20 бесплатных курсов по машинному обучению и нейронным сетям

Для всех, кто хочет начать разбираться в искусственном интеллекте. 🤖

1. «Введение в искусственный интеллект» от ТГУ

Продолжительность курса: 4 недели = 1–2 часа в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Завлечение.
  2. О технологиях ИИ.
  3. Будущее уже рядом.

Чему научитесь:

  • Ориентироваться в современных технологиях искусственного интеллекта

Автор курса

Роман Душкин

Instagram: instagram.com/roman.dushkin

  • Эксперт в области систем искусственного интеллекта
  • Создатель действующей системы поддержки принятия решений в МЧС для реагирования на различные катастрофы
  • Состоит в Российской Ассоциации Искусственного Интеллекта
  • Автор 20 книг по искусственному интеллекту, математике, квантовым вычислениям и функциональному программированию

2. «Введение в машинное обучение» от НИУ «ВШЭ» совместно с «Яндексом»

Продолжительность курса: 7 недель = 2–15 часов в неделю

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Знакомство с анализом данных и машинным обучением. Логические методы классификации.
  2. Метрические и линейные методы классификации.
  3. Метод опорных векторов и логистическая регрессия. Метрики качества классификации.
  4. Линейная регрессия. Понижение размерности и метод главных компонент.
  5. Композиции алгоритмов. Нейронные сети.
  6. Кластеризация и визуализация. Частичное обучение.
  7. Машинное обучение в прикладных задачах.

Что узнаете и чему научитесь:

  • Программировать на Python на профессиональном уровне
  • Что такое машинное обучение и как его применять
  • Решать задачи с помощью машинного обучения
  • Что такое кластеризация и визуализация

Особенности курса:

  • Для полноценного изучения курса необходимы базовые навыки программирования и математики
  • Задания рассчитаны на использование Python и его библиотек NumPy, Pandas и Scikit-learn

Авторы курса

Константин Воронцов

  • Профессор факультета компьютерных наук НИУ «ВШЭ»
  • Разработал один из наиболее популярных в России курсов по машинному обучению, который сейчас читает в Школе анализа данных «Яндекса»
  • Обучил в Coursera более 100 тысяч человек

Евгений Соколов

Facebook: facebook.com/evgeny.sokolov.91

  • Ведущий специалист по обработке данных в «Яндекс.Дзен»
  • Старший преподаватель и заместитесь заведующего кафедрой больших данных и информационного поиска в НИУ« ВШЭ»
  • Обучил в Coursera более 250 тысяч человек

3. «Машинное обучение и анализ данных» от МФТИ совместно с «Яндексом»

Продолжительность курса: 7 месяцев = 8 часов в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Математика и Python для анализа данных.
  2. Обучение на размеченных данных.
  3. Поиск структуры в данных.
  4. Построение выводов по данным.
  5. Прикладные задачи анализа данных.
  6. Анализ данных: финальный проект.

Что узнаете и чему научитесь:

  • Программировать на Python
  • Пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач
  • Работать с большим массивом данных
  • Строить рекомендательную систему, оценивать эмоциональную окраску текста, прогнозировать спрос на товар, оценивать вероятность клика по рекламе
  • Как создать собственную систему, которая будет решать актуальные бизнес-задачи

Особенности:

  • Подойдёт для начинающих

Авторы курса

Евгений Рябенко

Facebook: facebook.com/riabenko

  • Бывший доцент «Высшей школы экономики» и Московского физико-технического института
  • Имеет 10-летний опыт работы в области науки о данных
  • Преподавал прикладную статистику в МГУ, Школе анализа данных «Яндекса» и Harbour.Space University в Барселоне

Евгений Соколов

  • Ведущий специалист по обработке данных в «Яндекс.Дзен»
  • Старший преподаватель и заместитесь заведующего кафедрой больших данных и информационного поиска в НИУ «ВШЭ»
  • Обучил в Coursera более 250 тысяч человек

Виктор Кантор

Instagram: instagram.com/victor.kantor

  • Эксперт по машинному обучению
  • Chief Data Scientist компании «МТС»
  • Победитель рейтинга Forbes «30 до 30» (2020)

Эмили Драл

Facebook: facebook.com/emeli.dral
Instagram: instagram.com/emeli.dral/
Twitter: twitter.com/emelidral

  • Главный специалист по обработке данных в Mechanica AI
  • Руководила исследовательской группой Yandex Data Factory
  • Обучила в Coursera более 140 тысяч человек

