руководством эксперта курса и позволяет закрепить весь спектр знаний и навыков, полученных на программе
В рамках финального проекта вы построите ML-модель для решения своих текущих профессиональных задач, это может быть:

- система прогнозирования продаж
- распознавание объектов на фото или видео
- анализ временных рядов анализ больших
- объёмов текста и другое
Документы
Защита выпускного проекта собственной системы, решающей любую актуальную для бизнеса задачу. Результатом будет наглядная работающая модель, которую вы сможете использовать в вашей повседневной работе или продемонстрировать на собеседовании

После успешного завершения слушатели получат удостоверение о повышении квалификации МФТИ
Преподаватели курса
  • Магистрант МФТИ, кафедра распознавания изображений и обработки текста
  • Сотрудник лаборатории ABBYY Lab
  • Преподаватель курсов "Практикум Python" и "Технологии программирования" в МФТИ

Преподаватель 1 модуля -
Никита Честнов
Илья Тихонов
Аспирант кафедры ЭВМ МФТИ
Выпускник факультета радиотехники и кибернетики, МФТИ Занимается разработкой аналитических продуктовых и систем с применением алгоритмов машинного обучения для задач тематического моделирования и кластеризации для компаний на заказ и в рамках работы в Лаборатории Инноватики МФТИ.

Тема диссертации «Формальный вывод знаний для адаптивных систем технического зрения»
Автор всего курса и преподаватель 2 модуля
Кто может получить дополнительное профессиональное образование
Курсы повышения квалификации или профессиональной переподготовки могут проходить две категории слушателей:

  • те, у кого уже есть среднее или высшее профессиональное образование;
  • те, кто еще учится в колледжах или вузах и не получил диплом.
Студенты колледжей и вузов могут параллельно учиться по программам ДПО, но удостоверения о повышении квалификации или дипломы о профессиональной переподготовке им выдадут только после того, как будет окончен курс основного образования и на руках у выпускника будет диплом вуза или колледжа.

Что говорят о программе наши студенты
Анна Кузнецова
работает в финансовой сфере
Меня зовут Кузнецова Анна. Мой профессиональный опыт включает позиции финансового бизнес-партнера и бизнес-контролера в ряде брендовых зарубежных и некоторых российских компаниях. Мое образование – бакалавриат, магистратура и аспирантура экономического факультета МГУ им. М.В.Ломоносова, на данный момент обучаюсь в магистратуре МФТИ по машинному обучению.

В прошлом году проходила курс Ильи Тихонова по машинному обучению и анализу данных. Могу сказать, что это потрясающе интересный, многогранный и комплексный курс основными достоинствами которого, безусловно, являются структура с большим охватом различных алгоритмов, и сам преподаватель.

Курс состоит из 10 занятий по классическим моделям и 13 занятий по нейросетям и в принципе, я так понимаю, дает представление о всем спектре современных алгоритмов, включая то, что были изобретено в том году, когда читался курс. В курсе 7 домашек: 5 по первой части, 2 по второй. Плюс сдача дипломного проекта.

Мне понравилось, что у Ильи есть и хороший опыт преподавания, и практические знания из бизнеса. Поэтому в курсе оптимальное на мой взгляд сочетание теории и практики. Видно, что он горит своим делом, много знает и читает, у него широкий кругозор и сразу чувствуется, что это открытый и увлеченный человек. Поэтому легко вдохновиться и легко учиться. А вообще – очень приятно, что за моим поколением идут такие редкие передовые, интеллектуальные, динамичные и живые люди с абсолютно здоровым эмоциональным интеллектом, как Илья.


