Специалисты по Machine Learning являются одними из самых востребованных в IT-сфере.

Научиться создавать работающие и самообучающиеся нейронные сети можно с помощью онлайн курсов по Machine Learning. Часть из них можно изучить совершенно бесплатно. В процессе обучения вы научитесь формулировать задачи, подбирать алгоритмы и метрики, строить модели машинного обучения, интерпретировать результаты. После обучения многие онлайн-школы выдают удостоверение, подтверждающее вашу квалификацию и помогают в дальнейшем трудоустройстве.

Skillbox

Профессия Machine Learning Engineer

Специалист по Machine Learning анализирует большие объёмы информации, создаёт модели для прогнозирования в бизнесе, медицине, промышленности. Задача ML Engineer — обучать нейросети, проектировать аналитические системы и рекомендательные сервисы на основе алгоритмов машинного обучения.

Чему вы научитесь?

• Строить модели машинного обучения
  Начнёте с простых моделей, которые требуют минимальных знаний программирования. Разберётесь в алгоритмах и научитесь решать задачи регрессии, классификации и кластеризации.
• Обучать нейронные сети
  Узнаете, как устроены архитектуры нейросетей для задач компьютерного зрения и NLP. Сможете использовать и дообучать готовые сетки для своих задач и тренировать собственные.
• Использовать ML-алгоритмы
  Освойте линейные и древесные алгоритмы и бустинги. Научитесь прогнозировать временные ряды и создавать рекомендательные системы. Сможете обучать модели на больших данных с помощью Spark.
• Работать с инструментами анализа данных
  Узнаете, как проводить разведочный анализ данных, и освоите Excel для аналитики. Научитесь визуализировать данные в Power BI и программировать на Python и SQL.
• Извлекать данные из различных источников
  Поймёте, как читать файлы различных форматов при помощи Python и библиотеки Pandas. Научитесь писать запросы к API, получать, очищать и сохранять данные в разных форматах.
• Настраивать инфраструктуру
  Научитесь читать и понимать архитектуры ML-решений. Познакомитесь с пайплайнами работы модели: от сборки данных до мониторинга результатов. Сможете собирать модели в виде API.

Нетология

Машинное обучение

Курс для тех, кто хочет получить прикладной опыт создания работающих нейронных сетей.
Нетология закладывает фундамент для развития на уровне middle.

Чему научитесь на курсе?

1. Формулировать задачу для data science проекта. Выдвигать идеи и гипотезы и составлять план решения задачи;
2. Подбирать алгоритмы и метрики под задачу для разных моделей. На примерах изучите основные алгоритмы и узнаете, в каких случаях их использовать;
3. Строить модели машинного обучения с помощью библиотеки Sklearn. Рассмотрите примеры кода обучения, научитесь применять знания на практике;
4. Оценивать качество моделей машинного обучения. Ознакомитесь с подходами предотвращения переобучения, изучите методы оценки;
5. Интерпретировать результаты и составлять отчёт об исследовании. Научитесь сравнивать алгоритмы на готовых датасетах, определять методы улучшения качества;

Чтобы пройти курс, нужно уверенно владеть языком программирования Python и дружить с математикой.

Skill Factory

Курс Machine Learning и Deep Learning
Комплект продвинутых курсов для освоения машинного и глубокого обучения — от классических моделей до нейронных сетей.

Как подобрать нужный алгоритм? «Потрогаете руками» все алгоритмы и разберемся на практике — где нужны нейронные сети, а где достаточно классических алгоритмов. Комплексный подход, организованный на курсе Machine Learning Pro + Deep Learning, подойдет для тех, кто хочет прокачаться в программировании глубоких нейронных сетей и моделей машинного обучения.

Прохождение курсов потребует базового знания языка Python. В процессе обучения вы освоите все классические алгоритмы машинного обучения — от деревьев до рекомендательных систем, а также научитесь создавать различные нейронные сети. Вас ждут хакатоны и in class соревнования на kaggle.

На курсе обучение не заканчивается. Далее вы получите сертификат о прохождении курса, помощь с трудоустройством и стажировкой, тусовку специалистов и полезные знакомства.