Константин Воронцов

  • Профессор факультета компьютерных наук НИУ «ВШЭ»
  • Разработал один из наиболее популярных в России курсов по машинному обучению, который сейчас читает в Школе анализа данных «Яндекса»
  • Обучил в Coursera более 100 тысяч человек

Антон Слесарев

  • Руководитель группы распознавания образов в «Яндексе»
  • Обучил в Coursera более 10 тысяч человек

4. «Машинное обучение в финансах» от SberUniversity

Продолжительность курса: 6 недель = 1–6 часов в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Введение в машинное обучение.
  2. Прогнозирование с помощью методов машинного обучения.
  3. Трейдинг и оптимальное управление в финансах.
  4. Natural Language Processing.
  5. Применение методов машинного обучения в анализе процессов.
  6. Прогнозирование макроэкономических показателей.

Что узнаете и чему научитесь:

  • Что такое машинное обучение и как его применяют в финансовой сфере
  • Программировать на Python и Stan
  • Что такое методы Natural Language Processing и как их применять

Преподаватели курса

Ия Малахова

  • Директор Департамента финансов в ПАО «Сбербанк»
  • Получила степень Master of Arts in Economics в Российской экономической школе
  • Получила степень MBA в Чикагской школе бизнеса имени Бута
  • Работала в «СберБанке», «ЮниКредит Банке», «Альфа-Банке»

Андрей Духовный

  • Начальник отдела моделирования риска ликвидности в SberUniversity
  • Получил степень магистра на экономическом факультете в Академии народного хозяйства и государственной службы при Президенте РФ


Владимир Власов

  • Получил степень кандидата экономических наук по специальности «Математические и инструментальные методы в экономике»
  • Обладатель сертификата Executive MBA от бизнес-школы INSEAD
  • Начальник Центра компетенции ERP «СберБанка»

5. «Python для анализа данных» от МФТИ совместно с Mail.ru Group

Продолжительность курса: 6 недель = 4–8 часов в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Математика и Python для анализа данных.
  2. Визуализация данных и статистика.
  3. Обучение с учителем.
  4. Методы обучения без учителя.
  5. Нейронные сети.
  6. Курсовой проект.

Что узнаете и чему научитесь:

  • Основы высшей математики
  • Работать с библиотеками Numpy, Scipy, Pandas
  • Применять свои навыки программирования для построения предиктивных моделей, визуализации данных и работы с нейросетями

Особенности курса:

  • Курс ориентирован на практику

Преподаватели курса

Никита Пестров

Facebook: facebook.com/pestrov
Instagram: instagram.com/pestrov

  • Специалист по анализу данных в Habidatum

Александр Жебрак

Facebook: ru-ru.facebook.com/alexander.zhebrak
Instagram: instagram.com/a.zhebrak

  • Технический директор Insilico Medicine
  • 5 лет работал в отделе внутренней разработки Mail.ru Group

Андрей Шестаков

  • Руководитель группы предиктивной аналитики Mail.ru Group
  • Выпускник МФТИ
  • Обучил в Coursera более 10 тысяч человек

Елена Широкова

  • Аналитик в команде Big Data компании «МегаФон»
  • Выпускница МФТИ
  • Обучила в Coursera более 10 тысяч человек

6. «Введение в науку о данных» от СПбГУ

Продолжительность курса: 5 недель = 2–5 часов в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Введение.
  2. Математический инструментарий науки о данных.
  3. Программный инструментарий науки о данных.
  4. Машинное обучение: обучение с учителем.
  5. Машинное обучение: обучение без учителя.

Что узнаете и чему научитесь:

  • Работать с массивами данных любого размера
  • Работать с большими данными с помощью новых принципов математического и вычислительного моделирования
  • Пользоваться инструментальной базой на практике
  • Основы предметной области через постановку и решение типичных задач

Кто проводит курс

Санкт-Петербургский государственный университет

Сайт: spbu.ru
VK: vk.com/spb1724
Instagram: instagram.com/spb_university/

  • Старейший вуз России, основанный в 1724 году
  • Занимает 20 место среди 400 ведущих вузов мира в номинации «Взаимодействие с работодателями» рейтинга QS Graduate Employability 2018
  • Реализует 418 образовательных программ

7. «Искусственный интеллект для каждого» от DeepLearning.AI

Продолжительность курса: 4 недели = 1–2 часа в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Что такое ИИ?
  2. Создание ИИ-проектов.
  3. Создание ИИ в вашей компании.
  4. ИИ и общество.

