Данная программа будет интересна широкому кругу специалистов, работающих в естественно-научной и экономической сферах деятельности.
Целью программы является знакомство с теорией и методами машинного обучения. Ведь благодаря именно этим методам вы сможете наделить компьютер способностью обрабатывать большие данные, которым в данном курсе уделено большое внимание.
Курс ориентирован не только на слушателей, которые хотят начать свое знакомство с увлекательным миром больших данных, но также и на тех, кто хочет стать практиком в области машинного обучения, а возможно и обдумывает карьеру в научно-исследовательской области, связанной с машинным обучением.
По итогам обучения слушатели будут понимать теоретические основы, заложенные в принципы машинного обучения, изучат основные виды моделей и смогут самостоятельно пройти путь от обработки "сырых" данных до построения модели обучения и последующей реализации ее на языке Python.
Чтобы погружаться в работу методов анализа больших данных, нужно понимать, как устроена использующаяся при их обработке математика — для этого требуются базовые знания основных её разделов, которые, возможно, придётся углублять в зависимости от специфики дальнейшей деятельности.
Для полноценного понимания и умения решать задачи анализа больших данных, программа познакомит слушателей с необходимым материалом из математического анализа, линейной алгебры, теории вероятностей, дискретной математики и исследования операций.
Слушатели познакомятся с одним из наиболее популярных современных языков машинного обучения - Python. Его библиотеки является универсальным инструментом и позволяет решать много прикладных задач — от автоматизированного сбора информации и заполнения документов до анализа данных.
Слушатели смогут познакомиться с моделями на основе искусственных нейронных сетей, а также теорией, описывающей их работу. Будут рассмотрены примеры решений задач обработки изображений и анализа текстов. Программа подразумевает обширную практическую часть и большое количество самостоятельной работы.
По завершении обучения слушатели будут понимать, как работают модели на основе нейронных сетей, на что они способны на данный момент и каковы их ограничения.
Все темы сопровождаются практическими домашними заданиями на реальных данных.
Требования к поступающим: высшее образование любого уровня, среднее профессиональное образование. Слушателями также могут стать студенты, получающие высшее образование. Необходим базовый математический уровень.
Основные виды занятий: интерактивные лекции, семинары-практикумы, выполнение тренировочных контрольных заданий, самостоятельная работа. Часть программы реализуется в дистанционном режиме.
Тематический учебный план
- Python и математические основы машинного обучения
- Дополнительные главы высшей математики
- Теория автоматов, языков и вычислений
- Программные средства математического моделирования
- Нейронные сети и глубокое обучение
- Методы и алгоритмы обработки больших данных
Трудоемкость программы — 907 общих часов
Форма обучения — очная , 2-3 раза в неделю в вечернее время с 17:25-20:45 или в субботу с 10:15-13:35
Набор на обучение осуществляется два раза в год с началом обучения в сентябре и феврале. Продолжительность обучения – 1 год и 2 месяца
По итогам успешного освоения ДПП обучающимся выдается диплом о профессиональной переподготовке с присвоением квалификации "Специалист по обработке больших данных и искусственному интеллекту".
Контакты по вопросам приёма заявок:
Телефон: +7 (499) 343 66 05 (доб.32)
E-mail: 2edu@bmstu.ru
Отдел второго высшего образования, профпереподготовки и повышения квалификации
Контактное лицо: Паршина Галина Викторовна
