Курс по машинному обучению. Продвинутый (архивный курс 2022)
Подробнее
Что нужно для старта
- Для успешного освоения потребуется уверенное знание основ машинного обучения и нейронных сетей на языке Python. Это продолжение первой части курса, поэтому мы рекомендуем сначала изучить её.
Что вы получите
- Использовать продвинутые алгоритмы машинного обучения (градиентный бустинг, SVM) для решения задач анализа данных
- Производить кластеризацию, понижать размерность и визуализировать данные с помощью библиотеки sklearn
- Создавать Telegram-ботов на основе нейросетевых моделей
- Осуществлять предварительную обработку и анализ текстовых данных в Python
- Создавать нейросетевые модели в pytorch для решения задач обработки естественного языка
- Производить дообучение современных нейросетевых архитектур для задач обработки естественного языка
Для кого этот курс
- Курс подойдет школьникам старших классов и всем, кто стремится получить профессию в Data Science.
Программа курса
- Организационная информация
- Логистическая регрессия для классификации текстов
- Домашнее задание. Логрегрессия для классификации текстов
- Алгоритм SVM
- Тестирование. Алгоритм SVM
- Градиентный бустинг
- Домашнее задание. Градиентный бустинг
- Кластеризация и методы снижения размерности
- Тестирование. Кластеризация и методы снижения размерности
- Задачи компьютерного зрения
- Домашнее задание. Задачи компьютерного зрения
- Внедрение моделей машинного обучения в продукт
- Тестирование. Внедрение моделей машинного обучения в продукт
- Введение в NLP. Эмбеддинги слов
- Тестирование. Введение в NLP. Эмбеддинги слов
- Классификация текста
- Домашнее задание. Нейросетевая классификация текста
- Языковое моделирование
- Домашнее задание. Обучение RNN-модели на словах
- Современные архитектуры NLP
- Тест по теме “Современные архитектуры в NLP”
- Transfer Learning в NLP
- Домашнее задание. Классификация токенов
01Организационная информация
- Организационная информация
02Логистическая регрессия для задачи классификации текста
- Логистическая регрессия для классификации текстов
- Домашнее задание. Логрегрессия для классификации текстов
03Алгоритм SVM
- Алгоритм SVM
- Тестирование. Алгоритм SVM
04Градиентный бустинг
- Градиентный бустинг
- Домашнее задание. Градиентный бустинг
05Кластеризация и методы снижения размерности
- Кластеризация и методы снижения размерности
- Тестирование. Кластеризация и методы снижения размерности
06Задачи компьютерного зрения и их нейросетевые решения
- Задачи компьютерного зрения
- Домашнее задание. Задачи компьютерного зрения
07Внедрение моделей машинного обучения в продукт
- Внедрение моделей машинного обучения в продукт
- Тестирование. Внедрение моделей машинного обучения в продукт
08Введение в NLP. Эмбеддинги слов
- Введение в NLP. Эмбеддинги слов
- Тестирование. Введение в NLP. Эмбеддинги слов
09Классификация текста
- Классификация текста
- Домашнее задание. Нейросетевая классификация текста
10Языковое моделирование
- Языковое моделирование
- Домашнее задание. Обучение RNN-модели на словах
11Современные архитектуры NLP
- Современные архитектуры NLP
- Тест по теме “Современные архитектуры в NLP”
12Transfer Learning в NLP
- Transfer Learning в NLP
- Домашнее задание. Классификация токенов
Отзывы о курсе
Оставьте отзыв
Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.
Оставьте заявку
Консультант ответит на вопросы о курсе «Курс по машинному обучению. Продвинутый (архивный курс 2022)» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Информация обновлена 3 сентября 2026 г.

Stepik 


















