Samsung Machine Learning
Bootcamp — 2022

Приглашаем выпускников всех лет, преподавателей образовательных программ Samsung и всех желающих на онлайн интенсив, посвященный машинному обучению!

ML Bootcamp -2022 пройдет с 5 по 22 июля. Это программа для тех, кто делает первые шаги на пути к профессии специалиста в Data Science. Для успешного прохождения программы достаточно владеть математикой 9 класса.

Преподаватели курса по искусственному интеллекту ИТ-класса НИЯУ МИФИ Егоров Алексей и Хасанова Аделя и специалисты Исследовательского центра Samsung обучат классическим инструментам машинного обучения, без чего невозможно приступать к изучению нейронных сетей.

В трехнедельной программе:

  • язык программирования Python и библиотеки NumPy, Pandas, MathPlotLib,
  • основы машинного обучения c решением задач на главной платформе для соревнований по ИИ — Kaggle,
  • постановка, решение и подробный разбор практических кейсов.

Кроме того, участники Samsung ML Bootcamp — 2022 получат возможность:

  • Получить сертификат Samsung при преодолении пороговой суммы баллов за тест по Python, домашние задания на Kaggle и финальный проект.
  • Общаться с преподавателями и участниками в группе Telegram.

Для записи на Bootcamp необходимо зарегистрироваться до 5 июля!

Ссылка на форму.


Программа

ДатаВремя /форматОписание

5-6 июля
11-00
Финал ежегодного конкурса проектов «IT Школа выбирает сильнейших!»

6 июля лекция «Обработка изображений на смартфонах: вычислительные алгоритмы Vs нейросети», Илья Курилин, начальник управления интеллектуальных систем обработки визуальной информации Исследовательского центра Samsung в России.

5 — 10
июля
Самостоятельное обучение по видеоматериалам,
сдача теста
Особенности языка Python
Библиотеки NumPy, Pandas, MathPlotLib.
11 — 15
июля
С 10-00 до 15-30 ежедневно, онлайн занятия

Выполнение домашних заданий
Что такое «машинное обучение» и какие задачи сейчас решает?
Градиентный спуск. Линейная регрессия.
Оценка качества регрессии. Категориальные признаки.
Способы разделения на выборки: отложенная выборка и кросс-валидация
Классификация, логистическая регрессия, методика оценка качества классификации
Масштабирование признаков. Балансировка. Кластеризация
Основы математической статистики. Заполнение пропусков в данных.
Отбор признаков. Дерево решений, случайный лес
EDA. Создание признаков. Подбор гиперпараметров
Градиентный бустинг
Как работать с Kaggle
18-21 июляС 10-00 до 15-30 ежедневно, онлайн занятия

Выполнение домашних заданий и финальной задачи
Разбор олимпиадных и реальных задач

Выполнение финальной задачи


22 июля
с 10-00 до 13-00Разбор решения финальной задачи
Подведение итогов. Закрытие