📢 Совсем скоро: второй поток курса "База ML" с новыми темами и улучшенными материалами! 🔥

Мы внимательно выслушали каждого из вас, учли пожелания и проделали колоссальную работу, чтобы сделать курс "База ML" еще лучше. Первый поток еще в разгаре, но мы уже готовы представить обновленную версию курса для второго потока, наполненную новыми темами и улучшениями, которые позволят вам максимально эффективно и глубоко погрузиться в мир машинного обучения.

🔍 Что нового?

На основе ваших отзывов мы добавили новые темы и расширили материалы курса, чтобы охватить еще больше аспектов машинного обучения.

Теперь в курсе вас также ждут:

Дополнительные темы по методам ML — чтобы расширить кругозор и знать не только три самых используемых метода, но и "что вообще бывает":
🔹 Простые методы машинного обучения — познакомитесь с методом k ближайших соседей (kNN) и наивным байесовским классификатором.
🔹 Обучение без учителя (Unsupervised Learning) — познакомьтесь с задачами кластеризации, методом K-средних (K-means), иерархической кластеризацией и понижением размерности пространства признаков.
🔹 Дополнительные лекции про метод опорных векторов (SVM), использование ядер в SVM (Kernel trick), и двойственную задача в SVM (почему работает Kernel Trick и что же такое опорные векторы)

Основы нейронных сетей — подготовка перед переходом к изучению Deep Learning и хороший способ понять, что же происходит в DL в общих чертах
🔹 Основы нейронных сетей — лекции с введением в нейронные сети, обучение с помощью стохастического градиентного спуска (SGD), математическое дополнение про граф вычислений и автоматическое дифференцирование, backpropagation, а также обзор основных проблем, с которыми сталкиваются при обучении нейросетей
🔹 Практические семинары по нейросетям — включая видеоматериалы от нашего эксперта Никиты, с разбором кода обучения нейросетей внутри со всей математикой: никаких черных ящиков, все объяснено

Дополнительные видео по математике — с объяснением не только формул, но и откуда они берутся
🔹Почему градиент задает направление наискорейшего роста
🔹Как решать задачи оптимизации с дополнительными условиями
🔹Как множитель Лагранжа и теорема Куна-Таккера следует из простой геометрии, а не кучи формул

💡 Почему это важно?

Каждое изменение в курсе основано на ваших отзывах. Мы учли ваши пожелания, добавили ценные для понимания ML темы и улучшили подачу материала, чтобы сделать обучение еще более полезным и структурированным.

Если вы хотите начать карьеру в Data Science и Machine Learning или укрепить свои знания в этих областях, обновленный курс "База ML" — это идеальная возможность сделать первый шаг.

🔥Уже завтра сделаем анонс старта второго потока курса «База ML»!

Не упустите свой шанс присоединиться к курсу — следите за объявлениями в нашем канале!