Курсы по искусственному интеллекту и машинному обучению на «Открытом образовании»

Искусственный интеллект и машинное обучение — «горячие» темы, но многие не знают как к ним подступиться, ведь нужно знать высшую математику и уметь программировать. На самом деле достаточно знать школьную математику и основы языка программирования Python. Мы собрали курсы Вышки на платформе «Открытое образование», которые помогут освоить эти разделы науки о данных.

Участники этого курса смогут узнать о методах искусственного интеллекта, познакомятся с терминологией и даже научатся обучать несложные модели на готовых данных.

Программа курса включает введение в искусственный интеллект и машинное обучение, теорию вероятностей и математическую статистику, задачи классификации, кластеризацию и визуализацию данных, A/B тестирование, нейронные сети в задачах распознавания и стилизации изображений

Курс длится 12 недель. Он состоит из коротких лекций, после которых слушатели проходят опрос. Раз в неделю слушателям курса предлагается тест, для нескольких тем нужно решить расчетные задачи и задания с взаимным оцениванием.

Выпускники курса смогут обучать несложные модели на платформе для анализа данных Orange, интерпретировать статистические данные, проводить разведывательный анализ данных, проверять гипотезы и визуализировать результаты.

Этот курс подойдет тем, кто хочет «с нуля» погрузиться в область машинного обучения, получить первые практические навыки и начать применять их для решения собственных задач.

В программе курса — основные понятия и задачи в машинном обучении, метод k-ближайших соседей, линейная и логистическая регрессия, градиентный спуск и бустинг, линейная классификация, метод опорных векторов, решающие деревья, обучение без учителя и рекомендательные системы.

На каждой из 11 недель курса участникам предлагается несколько коротких лекций, тест на знание теоретического материала и тест на решение задач по программированию. В конце курса предусмотрен итоговый экзамен.

По результатам курса слушатели освоят способы предобработки и визуализации данных, изучат основные методы машинного обучения и научатся оценивать качество моделей.

В этом курсе слушатели познакомятся с основными понятиями из математической статистики и теории вероятностей, которые необходимы для работы с данными.

Осваивая программу курса, слушатели научатся делать описательный анализ данных, визуализировать данные и исследовать линейные взаимосвязи, освоят параметрические и непараметрические тесты, принцип проверки статистических гипотез и построение прогностических моделей.

Каждая из 14 недель курса состоит из теоретического блока и практической части. Особенность практической части в том, что она реализуется с помощью Google Sheets и Python. Можно освоить оба эти способа или выбрать один.

После прохождения курса выпускники смогут загружать и исследовать данные в выбранном ПО, проводить описательный анализ данных, визуализировать данные и оперировать основными понятиями статистики.

В ходе обучения слушатели этого курса узнают о различных задачах, связанных с анализом текстов и освоят методы предобработки текстовых данных.

В программу курса входят базовые методы предобработки и выделения признаков, векторные представления слов, классификация текстов, языковые модели, вопросно-ответные системы, чат-боты и графы знаний.

Курс длится 12 недель. Каждая неделя содержит видеолекции, тестовые задания и материалы для самостоятельного изучения. Курс рассчитан на слушателей, имеющих базовые знания об анализе данных и машинном обучении и владеющих языком Python.

Выпускники курса освоят предобработку текстовых данных и научатся применять на практике методы классификации и кластеризации текстов, поиска и генерации ответа на вопрос и машинного перевода.

В рамках этого курса слушатели познакомятся со всеми основными задачами, возникающими в компьютерном зрении, научатся работать с изображениями классическими методами и с помощью глубинного обучения, освоят восстановление и работу с 3D-объектами.

В ходе освоения программы, слушатели научатся программно обрабатывать изображения, поймут на чем основана работа фоторедакторов, познакомятся с глубинным обучением для классификации изображений, сегментации и детекции, а также познакомятся с генеративными моделями и нейронными сетями.

Курс длится 11 недель. Каждая неделя содержит теоретическую и практическую части, которая выполняется с помощью языка Python.

Завершившие курс выпускники освоят обработку изображений алгоритмами компьютерного зрения, классификацию изображений, работу с признаками нейронных сетей, детекцию и сегментацию на изображениях и облаках точек и восстановление глубины.