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!
Программа
| Дата | Время /формат | Описание |
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 июля | С 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 13-00 | Разбор решения финальной задачи Подведение итогов. Закрытие |
