Онлайн-курс, вебинар AI разработчик

Продвинутый курс для тех кто хочет занять свое место на переднем крае инноваций.

E-commerce, кибербезопасность, fintech, развлечения, медицина — грамотный специалист в AI нужен вне зависимости от индустрии, а спрос значительно превышает предложение.Требования к специалистам такого уровня, особенно в крупных компаниях, очень высоки. Большинство соискателей не могут пройти собеседование из-за отсутствия опыта и навыков владения необходимыми инструментами. Существующие курсы по этим темам рассказываются сухим и академичным языком и не нацелены на практику, а на русском языке таких курсов еще меньше. Именно поэтому мы решили создать первый практический курс по Artificial Intelligence, который даст тебе опыт и знания, необходимые для работы в лучших компаниях мира.

«Основы AI»

1. Введение в AI

• • Feature engineering
• • Извлечение данных из web
• • Ансамблевые методы машинного обучения

Проект 1: Kaggle-соревнование по прогнозированию стоимости автомобиля на основе его характеристик.

2. Основы NN
• Введение в нейронные сети
• Математика backpropagation
• Функции активации
• Сравнение Tensorflow и PyTorch
• Инструменты прототипирования
Проект 2: Хакатон по рекомендательным системам

Навыки разработки на Python
• Тестирование, отладка, advanced git
• Классы и ООП
• Сложность алгоритмов
• Средства параллелизма в Python для ML

«Задачи NLP»

3. NLP: классификация текстов

•Введение в обработку естественного языка
• Задачи NLP
• Методы векторизации текстов: word2vec, TF-IDF
• Рекуррентные NN, LSTM, GRU

Проект 3: Классификация и кластеризация новостей
Проект 4: Выделение типов ЦА по комментариям

4. Генерация текста, извлечение смысла

• Языковая модель
• Char-RNN, One-to-Many
• Автоматическое составление подписи к картинке (captioning)

Проект 5: Opinion mining для социологических исследований

5. Машинный перевод и чатботы

• SEQ2SEQ
• Механизм внимания,
• Архитектура TRANSFORMER Машинный перевод и чатботы

Проект 6: Анализ поисковых запросов для market intelligence

Инструменты ML в продакшн

• Подготовка моделей к Production,
• Сервисы на Python (Flask, nginx, http),
• Контейнеризация приложений (Docker, Docker Compose, Kubernetes)
• Оценка эффективности моделей

«Задачи Computer vision»

6. Классификация изображений

• Введение в компьютерное зрение
• Сверточные нейронные сети
• Пулинг
• Dropout-регуляризация
• Современные архитектуры CNN Классификация изображений

Проект 7: Распознавание эмоций на снимке /
Проект 8: Отбраковка микросхем по снимкам с электронного микроскопа

7. Сегментация объектов на изображении

• Задачи и приложения CV, вязанные с сегментацией
• Локализация,
• Детектирование,
• Распознавание лиц и эмоций
• FCN
• CRF
• Heatmaps
• Постобработка
•R-CNN
• SSD/YOLO Сегментация объектов на изображении

Проект 9: Выделение искусственных объектов на спутниковых снимках

8. Детекция и трекинг в видеоаналитике

• Особенности задачи детекции на видео.
• Связь детекции и трекинга.
• Офлайн и онлайн детекция.
• Multi object tracking,
• Cиамские нейронные сети

Проект 10: Офлайн распознавание траекторий участников дорожного движения

9. Восстановление и генерация изображений

• Задачи восстановления цвета
• Исправления дефектов изображения
• Генерация случайных изображений
• Эмбеддинги
• GAN
• Генераторы и дискриминаторы

Проект 11: Хакатон по генерации изображений лиц по заданному описанию эмоции

Инфраструктура данных

• Введение в Data Engineering
• Экосистема Hadoop / MapReduce: HDFS, Hive, HBase, Kafka
• Apache Spark и параллельная обработка данных
• Инструменты работы на облачных платформах (AWS, GCP)

Управление data science проектом

• Роли в команде data science, методология разработки
• Коммуникация с заказчиком

Финальный проект на выбор

Суммируя полученный опыт, вы предложите, реализуете и защитите проект, востребованный в вашей компании или как самостоятельный сервис