fbpx

Curs Machine Learning Fundamentals cu predare

Înscrie-te:

Lista de clase la care te poți înscrie:

Machine Learning Fundamentals – 3 Martie 2023 – începe vineri, 3 Martie 2023, la ora 18:00 și se desfășoară în zilele de vineri,  în intervalul 18:00-22:00, timp de 8 ședințe.
Cursul cuprinde 32 ore de curs.
Instructor: Cosmin Manolescu
Tarif: 650 RON – elevi/studenți la licență
           750 RON – persoane fizice
Înscrie-te acum
Nivel

Fundamentals

Nr. sedinte sala de curs

8

Nr. sedinte transmisie live

7

Durata sedintei

4 ore

Studiu individual
Suport de curs scris

Materiale video

Nr. ore video

5

Limba de predare

Română

Limba materialului scris

Română

Metode de evaluare
  • examene de capitol
  • examen final teoretic
  • proiect
Tarife Clasă cu Predare
650 RON - student
750 RON - pers. fizică
1050 RON - pers. juridică

Despre curs

Cui i se adresează Curs Machine Learning Fundamentals?

Cu toate că acest curs abordează noțiuni introductive, nu îl recomandăm celor care sunt la prima experiență în domeniul IT.

Acest curs este pentru cei care au deja cunoștințe minime de programare și se simt atrași sau au o curiozitate pentru domeniul de inteligență artificială/machine learning.

De asemenea, acest curs este potrivit și pentru persoanele ce au deja experiență în domeniul IT și vor să exploreze această ramură ce oferă perspective bune de viitor și este la mare căutare la momentul actual.

Pre Requisites

  • Cunoștințe minime de programare funcțională și orientată pe obiect
  • Experiență anterioară de programare într-un limbaj popular (Java, C/C++, Go etc.). Experiența cu Python este un plus.
  • Cunoștințe minime de operații cu matrici, algebră liniară, elemente de statistică și derivate (Toate acestea pot ajuta la înțelegerea mult mai bună a tehnicilor de Machine Learning și pot fi însușite în timpul cursului din resurse externe.)

Dacă ești interesat/ă să urmezi un curs în regim self study, accesează curs Machine Learning Fundamentals.

Contul de cursant

Ce înseamnă asta?

Dacă ești cursant nou, după procesarea plății, vei primi pe mail o solicitare de activare a contului tău și un mail de informare ca ai fost înscris/înrolat în clasa. Contul tău va fi pe cursuri.telacad.ro, pe care îl vei accesa cu adresa de e-mail și parola setate în formularul de înscriere.

Dacă ești deja cursantul nostru, după procesarea plații, vei primi confirmarea înscrierii/înrolării în clasa dorită și iți vei accesa contul cu e-mail-ul și parola deja existente.

Ce găsești aici?

  • Materialele scrise și video
  • Regulile de Promovare
  • Examenele de capitol pe care le vei susține online.
  • Examen final (teoretic și practic) pe care îl vei susține online
  • Catalogul cu note.
  • Diploma Telecom Academy la promovarea cursului

Odată înscris în clasă, cursantul va putea accesa materialele de curs și își va putea susține toate examenele, până la data finalizării cursului. Data finalizării cursului se va calcula ulterior, după ultima ședință de curs. Data de finalizare a cursului reprezintă perioada maximală în care participantul la curs poate susține toate examenele conform regulilor de promovare și poate promova cursul.

 

Examene și evaluări – Criterii de promovare

Există mai tipuri de examene: testele pentru capitole, examenul final teoretic, examen final practic și/sau proiect.

Examenele de capitol se susțin de acasă.

Pentru a fi promovat, cursantul trebuie să obțină un punctaj de minimum 70% la toate metodele de evaluare.

 

Dacă încă nu ești decis că acest curs este cel potrivit pentru tine, ai la dispoziție varianta Demo a cursului direct pe platforma noastră de e-learning. Creează-ți un profil și dă start studiului!

 

Notă! Garantăm suportul tehnic pentru cursurile tale pentru maxim 6 luni de zile de la data finalizării cursului, conform regulilor de promovare. Însă, accesul pe platforma de e-learning va fi limitat doar în cazul unor actualizări majore ale sistemului și în condițiile tehnice de la momentul respectiv. Până atunci, nicio grijă, odată creat contul, îl vei putea accesa oricând!

Ce vei învăța

  • algoritmi de clasificare
  • algoritmi de regresie
  • tehnici de clustering
  • tehnici de curățare/pregătire a datelor
  • tehnici de extragere a caracteristicilor din date (prelucrarea limbajului vorbit)
  • tehnici de evaluare a modelelor
  • cum să creezi un virtual environment în Python
  • cum să vizualizezi datele
  • cum să implementezi diferiti algoritmi în Python
  • cum să atrenezi un model în Python
  • cum să realizezi pipeline-uri (procesare, antrenare, validare și salvarea modelului pentru producție)
  • cum să lucrezi cu cele mai folosite librării din sfera de Machine Learning ( ex: numpy, nltk, scikit-learn, pandas, etc.)

Certificări

La terminarea cursului Machine Learning Fundamentals, cursantul primește diploma eliberată de către Telecom Academy care atestă faptul că acesta a absolvit cursul la Telecom Academy. Această diploma atestă cunoștințele și abilitățile dobândite pe perioada cursului și deschide calea către un proces de învățare continuu.

Deoarece domeniul este relativ nou, nu există în prezent o acreditare consacrată. Recomandarea noastră este ca, după terminarea cursului, să includeți în CV toate proiectele create în cadrul cursului. Acestea vor reprezenta garanția angajatorilor cu privire la cunoștințele de nivel basic pe care le dețineti.

Programa

1.1 Ce înseamnă Machine Learning?

1.2 Aplicații ce folosesc Machine Learning

1.3 Tipuri de învățare

  • Procesul de învățare
  • Învățare supervizată
  • Învățare nesupervizată (Clustering)
  • One vs All

1.4 Împărțirea datelor

  • Train/Validation/Test
  • Conceptul de overftitting
  • Conceptul de underfitting
  • Metode de combatere overfitting/underfitting

1.5 Evaluarea Modelului:

  • Acuratețe, precizie și recall

2.1 Descrierea algoritmului

2.2 Funcția de cost

2.3 Ordinary Least Square

2.4 Gradient Descent

2.5 Evaluarea Modelului de Regresie

2.6 Seturi de date

3.1 Teorema lui Bayes

3.2 Pașii algoritmului

3.3 Avantaje/Dezavantaje

3.4 Sfaturi pentru a îmbunătăți algoritmul (Best practices)

4.1 N-grame (Count Vectorizer)

4.2 TFIDF

4.3 Procedeele de Stemming și Lemmatizare

4.4 Stop words și token-uri speciale

4.5 Part of Speech

5.1 Support Vector Machine

5.2 Hard margin

5.3 Soft margin

5.4 Tipuri de Kernel

5.5 Avantaje/Dezavantaje

6.1 Descrierea Algoritmului

6.2 Implementare de la zero în Python

6.3 Cum alegem parametrul ‘k’

6.4 Avantaje/Dezavantaje

Sponsori și parteneri