Что узнаете и чему научитесь:

  • Значение общей терминологии искусственного интеллекта, включая нейронные сети, машинное обучение, глубокое обучение и науку о данных
  • Создавать проекты в области машинного обучения и науки о данных
  • Создавать ИИ для своей компании
  • Ориентироваться в этических и общественных дискуссиях, связанных с ИИ

Особенности курса:

  • Несмотря на то, что курс на английском языке, видеоуроки сопровождаются русскими субтитрами, что делает их понятными и лёгкими для восприятия

Преподаватель курса

Эндрю Ын

Сайт: andrewng.org
Facebook: facebook.com/andrew.ng.96
Twitter: twitter.com/AndrewYNg

  • Сооснователь Coursera
  • Основатель DeepLearning.AI
  • Доцент Стэнфордского университета
  • Участвовал в написании более 100 научных работ в областях машинного обучения и робототехники
  • Обучил в Coursera более 5 миллионов человек

8. «Машинное обучение» от Стэнфордского университета

Продолжительность курса: 11 недель = 2–8 часов в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Введение. Линейная регрессия с одной переменной. Обзор линейной алгебры.
  2. Линейная регрессия с несколькими переменными. Учебник Octave/Matlab.
  3. Логистическая регрессия. Регуляризация.
  4. Нейронные сети: представление.
  5. Нейронные сети: обучение.
  6. Советы по применению машинного обучения. Проектирование систем машинного обучения.
  7. Машины вектора поддержки.
  8. Неконтролируемое обучение. Уменьшение размерности.
  9. Обнаружение аномалий. Рекомендательные системы.
  10. Крупномасштабное машинное обучение.
  11. Пример применения: Photo OCR.

Что узнаете и чему научитесь:

  • Что такое машинное обучение и как его использовать в работе
  • Что такое контролируемое и неконтролируемое обучение и как его применять
  • Применять алгоритмы обучения для создания умных роботов

Особенности курса:

  • Курс на английском языке, но каждый видеоурок сопровождается русскими субтитрами

Преподаватель курса

Эндрю Ын

  • Сооснователь Coursera
  • Основатель DeepLearning.AI
  • Доцент Стэнфордского университета
  • Участвовал в написании более 100 научных работ в областях машинного обучения и робототехники
  • Обучил в Coursera более 5 миллионов человек

9. «Глубокое обучение» от DeepLearning.AI

Продолжительность курса: 5 месяцев = 7 часов в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Нейронные сети и глубокое обучение.
  2. Совершенствование глубоких нейронных сетей: настройка гиперпараметров, регуляризация и оптимизация.
  3. Структурирование проектов машинного обучения.
  4. Свёрточные нейронные сети.
  5. Модели последовательностей.

Что узнаете и чему научитесь:

  • Создавать и обучать нейронные сети
  • Строить нейронные сети в TensorFlow
  • Создавать свёрточные нейронные сети и применять их
  • Создавать рекуррентные нейронные сети и обучать их

Особенности курса:

  • Необходимы базовые навыки программирования на Python и знание основ линейной алгебры и машинного обучения
  • Несмотря на то, что видеоуроки на английском языке, все они сопровождаются русскими субтитрами, что делает их лёгкими к восприятию

Преподаватели курса

Эндрю Ын

  • Сооснователь Coursera
  • Основатель DeepLearning.AI
  • Доцент Стэнфордского университета
  • Участвовал в написании более 100 научных работ в областях машинного обучения и робототехники
  • Обучил в Coursera более 5 миллионов человек

Киан Катарфорош

Сайт: kiankatan.medium.com
Twitter: twitter.com/kiankatan

  • Сооснователь Workera
  • Сооснователь DeepLearning.AI
  • Имеет степень магистра Стэнфордского университета
  • Обучил в Coursera более миллиона человек

Юнес Бенсуда Морри

Twitter: twitter.com/ymourri

  • Преподаёт искусственный интеллект в Стэнфордском университете
  • Разработчик учебных программ Coursera
  • Обучил в Coursera более миллиона человек

10. «Нейронные сети» от Stepik

Продолжительность курса: 24 урока.

Формат обучения: текстовые уроки + видеоуроки + тесты.

Обратная связь: есть.

С сертификатом

Программа обучения:

  1. Основы линейной алгебры.
  2. Перцептрон и градиентный спуск.
  3. Алгоритм обратного распространения ошибки.
  4. Мониторинг состояния сети.
  5. Сюрприз и заключение.

