Professional Machine Learning Engineer

Описание курса

Разработка искусственного интеллекта Full – это практико-ориентированный курс, специально разработанный для обучения созданию Telegram-ботов, работе с базами данных и разработке моделей искусственного интеллекта и аналитических моделей. В процессе обучения вы не только освоите язык программирования Python, но и примените эти навыки на практике, реализовав продвинутые проекты по ботам, данным и искусственному интеллекту.


Что изучают студенты:
Основы Python: изучение синтаксиса Python, работа с переменными, строками и основными операторами. Создание первых алгоритмов и скриптов.

Управление потоком данных: создание интерактивных программ с использованием условных операторов и циклов.

Функции и модули: создание повторно используемого кода с помощью функций и модулей Python. Проект по разработке текстового бота в ходе курса.

Объектно-ориентированное программирование: изучение концепций классов, объектов и наследования для создания игр.

Продвинутое программирование: управление сложными данными с помощью списков, словарей и баз данных.

Разработка Telegram-ботов: создание интерактивных и функциональных ботов для Telegram с помощью библиотек Telebot и Aiogram.

Веб-разработка на Django: создание веб-сайтов и веб-приложений с использованием фреймворка Django.


Анализ данных:

Фильтрация: фильтрация данных и основной анализ с помощью Pandas, NumPy, SciPy.

Группировка: группировка данных по нескольким признакам и расчет статистики (среднее, медиана) с помощью Pandas, NumPy.

Очистка: очистка пробелов и неправильных значений в данных с помощью Pandas, Pyjanitor.

Визуализация: создание диаграмм (гистограмм, графиков) с помощью Matplotlib, Seaborn, Plotly.

Веб-скрапинг: сбор данных с веб-сайтов с помощью Selenium и Scrapy.

Анализ звука: работа с аудиофайлами и их анализ с помощью библиотек Pydub, wave.



Machine Learning:

Введение: разработка и оценка основных алгоритмов (линейная регрессия, деревья решений).

Классификация: создание и оценка модели для прогнозирования категории.

Индивидуальный проект: выполнение проекта по анализу, моделированию и визуализации данных.

Регрессия: оценка моделей линейной и полиномиальной регрессии.

Проект: создание модели регрессии для прогнозирования цен на жилье.

Ансамбль: применение ансамблевых методов (бэггинг, бустинг) для улучшения модели.

Временные ряды: анализ и прогнозирование временных рядов с помощью ARIMA и LSTM.

Нейронные сети: создание и оценка архитектуры нейронных сетей.

NLP: понимание текста и классификация с помощью BERT и Transformers.

Использование языковых моделей: применение и переобучение предварительно обученных моделей для создания текста.

Синтез и клонирование голоса: создание систем синтеза речи и клонирования голоса.


Проекты и практика:

Создание различных игр на Python, укрепление навыков объектно-ориентированного программирования и алгоритмов.
Курсовые проекты по созданию Telegram-ботов и веб-приложений.
Участие в индивидуальных и командных проектах по машинному обучению и соревнованиях.

Завершение курса:

По завершении курса каждый студент представит свой выпускной проект, в котором предусматривается интеграция разработанного программного решения в реальную рабочую среду. Успешные выпускники получают сертификат, подтверждающий их готовность к карьере в IT-сфере.