Краткая программа курса «Machine Learning PRO»

Помощь наставника на протяжении обучения

Модуль 1. Введение в машинное обучение
Модуль 2. Методы предобработки данных
Модуль 3. Регрессия
Модуль 4. Кластеризация
Модуль 5. Tree-based алгоритмы: введение в деревья
Модуль 6. Tree-based алгоритмы: ансамбли
Модуль 7. Оценка качества алгоритмов
Модуль 8. Временные ряды в машинном обучении
Модуль 9. Рекомендательные системы
Модуль 10. Финальный хакатон

Программа курса «Deep Learning»

Модуль 1. Введение в искусственные нейронные сети
Модуль 2. Фреймворки для глубокого обучения (TensorFlow, Keras)
Модуль 3. Сверточные нейронные сети
Модуль 4. Оптимизация нейронной сети
Модуль 5. Transfer learning & Fine-tuning
Модуль 6. Сегментация изображений
Модуль 7. Детектирование объектов
Модуль 8. Введение в NLP и Word Embeddings
Модуль 9. Рекуррентные нейронные сети
Модуль 10. Reinforcement Learning (обучение с подкреплением)
Модуль 11. What’s next? Другие области применения нейросетей

OTUS

Machine Learning. Базовый уровень
С нуля до уверенных Junior компетенций в Машинном обучении. Персональный ментор. Практика на реальных данных.

Вы научитесь решать задачи из реальных рабочих процессов, которые чаще всего в Data Science поручают начинающим специалистам. К концу курса вы соберете портфолио работ, пройдете подготовку к собеседованиям и карьерную консультацию.

Курс даст вам необходимый фундамент:

• Python. Пройдете основы программирования и научитесь использовать этот наиболее актуальный язык в задачах Machine Learning.
• Математика. Освоите ключевые разделы, чтобы понимать теоретические основы и принципы работы алгоритмов.
• Классические модели Machine Learning. Соберете свои наборы данных и выполните полный пайплайн работ со своими первыми моделями.

Творческая атмосфера:
Во время обучения вы погрузитесь в условия, близкие к реальным рабочим процессам. Вам придется справляться с «грязными» данными, просчитывать свои действия наперед, экспериментировать с решениями и готовить модели к проду.
Обстановка на занятиях располагает быть любопытным, активно дискутировать и не бояться ошибок.

Персональный ментор:

• Онлайн-сессии на 40 минут каждую неделю;
• В начале обучения за вами закрепляется ментор. Как и преподаватели, менторы — эксперты, работающие в Data Science;
• Раз в неделю вы делаете домашнее задание, выкладываете на гитхаб и договариваетесь с ментором о созвоне;
• Ментор заранее знакомится с вашим кодом, поэтому к встрече он уже знает, на что обратить внимание. Вы тоже можете заготовить вопросы;
• На сессии ментор прокомментирует ваше решение. При необходимости можно сразу перейти в среду разработки, внести правки в код и тут же посмотреть результат.

После обучения вы сможете:

• Претендовать на должности, где требуются junior-компетенции
• Решать реальные бизнес-задачи при помощи методов машинного обучения
• Работать с Python-библиотеками для Machine Learning
• Справляться с нестандартными ситуациями за счет глубокого теоретического понимания работы алгоритмов и моделей
• Ориентироваться в различных направлениях Data Science и подбирать подходящие под задачу инструменты.

GeekBrains

Профессия Machine Learning Engineer

У курса два формата обучения:

• Живые вебинары;
• Видеолекции в записи.

Везде предусмотрены домашние задания и их проверка преподавателем. Выберите удобный формат, проконсультировавшись с менеджером.

Программа обучения одна из самых объёмных и содержательных. В то же время её легко понять, потому что знания даются постепенно: от базы к продвинутым инструментам. Освойте современные технологии и компетенции Data Science за полтора года практического обучения.

1. Опыт выступлений в соревнованиях по Data Mining (Kaggle)
2. Опыт построения моделей прогнозирования цен и спроса
3. Опыт сегментации, кластеризации и классификации клиентской базы
4. Владение методами прикладной статистики, теории вероятностей
5. Опыт построения скоринговых моделей
6. Опыт формирования отчетов анализа данных
7. Опыт построения рекомендательных систем
8. Знание алгоритмов и структур данных

Гарантия трудоустройства закреплена в договоре. Если после успешного обучения, вы не найдёте работу, вам вернут деньги.

Цифровое производство

Онлайн-практикум «Цифровое производство» дает единое понимание экосистемы цифровых технологий и подходов к цифровизации дискретной промышленности. На конкретных примерах внедрения от предприятий Ростеха, на ошибках и успехах разберете ключевые шаги и «узкие места» при реализации цифровой стратегии.

