Для всех, кто хочет начать разбираться в искусственном интеллекте. 🤖
«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:
- Введение.
- Математический инструментарий науки о данных.
- Программный инструментарий науки о данных.
- Машинное обучение: обучение с учителем.
- 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
«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:
- Что такое ИИ?
- Создание ИИ-проектов.
- Создание ИИ в вашей компании.
- 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
«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:
- Введение. Линейная регрессия с одной переменной. Обзор линейной алгебры.
- Линейная регрессия с несколькими переменными. Учебник Octave/Matlab.
- Логистическая регрессия. Регуляризация.
- Нейронные сети: представление.
- Нейронные сети: обучение.
- Советы по применению машинного обучения. Проектирование систем машинного обучения.
- Машины вектора поддержки.
- Неконтролируемое обучение. Уменьшение размерности.
- Обнаружение аномалий. Рекомендательные системы.
- Крупномасштабное машинное обучение.
- 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
«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:
- Нейронные сети и глубокое обучение.
- Совершенствование глубоких нейронных сетей: настройка гиперпараметров, регуляризация и оптимизация.
- Структурирование проектов машинного обучения.
- Свёрточные нейронные сети.
- 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
«Нейронные сети» от Stepik
Продолжительность курса: 24 урока.
Формат обучения: текстовые уроки + видеоуроки + тесты.
Обратная связь: есть.
С сертификатом
Программа обучения:
- Основы линейной алгебры.
- Перцептрон и градиентный спуск.
- Алгоритм обратного распространения ошибки.
- Мониторинг состояния сети.
- 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
«Создание моделей машинного обучения» от Microsoft
Продолжительность курса: 5 модулей = 6 часов.
Формат обучения: текстовые уроки + тесты.
Обратная связь: нет.
Без сертификата
Программа обучения:
- Изучение и анализ данных с помощью Python.
- Обучение и оценка моделей регрессии.
- Обучение и оценка моделей классификации.
- Обучение и оценка моделей кластеризации.
- 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
«Академия искусственного интеллекта» от «СберБанка»
Продолжительность курса: 10 уроков.
Формат обучения: видеоуроки.
Обратная связь: нет.
Без сертификата
Программа обучения:
- Искусственный интеллект сегодня.
- Истоки ИИ 1950–1990.
- Недавние вехи ИИ.
- Новейшие разработки ИИ.
- Резюме.
- Введение в машинное обучение.
- Обучение с учителем.
- Модели машинного обучения.
- Пример задачи машинного обучения.
- 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
«Нейросети на Python» от Андрея Созыкина
Продолжительность курса: 11 уроков.
Формат обучения: видеоуроки.
Обратная связь: есть (в комментариях под видео).
Без сертификата
Программа обучения:
- Введение.
- Искусственные нейронные сети.
- Обучение нейронных сетей.
- Библиотеки глубокого обучения.
- Распознавание элементов одежды.
- Анализ качества обучения нейронной сети.
- Бесплатная облачная платформа для нейросетей Google Colab.
- Как сохранить нейронную сеть.
- Применяем нейросеть для распознавания изображений.
- Решение задачи регрессии.
- 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
«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
«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:
- Свёрточные нейронные сети.
- Распознавание объектов на изображениях.
- Предварительно обученные нейронные сети.
- Как подготовить свой набор изображений в Keras.
- Перенос обучения.
- Тонкая настройка нейронной сети.
- Анализ признаков, извлеченных нейросетью.
- Дополнение данных.
- Визуализация сверточных нейросетей.
- 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
«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:
- Прогнозирование, ошибки и перекрёстная проверка.
- Пакет Caret.
- Прогнозирование с помощью алгоритмов Decision trees и Random Forests. Прогнозы на основе моделей.
- 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
«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:
- Введение.
- Регрессия: прогнозирование цен на жильё.
- Классификация: анализ настроений.
- Кластеризация и аналогия: получение документов.
- Рекомендательная система.
- 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
«Artificial Intelligence for Robotics» от Udacity
Продолжительность курса: 2 месяца.
Формат обучения: видеоуроки + текстовые материалы + тесты.
Обратная связь: нет.
Без сертификата
Программа обучения:
- Локализация.
- Фильтры Калмана.
- Фильтры частиц.
- Поиск.
- Управление PID.
- 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
«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:
- Введение. Простая линейная регрессия.
- Множественная регрессия.
- Оценка эффективности.
- Регрессия хребта.
- Выбор функций и Lasso.
- 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
«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:
- Введение. Машинное обучение с использованием больших данных.
- Исследование данных. Подготовка данных.
- Классификация.
- Оценка моделей машинного обучения.
- 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
Курсы нихрена не бесплатные!