Хей пипл!🥝 Сегодня рассмотрим бесплатные курсы по машинному обучению и нейронным сетям с нуля в 2023 году, чтобы вы могли начать разрабатывать новые проекты в перспективных IT компаниях. ЛЕТС ГОУ!
1. Онлайн университет GB — «Знакомство с Data Science: создаем свою первую модель машинного обучения»
Язык платформы: русский
Обратная связь с преподавателем: нет.
Продолжительность: 4 недели = 1–2 часа в неделю.
Формат обучения: видеоуроки + текстовые материалы.
На бесплатном вебинаре вы разберетесь, кто такой Data Scientist, как он помогает бизнесу развиваться и монетизировать данные. Вы узнаете, в каких сферах и для решения каких задач применяется Data Science.
С выдачей сертификата!
Программа курса
Урок 1. Знакомство с Data Science: создаем свою первую модель машинного обучения
Чему научитесь
- Построите свою первую модель машинного обучения.
- Спрогнозируете рост продаж в период промоакции.
- Решите задачу в GIS-системе.
2. Онлайн университет НОУ ИНТУИТ — «Машинное обучение»
Курс расширяет и углубляет набор тем, рекомендованный международным стандартом ACM/IEEE Computing Curricula 2001 по дисциплине «Машинное обучение и нейронные сети» (machine learning and neural networks) в разделе «Интеллектуальные системы» (intelligent systems).
Язык платформы: русский
Обратная связь с преподавателем: нет.
Продолжительность: 4 недели = 1–2 часа в неделю.
Формат обучения: видеоуроки + текстовые материалы.
С выдачей сертификата!
Программа курса
- Организационные вопросы и методика тестирования методов обучения
- Статистические (байесовские) методы классификации
- Нормальный байесовский классификатор
- Восстановление смесей распределений
- Метрические методы классификации
- Линейные методы классификации
- Регрессионный анализ и метод главных компонентов
- Нелинейная регрессия. Многослойные нейронные сети
- Алгоритмы кластеризации
- Методы частичного обучения
- Композиции классификаторов. Бустинг
- Оценки обобщающей способности
- Методы отбора признаков. Отбор признаков
- Логические алгоритмы классификации
- Поиск ассоциативных правил
- Коллаборативные итерации
- Тематическое моделирование
- Обучение с подкреплением
3. DeepLearning.AI — «Искусственный интеллект для каждого»
Язык платформы: английский
Обратная связь с преподавателем: нет.
Продолжительность: 4 недели = 1–2 часа в неделю.
Формат обучения: видеоуроки + текстовые материалы + тесты.
С выдачей сертификата!
Программа курса
- Что такое ИИ?
- Создание ИИ-проектов.
- Создание ИИ в вашей компании.
- ИИ и общество.
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
4. Стэнфордский университет — «Машинное обучение»
Язык платформы: английский
Обратная связь с преподавателем: нет.
Продолжительность: 11 недель = 2–8 часов в неделю.
Формат обучения: видеоуроки + текстовые материалы + тесты.
С выдачей сертификата!
Программа курса
- 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.
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
5. DeepLearning.AI — «Глубокое обучение»
Язык платформы: английский
Обратная связь с преподавателем: нет.
Продолжительность: 5 месяцев = 7 часов в неделю.
Формат обучения: видеоуроки + текстовые материалы + тесты.
С выдачей сертификата!
Программа курса
- Нейронные сети и глубокое обучение.
- Совершенствование глубоких нейронных сетей: настройка гиперпараметров, регуляризация и оптимизация.
- Структурирование проектов машинного обучения.
- Свёрточные нейронные сети.
- Модели последовательностей.
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
6. Stepik — «Нейронные сети»
Язык платформы: русский
Обратная связь с преподавателем: нет.
Продолжительность: 24 урока.
Формат обучения: текстовые уроки + видеоуроки + тесты.
С выдачей сертификата!
В данном курсе мы детально разберём процесс создания и применения нейронных сетей. В первую очередь, мы ставим перед собой цель объяснить основополагающие теоретические идеи и практические приёмы, использующиеся при обучении самых разных нейросетевых моделей.
Программа курса
- Основы линейной алгебры.
- Перцептрон и градиентный спуск.
- Алгоритм обратного распространения ошибки.
- Мониторинг состояния сети.