Для создания практикума объединилось более 30 экспертов и практиков Цифры, Академии Ростеха, ГК «Ростех», Fanuc, Аскон, IBS-Platformix, Mail. ru, Sigfox, ЭР-Телеком, Waves, а также другие компании и вендоры.

В программе — 40+ коротких видеолекций по 7-15 минут, каждая из которых раскрывает одну тему. Вы можете посмотреть как весь курс, так и выбрать отдельные темы, которые вам интересны. Лекции доступны онлайн в любое время и в любом порядке. Вы можете возвращаться к понравившейся или непонятной части сколько угодно раз, задавать вопросы экспертам и общаться с сокурсниками в Telegram. А главное, тесты и выполнение заданий — дело добровольное.

Центр непрерывного образования

Машинное обучение — один из самых востребованных разделов компьютерных наук. Именно с помощью машинного обучения сейчас удаётся строить рекомендательные системы для видео, прогнозировать спрос на тысячи товаров и автоматически обрабатывать огромные потоки писем в службе поддержки.

Слушатели должны владеть языком Python, который является де-факто стандартным инструментом для анализа данных: знают про условные операторы, циклы, функции, разбираются в числовых и строковых типах данных, умеют работать со списками и словарями, знают встроенные функции языка. Занятия проходят раз в неделю. Каждое занятие состоит из теоретической и практической части. На теоретической части преподаватель объясняет, как работают методы машинного обучения, какие математика и алгоритмы за ними стоят. На практической части слушатели работают с данными и решают реальные задачи с помощью Python и его библиотек. После каждого пройденного раздела выдаётся домашнее задание, которое поможет закрепить полученные навыки.

Чему научитесь?

• Узнаете, как работают классические алгоритмы машинного обучения
• Изучите основные виды моделей
• Научитесь обрабатывать данные и проводить их первичный анализ

BigData Team

Практический курс по машинному обучению и Data ScienceЛучший способ погрузиться в Data Science для IT-специалистов. Получите практические навыки по машинному обучению и реализуйте итоговый проект при поддержке наставников из отрасли.

Что входит в программу?

• 8 занятий. Погружение в машинное обучение: 32 часа лекций и семинаров, 48 часов на самостоятельную работу.
• 7 домашних заданий. На каждом занятии вы будете решать квизы, а каждую неделю вас ждут домашние задания для отработки новых знаний на практике.
• Финальный проект. Вы самостоятельно реализуете проект и получите обратную связь от наставников. Финальное испытание – защита проекта.

Вы научитесь строить модели машинного обучения, решать задачи регрессии и классификации, создавать ансамбли решающих деревьев, а аббревиатуры RF, GBDT, XGBoost и LightGBM станут родными и понятными. Вы познакомитесь с нейронными сетям (Deep learning) и Unsupervised learning, а также поработаете с большими данными. На протяжении этой части курса вы будете работать над итоговым проектом при поддержке наставников. Вы сможете реализовать собственный проект или проект, который предложат кураторы курса.

Luxoft Training

На курсе дается представление об основных группах методов машинного обучения.

Разбираемые темы:

• Задачи машинного обучения;
• Признаки и работа с ними;
• Оценка моделей;
• Методы классификации (байесовские методы, деревья решений, логистическая регрессия, метод опорных векторов, нейронные сети);
• Методы прогнозирования (линейная регрессия, CART, байесовские методы);
• Методы кластеризации (иерархические, спектральные, разделение смесей, LDA);
• Ансамбли (бэггинг, случайные леса, бустинг, стэкинг);
• Рекомендационные системы;
• Глубокое обучение (Ограниченные машины Больцмана, конволюционные сети, LSTM).

Практическая часть построена на использовании готовых реализаций в Spark ML или Scikit-learn для решения конкретных задач.

• Предварительная подготовка
• Базовые навыки программирования на Scala, Java или Python.
• Умение работать в командной оболочке Unix/Linux (bash).
• Базовые знания математической статистики и теории вероятностей.

Яндекс

Программа специализации состоит из пяти курсов. Вы освоите работу с данными от и до — сбор, оценка, обработка, результаты.