ПЛЮСЫ КУРСА:

- в итоге вы выйдете с 7 полноценными исследованиями разного типа данных (числовые, текстовые, фото) и сможете показать их на собеседовании или текущему работодателю;

- Илья мониторит, какие вопросы задаются на собеседованиях и на курсе в принципе все они прорабатываются;

- представлены все основные современные алгоритмы машинного обучения – и теория и практика;

- в лекциях есть достаточно хорошие визуализации, что лично мне было полезно для простого и доступного объяснения работы алгоритмов заказчикам финального проекта и в принципе людям из бизнеса;

- очень удобно, что можно сделать индивидуальный чат с преподавателем и задавать любые вопросы, включая вопросы по Питону. Мне это было удобно, так как я не программист и периодически были проблемы с кодом;

- на курсе очень комфортно учиться; группы разумного размера; в группе люди немного разного профиля, поэтому получаются разносторонние вопросы; достаточно времени на д/з; хорошо построенный личный кабинет;

- по всем урокам есть видео и расшифровка голоса, конспекты можно не делать;

- мне понравилось, что администраторы курса довольно быстро прислушиваются к обратной связи и устраняют недостатки, если что-то некомфортно. Довольно клиентоориентированная команда.


ПОЛЕЗНЫЕ СОВЕТЫ тем, кто собирается проходить курс:

- рассчитывайте свои силы: вторая часть курса, посвященная нейросетям, сложнее для понимания, чем первая. Качественное изучение первой части значительно облегчает понимание второй;

- не пренебрегайте советом преподавателя учить пайторч, пока идет первая часть, делать д/з во второй части будет легче;

- не бросайте, если д/з по нейросетям покажутся вам слишком сложными. Я когда увидела первую нейросеть, думала сбежать)))) но в конце концов вполне справилась со всеми заданиями несмотря на то, что я не программист;

- позаботьтесь заранее о реальных данных из бизнеса для финального проекта, их, наверное, даже можно заранее предобработать, и тогда будет больше времени на смысловую часть;

- заранее подумайте на каком оборудовании будете делать просчет нейросетей или посоветуйтесь с преподавателем, где можно взять аренду;

- не стесняйтесь задавать вопросы, Илья очень грамотный и деликатный человек.


Удачи и успехов всем тем, кто возьмет этот курс. Учитесь с интересом!!!


Московский физико-технический институт — ведущий технический вуз страны, который входит в престижные рейтинги лучших университетов мира
В МФТИ организована научная деятельность, посвященная в том числе проблемам старения и возрастных заболеваний, прикладной и фундаментальной физике, двумерным материалам, квантовым технологиям, искусственному интеллекту, геномной инженерии, арктическим и космическим исследованиям
Обучают фундаментальной и прикладной физике, математике, информатике, химии, биологии, компьютерным технологиям и другим естественным и точным наукам
Андрей Райгородский о ФПМИ МФТИ
Доктор физико-математических наук, профессор, директор Физтех-школы прикладной математики и информатики (ФПМИ)
«Физтех-школа прикладной математики и информатики (ФПМИ) МФТИ — безусловно ведущий мировой центр науки и образования в области математики и информатики. Особенность нашей школы заключается в том, что она сочетает в себе активную научную деятельность и тесную связь с индустрией. На сегодняшний день школа включает в себя 28 кафедр и 22 лаборатории от ключевых академических институтов и ключевых представителей IT-индустрии: Яндекс, Тинькофф, Сбербанк, VK, Abbyy, 1 °C, Huawei и другие. Наша школа и МФТИ в целом гордимся своими выпускниками, например, мы занимаем первое место в рейтинге вузов России по уровню зарплат занятых в IT-отрасли специалистов
Подписка на рассылку новостей ФПМИ МФТИ
Хотите быть в курсе предстоящих событий и новых программ?
Тогда подпишитесь на нашу рассылку.
Подписка на новости
Успей записаться на курс!
155 000 рублей
ЗАПИСАТЬСЯ СЕЙЧАС
04 апреля 2024
Оставить заявку или
проконсультироваться
с менеджером
Я ранее проходил обучение на курсах/программах МФТИ / Я являюсь сотрудником МФТИ
Мне удобно следующее количество платежей равными суммами:
У меня уже есть или я в данный момент получаю высшее/среднее профессиональное образование:
Нажимая на кнопку, я соглашаюсь на обработку персональных данных ( Политика обработки персональных данных МФТИ)
Присоединяйтесь к стажерским программам от МФТИ
Стажерская программа позволит получить ценный опыт работы в реальной профессиональной среде и применить накопленные знания на практике
Принять участие в конкурсе могут студенты или выпускники программ ФПМИ МФТИ
Партнеры ФПМИ
Предлагаем нашим слушателям рассрочку на оплату обучения
(только для физических лиц)