Что узнаете и чему научитесь:

  • Основы линейной алгебры: векторы и матрицы
  • Что такое перцептрон и градиентный спуск
  • Алгоритмы, лежащие в основе обучения нейронных сетей

Особенности курса:

  • Необходимы школьные знания о математике: производные, логарифмы, степени
  • Нужно знать основы программирования на Python

Преподаватели курса

Арсений Москвичёв

Facebook: facebook.com/arseny.moskvichev
Twitter: twitter.com/arseny_mo

  • Выпускник (магистр) биологического и психологического (бакалавр) факультета СПбГУ
  • Инженер-исследователь в Калифорнийском университете

Анастасия Миллер

Сайт: stacymiller.ru
VK: vk.com/stacymiller

  • Окончила математико-механический факультет СПбГУ
  • Работает в JetBrains

11. «Создание моделей машинного обучения» от Microsoft

Продолжительность курса: 5 модулей = 6 часов.

Формат обучения: текстовые уроки + тесты.

Обратная связь: нет.

Без сертификата

Программа обучения:

  1. Изучение и анализ данных с помощью Python.
  2. Обучение и оценка моделей регрессии.
  3. Обучение и оценка моделей классификации.
  4. Обучение и оценка моделей кластеризации.
  5. Обучение и оценка моделей глубокого обучения.

Что узнаете и чему научитесь:

  • Использовать библиотеки NumPy, Pandas и Matplotlib
  • Что такое модели регрессии и когда их надо использовать
  • Когда следует использовать классификацию
  • Что такое кластеризация и когда её нужно применять
  • Основные принципы глубокого обучения
  • Использовать платформу Scikit-learn и работать с Tensorflow

Особенности курса:

  • Необходимо знать основные математические понятия
  • Нужно владеть основами программирования на Python

Кто проводит курс

Microsoft

Сайт: microsoft.com

  • Одна из крупнейших компаний по производству ПО и различного рода вычислительной техники
  • Разработчик ОС Windows
  • Продукция продаётся более чем в 80 странах мира
  • В 2018 году заняла второе место в списке 500 лучших работодателей мира по мнению журнала Forbes

12. «Академия искусственного интеллекта» от «СберБанка»

Продолжительность курса: 10 уроков.

Формат обучения: видеоуроки.

Обратная связь: нет.

Без сертификата

Программа обучения:

  1. Искусственный интеллект сегодня.
  2. Истоки ИИ 1950–1990.
  3. Недавние вехи ИИ.
  4. Новейшие разработки ИИ.
  5. Резюме.
  6. Введение в машинное обучение.
  7. Обучение с учителем.
  8. Модели машинного обучения.
  9. Пример задачи машинного обучения.
  10. Итоги.

Что узнаете и чему научитесь:

  • Историю возникновения ИИ
  • Основы машинного обучения

Особенности курса:

  • Занятия рассчитаны на школьников 7–11 классов
  • Короткие видеоуроки способствуют лучшему усвоению материала

Кто проводит курс

ПАО «Сбербанк»

Сайт: sberbank.ru
VK: vk.com/sber
Instagram: instagram.com/sberbank
YouTube: youtube.com/user/Sberbank

  • Крупнейший банк России, Центральной и Восточной Европы
  • Один из ведущих международных финансовых институтов
  • В 2019 году занял четвёртое место в списке самых надёжных банков России по версии Forbes

13. «Нейросети на Python» от Андрея Созыкина

Продолжительность курса: 11 уроков.

Формат обучения: видеоуроки.

Обратная связь: есть (в комментариях под видео).

Без сертификата

Программа обучения:

  1. Введение.
  2. Искусственные нейронные сети.
  3. Обучение нейронных сетей.
  4. Библиотеки глубокого обучения.
  5. Распознавание элементов одежды.
  6. Анализ качества обучения нейронной сети.
  7. Бесплатная облачная платформа для нейросетей Google Colab.
  8. Как сохранить нейронную сеть.
  9. Применяем нейросеть для распознавания изображений.
  10. Решение задачи регрессии.
  11. Keras Tuner — автоматическая оптимизация гиперпараметров нейросети.

Что узнаете и чему научитесь:

  • Основы обучения нейронных сетей
  • Использовать Google Colab для работы с кодом
  • Применять нейронные сети с использованием готовых библиотек Keras и TensorFlow

Автор курса

Андрей Созыкин

Сайт: asozykin.ru
VK: vk.com/avsozykin
Facebook: facebook.com/asozykin
Twitter: twitter.com/AndreySozykin

  • Кандидат технических наук
  • Автор 16 научных работ
  • Проректор по развитию образовательной деятельности в Уральском федеральном университете

14. «Нейросети для анализа текстов» от Андрея Созыкина

Продолжительность курса: 14 уроков.

