Ответьте всего на три вопроса, а мы подберем курсы и стратегию обучения именно для Вас!
Заполните форму
Начните обучение
с пробного занятия
с пробного занятия
Просто оставьте заявку, мы свяжемся с вами и ответим на все вопросы
Машинное обучение и нейросети
Курс по машинному обучению и нейросетям — увлекательное направление в IT. Участники изучат методы машинного обучения, создание и применение нейронных сетей. Открывайте новые горизонты в областях, таких как компьютерное зрение, финансы и медицина.
120 минут 1 занятие
7-10 класс
32 занятия
Небольшие группы или индивидуальное обучение
Программа курса
1 занятие: Основы программирования на python. (Что такое vs-code, переменные, работа с консолью)
2 занятие: Основы программирования на python (Математические операции, условия if-else)
3 занятие: Основы программирования на python (цикл while)
4 занятие: Основы программирования на python (цикл for, списки)
5 занятие: Основы программирования на python (словари, работа с API)
6 занятие: Введение в объектно ориентированное программирование.
7 занятие: Практика объектно ориентированного программирования
8 занятие: Введение в анализ данных
9 занятие: Практика анализа данных с использованием pandas
10 занятие: Решение реальной задачи анализа данных
11 занятие: Визуализация данных (понимание графиков и их чтение)
12 занятие: Практика визуализации с использование seaborn и matplotlib
13 занятие: Введение в математическую статистику на примерах.
14 занятие: Решение реальной бизнес задачи с использованием полученных знаний.
15 занятие: Алгоритм машинного обучения KNN и как его использовать
16 занятие: Финальное занятие семестра.
2 занятие: Основы программирования на python (Математические операции, условия if-else)
3 занятие: Основы программирования на python (цикл while)
4 занятие: Основы программирования на python (цикл for, списки)
5 занятие: Основы программирования на python (словари, работа с API)
6 занятие: Введение в объектно ориентированное программирование.
7 занятие: Практика объектно ориентированного программирования
8 занятие: Введение в анализ данных
9 занятие: Практика анализа данных с использованием pandas
10 занятие: Решение реальной задачи анализа данных
11 занятие: Визуализация данных (понимание графиков и их чтение)
12 занятие: Практика визуализации с использование seaborn и matplotlib
13 занятие: Введение в математическую статистику на примерах.
14 занятие: Решение реальной бизнес задачи с использованием полученных знаний.
15 занятие: Алгоритм машинного обучения KNN и как его использовать
16 занятие: Финальное занятие семестра.
17 занятие: Решение задачи классификации на основе набора данных MNIST. Часть 1.
18 занятие: Решение задачи классификации на основе набора данных MNIST. Часть 2.
19 занятие: Обучение моделей Часть 1.
20 занятие: Обучение моделей Часть 2.
21 занятие: Методы опорных векторов и где их лучше использовать.
22 занятие: Ансамблевое обучение и случайные леса.
23 занятие: Понижение размерности и зачем это нужно.
24 занятие: Полный проект машинного обучения.
25 занятие: Введение в нейронные сети, начало использования TensorFlow
26 занятие: Cats vs dogs учим модель отличать кошек и собак по фото
27 занятие: Составим модель, которая предскажет вероятность спасения пассажира.
28 занятие: Определение погоды по фото. Научим модель понимать что за погода по фото.
29 занятие: Работа с видео и его обработка.
30 занятие: Создание и обучение нейронной сети по распознаванию текста с использование TF+Keras+OpenCV
31 занятие: Создание интерфейса для модели. Создание телеграмм-бота
32 занятие: Создание модели обнаружения автомобилей с полученного изображения. Научимся перехватывать кадр изображение с онлайн камер.
18 занятие: Решение задачи классификации на основе набора данных MNIST. Часть 2.
19 занятие: Обучение моделей Часть 1.
20 занятие: Обучение моделей Часть 2.
21 занятие: Методы опорных векторов и где их лучше использовать.
22 занятие: Ансамблевое обучение и случайные леса.
23 занятие: Понижение размерности и зачем это нужно.
24 занятие: Полный проект машинного обучения.
25 занятие: Введение в нейронные сети, начало использования TensorFlow
26 занятие: Cats vs dogs учим модель отличать кошек и собак по фото
27 занятие: Составим модель, которая предскажет вероятность спасения пассажира.
28 занятие: Определение погоды по фото. Научим модель понимать что за погода по фото.
29 занятие: Работа с видео и его обработка.
30 занятие: Создание и обучение нейронной сети по распознаванию текста с использование TF+Keras+OpenCV
31 занятие: Создание интерфейса для модели. Создание телеграмм-бота
32 занятие: Создание модели обнаружения автомобилей с полученного изображения. Научимся перехватывать кадр изображение с онлайн камер.