- Сюрприз и заключение.
Чему научитесь
- Основы линейной алгебры: векторы и матрицы
- Что такое перцептрон и градиентный спуск
- Алгоритмы, лежащие в основе обучения нейронных сетей
7. Microsoft — «Создание моделей машинного обучения»
Язык платформы: русский
Обратная связь с преподавателем: нет.
Продолжительность: 5 модулей = 6 часов.
Формат обучения: текстовые уроки + тесты.
Без информации о сертификата!
Программа курса
- 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.
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
8. Андрей Созыкин — «Нейросети на Python»
Язык платформы: русский
Обратная связь с преподавателем: нет.
Продолжительность: 11 уроков.
Формат обучения: видеоуроки.
Без информации о сертификата!
Программа курса
- 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.
Чему научитесь
- Основы обучения нейронных сетей
- Использовать Google Colab для работы с кодом
- Применять нейронные сети с использованием готовых библиотек Keras и TensorFlow
9. Андрей Созыкин — «Нейросети для анализа текстов»
Язык платформы: русский
Обратная связь с преподавателем: нет.
Продолжительность: 14 уроков.
Формат обучения: видеоуроки.
Без информации о сертификата!
Программа курса
слушатели узнают об обучении нейронных сетей для анализа текстов.
Чему научитесь
- Создавать нейронные сети, которые смогут анализировать тексты
10. Андрей Созыкин — «Нейросети для анализа изображений»
Язык платформы: английский
Обратная связь с преподавателем: нет.
Продолжительность: 10 уроков.
Формат обучения: видеоуроки.
Без информации о сертификата!
Программа курса
- 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.
Чему научитесь
- Программировать глубокие нейронные сети на Python для анализа изображений
- Пользоваться TensorFlow
11. Университет Джона Хопкинса — «Практическое компьютерное обучение»
Язык платформы: английский
Обратная связь с преподавателем: нет.
Продолжительность: 4 недели = 1–3 часа в неделю.
Формат обучения: видеоуроки + текстовые материалы + тесты.
Без информации о сертификата!
Программа курса
- 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.
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
12. Вашингтонский университет — «Machine Learning Foundations: A Case Study Approach»
Язык платформы: английский
Обратная связь с преподавателем: нет.
Продолжительность: 6 недель = 3–4 часа в неделю.
Формат обучения: видеоуроки + текстовые материалы + тесты.
Без информации о сертификата!
Программа курса
- Введение.
- Регрессия: прогнозирование цен на жильё.
- Классификация: анализ настроений.
- Кластеризация и аналогия: получение документов.
- Рекомендательная система.
- Глубокое обучение: поиск изображений. Последние штрихи.
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
13. Udacity — «Artificial Intelligence for Robotics»
Язык платформы: английский
Обратная связь с преподавателем: нет.
Продолжительность: 2 месяца.
Формат обучения: видеоуроки + текстовые материалы + тесты.
Без информации о сертификата!
Программа курса
- Локализация.
- Фильтры Калмана.
- Фильтры частиц.
- Поиск.
- Управление PID.
- SLAM.
Чему научитесь
- Методы искусственного интеллекта
- Что такое SLAM и как его использовать в работе
- Программировать основные системы роботизированного автомобиля
14. Вашингтонский университет — «Machine Learning: Regression»
Язык платформы: английский
Обратная связь с преподавателем: нет.
Продолжительность: 6 недель = 3–5 часов в неделю.
Формат обучения: видеоуроки + текстовые материалы + тесты.
С выдачей сертификата!
Программа курса
- Введение. Простая линейная регрессия.
- Множественная регрессия.
- Оценка эффективности.
- Регрессия хребта.
- Выбор функций и Lasso.
- Ближайшие соседи и регрессия ядра. Последние штрихи.
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
15. Калифорнийский университет в Сан-Диего — «Machine Learning With Big Data»
Язык платформы: английский
Обратная связь с преподавателем: нет.
Продолжительность: 5 недель = 3–6 часов в неделю.
Формат обучения: видеоуроки + текстовые материалы + тесты.
С выдачей сертификата!
Программа курса
- Введение. Машинное обучение с использованием больших данных.
- Исследование данных. Подготовка данных.
- Классификация.
- Оценка моделей машинного обучения.
- Регрессионный, кластерный и ассоциативный анализ.
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