Формат обучения: видеоуроки.

Обратная связь: есть (в комментариях под видео).

Без сертификата

Программа обучения: слушатели узнают об обучении нейронных сетей для анализа текстов. Познакомятся с сетями LSTM и GRU и с их помощью смогут проанализировать тональность отзывов YELP и IMDB.

Что узнаете и чему научитесь:

  • Создавать нейронные сети, которые смогут анализировать тексты

Автор курса

Андрей Созыкин

  • Кандидат технических наук
  • Автор 16 научных работ
  • Проректор по развитию образовательной деятельности в Уральском федеральном университете

15. «Нейросети для анализа изображений» от Андрея Созыкина

Продолжительность курса: 10 уроков.

Формат обучения: видеоуроки.

Обратная связь: Есть (в комментариях под видео).

Без сертификата

Программа обучения:

  1. Свёрточные нейронные сети.
  2. Распознавание объектов на изображениях.
  3. Предварительно обученные нейронные сети.
  4. Как подготовить свой набор изображений в Keras.
  5. Перенос обучения.
  6. Тонкая настройка нейронной сети.
  7. Анализ признаков, извлеченных нейросетью.
  8. Дополнение данных.
  9. Визуализация сверточных нейросетей.
  10. Загрузка своего набора изображений в TensorFlow.

Что узнаете и чему научитесь:

  • Программировать глубокие нейронные сети на Python для анализа изображений
  • Пользоваться TensorFlow

Автор курса

Андрей Созыкин

  • Кандидат технических наук
  • Автор 16 научных работ
  • Проректор по развитию образовательной деятельности в Уральском федеральном университете

16. «Практическое компьютерное обучение» от Университета Джона Хопкинса

Продолжительность курса: 4 недели = 1–3 часа в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Прогнозирование, ошибки и перекрёстная проверка.
  2. Пакет Caret.
  3. Прогнозирование с помощью алгоритмов Decision trees и Random Forests. Прогнозы на основе моделей.
  4. Регуляризованная регрессия и комбинирование предикторов.

Что узнаете и чему научитесь:

  • Использовать основные компоненты построения и применения функций прогнозирования
  • Что такое наборы обучения и тестов, переоснащение и частота ошибок
  • Методы машинного обучения
  • Строить функции прогнозирования

Особенности курса:

  • Весь курс на английском языке, но видеоуроки имеют русские субтитры

Преподаватели курса

Джефф Лик

Twitter: twitter.com/jtleek

  • Доцент кафедры биостатистики в Школе общественного здравоохранения Bloomberg Джона Хопкинса
  • Доктор философии в области биостатистики
  • Соредактор журнала Simply Statistics
  • Обучил в Coursera более 1,3 миллиона человек

Роджер Пенг

Twitter: twitter.com/rdpeng

  • Профессор биостатистики в Школе общественного здравоохранения Bloomberg Джона Хопкинса
  • Доктор философии в области статистики
  • Лауреат премии Мортимера Шпигельмана 2016 года от Американской ассоциации общественного здравоохранения
  • Редактор журнала Biostatistics
  • Обучил в Coursera более 1,3 миллиона человек

Брайан Каффо

Сайт: sites.google.com/view/bcaffo/home

  • Профессор кафедры биостатистики в Школе общественного здравоохранения Bloomberg Джона Хопкинса
  • Сооснователь SMART
  • Лауреат многих престижных премий, в том числе Golden Apple и AMTRA
  • Обучил в Coursera более 1,3 миллиона человек

17. «Machine Learning Foundations: A Case Study Approach» от Вашингтонского университета

Продолжительность курса: 6 недель = 3–4 часа в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Введение.
  2. Регрессия: прогнозирование цен на жильё.
  3. Классификация: анализ настроений.
  4. Кластеризация и аналогия: получение документов.
  5. Рекомендательная система.
  6. Глубокое обучение: поиск изображений. Последние штрихи.