Выберите расписание
Расписание скоро появится
Здесь нет подходящего расписания →
Старт январь 2024 года
Не можете выбрать?
Запишитесь на консультацию! Мы свяжемся с вами и ответим на все вопросы
Ученики по окончанию курса смогут:
Решать практические задачи в области машинного обучения и нейронных сетей
Использовать такие инструменты программирования, как Python, Keras, scikit-learn
Применять различные методы обучения с учителем, без учителя и с подкреплением
Смогут применять современные методы глубокого обучения
Разбираться в основных типах нейронных сетей, включая сверточные, рекуррентные и глубокие нейронные сети
Безушко Кирилл
- Санкт-Петербургский колледж управления и коммерции
Попко Виктор
- Специальность: Проектирование, производство и эксплуатация средств вычислительной техники
Преподаватели
- СПбГУТ им. Бонч-Бруевича
- Факультет: Информационных систем и технологий
- Инженер-программист, глава игрового клуба Bonch.Gamedev в университете СПбГУТ
Компьютерные курсы
Безушко Кирилл Дмитриевич
- СПбГУТ им. Бонч-Бруевича
- Факультет: Информационных систем и технологий
- Инженер-программист, глава игрового клуба Bonch.Gamedev в университете СПбГУТ
- Разработчик игры Puzzlarium в AppStore
- Автор курса по языку программирования C#
- В настоящее время руководит деятельностью игрового клуба Bonch.Gamedev в университете СПбГУТ, от создания идеи до выпуска игры
Компьютерные курсы
Попко Виктор Владимирович
- Санкт-Петербургский политехнический университет Петра Великого, инженерно-строительный институт, Кафедра: Водохозяйственное и гидротехническое строительство, Специальность: Проектирование, строительство и менеджмент объектов на базе ВИЭ
- Санкт-Петербургский колледж управления и коммерции, Специальность: Проектирование, производство и эксплуатация средств вычислительной техники
- Три года работал на образовательном портале Upstudy.ru, преподавание высшей математики, моделирования и визуализации в 3ds max
- Был участником всероссийской олимпиады погидравлике в 2014 году
- Победитель Конкурса грантов правительства Санкт-Петербурга в 2015 году, участник ежегодной Недели науки при Политехническом университете в 2011-2016 гг.
- Автор 70 уроков по моделированию в 3ds max
- В настоящее время выполняет визуализации интерьеров в 3ds Max + Corona, делает трехмерные модели на продажу, пишет видеоуроки для своего Youtube канала
- Дополнительно увлекается математикой и готовит ребят к ЕГЭ.
Как начинается обучение
Сначала наш методолог тестирует ребенка и после уже назначает программу и преподавателя под уровень ребенка
Пробное занятие
1
Оплачиваете будущие занятия, выбрав необходимый тариф
Выбор тарифа
2
Занятия в группах до 7 человек с учетом персонального плана развития, который составляется по итогам пробного занятия
Старт обучения
3
Сертификат по итогам
4
По завершении курса ваш ребенок получит официальный сертификат Юниум, подтверждающий его усердие и успешное прохождение обучения.
прохождения обучения
Выгода при обучении
Оплачивайте занятия федеральным материнским капиталом. Для оплаты этим способом обратитесь к нашим менеджерам.
Материнский капитал
Верните до 13% от стоимости обучения, получив налоговый вычет. Для получения консультации обратитесь к нашим менеджерам.
Налоговый вычет
Получайте шпаргалки, лайфхаки и другие полезные материалы по обучению, оставив номер телефона
Оформляя заявку, я согласен с политикой конфиденциальности и офертой
Часто задаваемые
вопросы
Занятия проходят онлайн, по вечерам и в выходные, два раза в неделю или один раз в неделю в зависимости от направления. Также для обучения в Личном кабинете для учеников располагаются материалы для самостоятельного изучения.
Обучение в нашей онлайн-школе проходит в мини-группах до 7 человек, подобранных по уровню. В мини – группе преподаватель может уделять внимание каждому ученику и следить за тем, что все ученики усвоили материал и ответили на вопросы. Также ученики не остаются наедине со своими проблемами, а имеют возможность общаться и видеть успехи друг друга. Это позволяет получать дополнительную мотивацию и заниматься лучше, чтобы не отставать от других.
Конечно есть! Ведь без практической отработки на постоянной основе, в том числе и дома, невозможно добиться наилучших результатов.
- Компьютер, планшет или мобильный телефон
- Стабильный интернет
- WhatsApp или Telegram для закрытых чатов
Занятия конечно же лучше не пропускать, но даже если так произошло, то не беда, так как мы ведем запись онлайн запись занятий с доступом 24/7.
Ничего страшного — мы вернем деньги за неиспользованные занятия по первому же обращению. Мы полностью уверены в качестве нашей программы.
Подробную информацию о стоимости и скидках можно посмотреть в разделе Стоимость.