После курса вы сможете:
- подготавливать данные для глубокого обучения
- применять статистические формулы для тренировки нейросетей
- работать с основными библиотеками и фреймворками Python для глубокого обучения
- использовать основные архитектуры нейронных сетей для решения задач компьютерного зрения, обработки естественного языка и временных рядов
- создавать полноценные натренированные нейронки, например, для прогнозирования рисков при страховании жилья на основе фото или обнаружения мошенничества
- выбирать наиболее эффективный метод решения, модифицировать методы под свои задачи и изобретать нестандартные решения
- решить, в какое направление Deep Learning углубляться для реализации карьерных планов
- ML Engineers
Вы значительно расширите стек навыков. Освоите 10 библиотек Python для глубокого обучения. Будете разбирать реальные кейсы компаний и на их примере учиться применять основные архитектуры нейросетей и модифицировать их под свои задачи. После ― научитесь анализировать работу построенной модели и выбирать метрики для контроля качества.
- В результате ― сможете эффективно решать задачи компьютерного зрения, обработки естественного языка и прогнозирования временных рядов с помощью нейросетей.
- Data Scientists
Вы научитесь миксовать свои навыки работы с big data и Python со знаниями в аналитике, математике и статистике для обучения нейронных сетей. Будете тренировать полносвязные, сверточные и рекуррентные нейронные сети, освоите обработку естественного языка и обучение с подкреплением.
- По итогам курса сможете реализовывать проекты с использованием нейросетей.
- Data Analytics/
Developers/
Other IT SpecialistsВы получите overview всех инструментов, которые применяются в Deep Learning. Изучите стандартные подходы к построению моделей на основе нейросетей и подтянете знания по математике и статистике, без которых глубокое обучение невозможно.
- После курса вы построите первую модель на основе нейронной сети и поймете, в каком направлении ― ML, CV, NLP ― хотите развиваться дальше.
- Последние 4 года занимается разработкой AI-систем в R&D, инженерии и производстве, в частности ― проводил анализ временных рядов в квантовом компьютере и участвовал в научных исследованиях на тему Humane AI
- Имеет > 10 лет опыта анализа данных в разных отраслях: автомобильный сектор и производство, бизнес-консалтинг, квантовые вычисления, статистическая физика и физическая химия
- Преподает курс Business Intelligence в Лейденском университете (Нидерланды)
- Автор 5 патентов по бизнес-применению Data Science в автомобилестроении и более 20 научных публикаций по физике и машинному обучению
- Кандидат физико-математических наук по специальности теоретическая физика
- Работал научным сотрудником в Центре ядерных исследований Саклея (Франция), Дрезденском техническом университете (Германия), Институте физики Общества Макса Планка (Германия)