Machine Learning Fundamentals

Curs Online cu video

Lista de clase la care te poți înscrie:

Cursul Machine Learning Fundamentals prin Cisco WebEX începe miercuri, 22 Aprilie, la ora 18:00 și se desfășoară în fiecare miercuri, în intervalul 18:00-22:00, timp de  săptămâni.
Cursul cuprinde 32 ore de curs.
Instructor: Robert Gargalac
Tarif:400 lei – persoane fizice
Înscrie-te acum
Nivel

Fundamentals

Nr. sedinte

8

Durata sedintei

4 ore

Studiu individual

6 ore/săpt.

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
500 lei - student
550 lei - pers. fizică
840 lei - pers. juridică

Despre curs

Desfășurarea cursului „Machine Learning Fundamentals”

Cursul se desfășoară pe parcursul a 8 ședințe, iar fiecare ședință durează 4 ore. Ultima ședință este dedicată examinării finale.

Cui i se adresează cursul?

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 cunostințe minime de programare si se simt atrași sau au o curiozitate pentru domeniul de inteligență artifială/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 ofera perspective bune de viitor și este la mare căutare la momentul actual.

Pre Requisites

  • Cunostințe minime de programare funcțională și orientată pe obiect
  • Experiență anterioară de programare intr-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 intelegerea mult mai bună a tehnicilor de Machine Learning si pot fi insușite în timpul cursului din resurse externe.)

Contul Online

După procesarea plății, de către echipa Telecom Academy, cursantului i se creează cont pe platforma cursuri.telacad.ro, iar acesta va primi un mail cu pașii pe care trebuie să îi urmeze pentru configurare.

Pe contul personal vor fi accesibile următoarele:

  • materialul de studiu online
  • materialele video înregistrate anterior de instructorii noștri
  • catalogul cu notele obținute la fiecare examen
  • examenele obligatorii de capitol

Examene și evaluări – Criterii de promovare

Fiecare final de capitol conține un examen grilă ce cuprinde intrebări teoretice, unele din ele fiind pe baza unor grafice sau snippet-uri de cod.

Pentru a promova cursul este necesar să obții peste 70% din punctajul final pentru fiecare examen în parte, nota finala a cursului fiind media tuturor examenelor de capitol.

Proiectele/exercițiile suplimentare pentru fiecare capitol nu contribuie la nota finală, însă constituie un element important in procesul de învățare. De asemenea, proiectele pot fi folosite pentru a arăta cunoștințele dobândite si pentru a îți construi un CV cat mai atractiv pentru viitori angajatori.

„Machine Learning Fundamentals” la Distanță

Cursanților din alte orașe, sau cu un program ce nu le permite participarea la un curs cu prezență, Telecom Academy le pune la dispoziție cursul JavaScript/Node.js la Distanță.

După procesarea plății, de către echipa Telecom Academy, cursantului i se creează cont pe cursuri.telacad.ro, iar acesta va primi un mail cu pașii pe care trebuie să îi urmeze pentru configurare.

Ce înseamnă un astfel de curs?

  • acces la manualul de curs pe cursuri.telacad.ro
  • acces la materialele scrise și la cele video
  • susținerea online a examenelor de capitol
  • examen final (teoretic și practic) susținut de acasa. (**acesta este activat de noi la cererea cursantului si este cronometrat)
  • diploma la promovarea cursului

Odată înscris în clasă, cursantul va putea accesa materialele de curs și își va putea susține toate examenele, într-un interval de maximum 4 luni de la data înscrierii.

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