Что узнаете и чему научитесь:

  • Программировать на Python
  • Основы машинного обучения
  • Применять регрессию, классификацию, кластеризацию, поиск, рекомендательные системы и глубокое обучение
  • Проектировать приложения, в основе которых лежит машинное обучение

Особенности курса:

  • Несмотря на то, что курс на английском языке, все видеоуроки имеют русские субтитры, что делает их лёгкими для понимания

Преподаватели курса

Эмили Фокс

Сайт: homes.cs.washington.edu/~ebfox

  • Профессор машинного обучения на кафедре статистики Вашингтонского университета
  • Имеет степень доктора философии
  • Лауреат многих престижных премий
  • Была удостоена почётных наград, в том числе премии NSF CAREER Awards
  • Возглавляет команду Health AI в Apple

Карлос Гестрин

Сайт: homes.cs.washington.edu/~guestrin
Twitter: twitter.com/guestrin

  • Профессор машинного обучени на факультете компьютерных наук и инженерии Вашингтонского университета
  • Сооснователь и генеральный директор Datto Inc

18. «Artificial Intelligence for Robotics» от Udacity

Продолжительность курса: 2 месяца.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Без сертификата

Программа обучения:

  1. Локализация.
  2. Фильтры Калмана.
  3. Фильтры частиц.
  4. Поиск.
  5. Управление PID.
  6. SLAM.

Что узнаете и чему научитесь:

  • Методы искусственного интеллекта
  • Что такое SLAM и как его использовать в работе
  • Программировать основные системы роботизированного автомобиля

Особенности курса:

  • Все занятия на английском языке
  • Потребуются навыки программирования на Python

Преподаватель курса

Себастьян Трун

Twitter: twitter.com/sebastianthrun

  • Профессор компьютерных наук в Стэнфордском университете
  • Руководил разработкой роботизированного автомобиля Stanley
  • В 2011 году получил Исследовательскую премию имени Макса Планка
  • Сооснователь Udacity

19. «Machine Learning: Regression» от Вашингтонского университета

Продолжительность курса: 6 недель = 3–5 часов в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Введение. Простая линейная регрессия.
  2. Множественная регрессия.
  3. Оценка эффективности.
  4. Регрессия хребта.
  5. Выбор функций и Lasso.
  6. Ближайшие соседи и регрессия ядра. Последние штрихи.

Что узнаете и чему научитесь:

  • Что такое линейная регрессия
  • Использовать регрессионный анализ в работе, в том числе и метод Lasso
  • Строить регрессионные модели для прогнозирования цен на жильё

Особенности курса:

  • Несмотря на то, что курс на английском языке, все видеоуроки имеют русские субтитры, что делает их лёгкими для понимания

Преподаватели курса

Эмили Фокс

  • Профессор машинного обучения на кафедре статистики Вашингтонского университета
  • Имеет степень доктора философии
  • Лауреат многих престижных премий
  • Была удостоена почётных наград, в том числе премией NSF CAREER Awards
  • Возглавляет команду Health AI в Apple

Карлос Гестрин

  • Профессор машинного обучения на факультете компьютерных наук и инженерии Вашингтонского университета
  • Сооснователь и генеральный директор Datto Inc

20. «Machine Learning With Big Data» от Калифорнийского университета в Сан-Диего

Продолжительность курса: 5 недель = 3–6 часов в неделю.

Формат обучения: видеоуроки + текстовые материалы + тесты.

Обратная связь: нет.

Сертификат: выдаётся (платно)

Программа обучения:

  1. Введение. Машинное обучение с использованием больших данных.
  2. Исследование данных. Подготовка данных.
  3. Классификация.
  4. Оценка моделей машинного обучения.
  5. Регрессионный, кластерный и ассоциативный анализ.

Что узнаете и чему научитесь:

  • Применять методы машинного обучения для изучения и подготовки данных для моделирования
  • Создавать модели, которые смогут извлекать уроки из данных
  • Алгоритмы машинного обучения на Spark

Особенности курса:

  • Несмотря на то, что курс на английском языке, все видеоуроки имеют русские субтитры, что делает их лёгкими для понимания

Преподаватели курса

Май Нгуен

  • Ведущий специалист по анализу данных в Суперкомпьютерном центре Сан-Диего
  • Получила степень магистра и доктора философии
  • Преподаёт с 2009 года

Илкай Алтинтас

Twitter: twitter.com/ilkayaltintas

  • Главный специалист по науке о данных в Суперкомпьютерном центре Сан-Диего
  • Один из инициаторов и активный участник популярной научной системы документооборота Kepler
  • Получила степень доктора философии в Амстердамском университете в Нидерландах
Денис Пожарский

Профессиональный копирайтер. Более 100+ работ в портфолио. Пишу про онлайн-образование.

Оцените автора
Добавить комментарий