Unsupervised Machine Learning

Запрошуємо на новий курс "Unsupervised Machine Learning", який розширить знання основних методів машинного навчання з ручним конструюванням ознак, а саме таких методів, як: метод головних компонент, метод k-середніх, модель суміші гаусіан, ядрова оцінку густини розподілу та ін. А також, ви опануєте уміння обирати та тренувати алгоритми класифікації, регресії та кластеризації на даних без маркування.

Рівень: середній

Мова: англійська

Формат: онлайн

Тривалість курсу: 30 годин (1 ECTS)

Старт: з 19.04.2024 (самостійне проходження)

Доступність: самостійне навчання на основі відео та текстових матеріалів на онлайн платформі КАУ, проходження фінального тестування;

Цільова аудиторія: студенти та аспіранти спеціальностей комп’ютерні науки, прикладна фізика, матеріалознавство.

Реєстрація.

Викладачі:

к.ф.-м.н., Віталій Тимчишин, молодший науковий співробітник Київського академічного університету (КАУ), молодший науковий співробітник Інституту теоретичної фізики ім. М.М. Боголюбова;
к.ф.-м.н. Володимир Безгуба, старший науковий співробітник КАУ, завідуючий Лабораторії дослідження даних та машинного навчання КАУ.

Познайомитись з лектором і дізнатись, чого очікувати від курсу, можна у цьому відео.

Необхідні знання

Базові знання вищої математики та програмування, отримані під час здобуття ступеня бакалавра. Базові знання Python.

Результати навчання

Знання основних методів машинного навчання з ручним конструюванням ознак, а саме таких методів, як: метод головних компонент, метод k-середніх, модель суміші гаусіан, ядрова оцінку густини розподілу та ін.

Уміння обирати та тренувати алгоритми класифікації, регресії та кластеризації на даних без маркування.

Проходження курсу безкоштовне. Після його проходження всі учасники, які виконають програму та складуть тести, отримають сертифікати з об'ємом кредитів ЄКТС (1 кредит).

Підготовку та викладання курсів здійснено ДНУ “Київський Академічний Університет” в межах проєкту BOOSTalent, що фінансується Європейським інститутом технологій та інновацій.