Уважаемые сотрудники механико-математического факультета ТГУ !
С 10 января 2023 года начинается обучение в рамках дополнительной профессиональной программы повышения квалификации (ДПППК) «Решение задач машинного обучения и вычислительной математики на Python» (72 часа).
Срок обучения: с 10 января по 01 февраля 2023 г.
Желающие штатные сотрудники ММФ подают письменное заявление о зачислении на обучение предлагаемой дополнительной профессиональной программе повышения квалификации «Решение задач машинного обучения и вычислительной математики на Python» (72 часа).
Программа разработана при поддержке регионального научно-образовательного математического центра ТГУ с учетом программы развития НОМЦ ТГУ.
Образец заявления для зачисления на курс
Кроме того, от каждого будущего слушателя нужен скан диплома о высшем образовании и скан свидетельства о браке или другого документа, в случае различия в фамилии в паспорте и документе об образовании.
Расписание занятий формируется.
Занятия будут проходить в компьютерных классах ММФ.
При успешном обучении слушатели получат сертификаты государственного образца о прохождении повышения квалификации.
Дополнительную информацию можно будет получить в 313(2) аудитории кафедры ВМиКМ.
Тел. 529553.
Руководитель ДПППК Старченко А.В.
Учебно-тематический план ДПППК «Решение задач машинного обучения и вычислительной математики на Python» (72 часа)
Раздел 1. Язык программирования Python
Тема 1. Введение в среду программирования Python
Тема 2. Знакомство с IDE
Раздел 2. Внешние модули Python
Тема 1. Модуль numpy
Тема 2. Модуль matplotlib
Тема 3. Модуль pandas
Тема 4. Модуль scipy
Тема 5. Обзор на другие модули (dask, simpy и др.)
Тема 6. Модуль sklearn
Тема 7. Предобработка данных средствами sklearn
Раздел 3. Задачи машинного обучения (вариативно)
Тема 1. Обзор на задачи МО: от классического обучения до нейронных сетей
Тема 2. Обучение с учителем: классификация и регрессия
Тема 3. Обучение без учителя: кластеризация
Тема 4. Решающие деревья и ансамбли
Тема 5. Сети прямого распространения
Тема 6. Градиентный спуск и его модификации
Тема 7. Обучение нейросетей в Keras. Готовые архитектуры.