Вы научитесь:

• формулировать задачи анализа данных, относящиеся к разным классам машинного обучения;
• использовать разные алгоритмы и классы моделей машинного обучения для решения прикладных задач
• с помощью статистических методов строить корректные выводы по полученным данным.

В программе обучение с учителем, обучение без учителя, решающие деревья, случайные леса, кросс-валидация и многое другое.

Программа заканчивается выполнением практического проекта — вы самостоятельно решите большую аналитическую задачу.

Amazon Web Services

Начните проходить курс обучения для специалистов по машинному обучению с использованием контента, созданного экспертами AWS. Если вы только начинаете свой путь и ищете четкую начальную точку, которая поможет вам сделать карьеру или получить знания в области машинного обучения в облаке AWS, рекомендуем вам начать с плана обучения AWS.

Этот комплект курсов по требованию поможет вам развить технические навыки и узнать, как применять машинное обучение (ML), искусственный интеллект (ИИ) и глубокое обучение (DL), чтобы получать новую аналитическую информацию и коммерческую ценность на своей должности. Кроме того, планы обучения могут вам помочь подготовиться к сертификационному экзамену AWS Certified Machine Learning – Specialty.

Irs Academy

Научитесь машинному обучению, станьте data scientist и работайте на крупные корпорации. Информация, выдаваемая преподавателям в онлайн-курсе по машинному обучению достаточно сложна, поэтому от вас потребуются полностью концентрироваться на материале и выполнять все домашние задания. Видеоучебник особенно удобен тем, что в любой момент можно пересмотреть урок или тему, которая вызывает у вас затруднения.
Работать с данными может быть сложно, но очень интересно. Онлайн-курс по машинному обучению научит вас приемам по работе с алгоритмами.

После окончания курса вы сможете:

1. Проводить предобработку данных
2. Взаимодействовать с алгоритмами
3. Анализировать данные
4. Работать с временными рядами
5. Делать выборку
6. Создавать рекомендательные системы

По окончанию обучения вы получите сертификат, подтверждающий, что вы прослушали 9 уроков онлайн-курса по машинному обучению. Сертификат вам пришлют в электронном виде, а если вам нужен оригинал – отправят Почтой России.

Образовательный центр МГТУ им. Н.Э. Баумана

Машинное обучение (machine learning) — один из основным методов для дата-сайентиста, специалиста по работе с большими данными. Основная идея машинного обучения — на основе методов математической статистики и оптимизации создать самообучающийся алгоритм, который будет находить связи и закономерности в больших массивах неструктурированных данных.

На втором уровне подготовки дата сайентистов в Образовательном центре МГТУ им. Н.Э. Баумана Вы научитесь:

1. Основам работы машинного обучения
2. Использовать метод ближайших соседенй (kNN)
3. Работать Основным метрикам в задачах бинарной классификации
4. Подготавливать и нормализовать данные для последующей обработки
5. Работать с атрибутами методом опорных векторов SVM
6. Работать с методами регрессивного и кластерного анализов
7. Разрабатывать рекомендательные системы
8. Для успешного усвоения курса требуется знания по курсу “Data Science. Уровень 1: Основные технологии. Python для анализа данных” или аналогичная подготовка.

Продолжить обучение можно на курсе “Data Science. Уровень 3: Нейронные сети”

Udemy

В этом курсе вам расскажут об основных понятиях Искусственного Интеллекта и машинного обучения. Вы познакомитесь с основными видами, алгоритмами и моделями, которые используются для решения абсолютно разных задач, и даже построите свою собственную нейронную сеть. Попробуете создать вместе модели регрессии и классификации для решения конкретных практических примеров в Excel — для тех, кто не хочет ничего программировать. А для тех, кто хочет познакомиться с Python — языком программирования, на котором решается сегодня более 53% всех задач по машинному обучению, в данном курсе вы найдете лекции для ознакомления с основами программирования на этом языке.

Чему вы научитесь?

1. Сможете различать между Машинным и Глубинным обучением и Нейронными сетями
2. Узнаете, в каких областях применяются технологии Искусственного интеллекта и Машинного обучения, и что ждет ИИ в будущем
3. Сможете решать простые Реальные Задачи с использованием Алгоритмов Машинного Обучения в Excel и Python
4. Научитесь Основам Программирования на Python
5. Узнаете где находить Данные и Датасеты
6. Построите Нейронные Сети для Предсказания Изображений и Анализа Текстов
7. Создадите свои Модели Машинного обучения для решения задач