Математика за машинско учење - онлајн курс

Школа Рајак - 20 година са вама

Онлајн курс - Математика за машинско учење организује Школа Рајак, у сарадњи са IAMAI ACADEMY
Од 17.10.2022. Пријаве до 14.10.2022.
Трајање курса - четири месеца, два предавања недељно по два сата (понедељак и четвртак од 20:00 до 22:00)
Цена - четири месечне рате по 29700 динара (118800,00 динара)

Школа Рајак постоји двадесет година (од 11.11.2002.) Сво време се бавимо математиком и програмирањем. Машинско учење је област програмирања где смо своји на своме. Сарадња са IAMAI ACADEMY нам је омогућила да Вам понудимо три курса
- Python - за профил Data Science
- Математика за машинско учење
- Машинско учење у пракси
Ова три курса чине једну целину, односно представљају пут до почетника у Машинском учењу. Сваки од ових курсева представља целину за себе и може се похађати појединачно.


Шта ћете научити на курсу Математика за Машинско учење:

- Потребан ниво знања из области математике неопходних за бављење Машинским учењем

- Примену стечених знања на конкретним примерима
 
Математика има много области. Неке од њих имају примену у Машинском учењу. Програм курса је конципиран тако да створите базу знања из области математике које се најчешће користе у Машинском учењу.
Курс је усмерен ка томе да ви овладате потребним математичким алатима и да видите њихову примену на конкретним примерима.
Неки од вас имају добро предзнање из математике, али немају искуство у примени тог знања.
Сузана Исаков професор математикеПредавач на курсу је професорица Сузана Исаков. Дугогодишње искуство у преношењу знања из математике, пре свега студентима, је надоградила учећи програмси језик Јава и Машинско учење. Она ће вас научити:
- Шта су декомпозиције матрица, SVD, PCA...
- Какве то везе има са Машинским учењем
- Када, зашто и како се примењују кроз програме у Python-у.
Гостујући предавачи на овом курсу су професор Владимир Обрадовић и Игор Тица.
Професор Владимир Обрадовић има изузетну биографију у ИТ индустрији и преношењу знања. Он је један од оснивача IAMAI academy. Његово предавње је драгоцено за вас. Владимирово предавање ће вам помоћи да видите пут до конкретне позиције у овом сегменту ИТ индустрије.
Игор Тица је програмер који се бави Машинским учењем, Вештачком интелигенцијом и Дубоким учењем. Игорово предавање ће бити усмерено ка упознавању са конкретним, актуелним потребама и пројектима.

Да бисте могли да пратите овај курс, потребно је да познајете програмски језик Python на основном нивоу. Уколико нисте сигурни да ли је ваше познавање програмсог језика Python довољно, погледајте план и програм нашег курса Python - убрзани онлајн курс за профил Data science  Тај ниво познавања је потребан за праћење Онлајн курса Математика за Машинско учење.

План и програм онлајн курса Математика за Машинско учење:

•    Primeri Linearne algebre u Mašinskom učenju
I NumPy
•    Upoznavanje sa NumPy Nizovima
•    Indeksiranje, sečenje i promena dimenzionalnosti NumPy Nizova
•    NumPy Array Broadcasting
II Matrice
•    Vektori i aritmetika vektora
•    Norme vektora
•    Matrice i aritmetika matrica
•    Tipovi matrica
•    Matrične operacije
•    Retke matrice
•    Tenzori i aritmetika tenzora
III Faktorizacija
•    Dekompozicija matrica
•    Dekompozicija matrice u karakteristične korene i karakteristične vektore
•    SVD Singular Value Decomposition
IV Statistika
•    Upoznavanje sa osnovama statistike
•    PCA Principal Component Analysis
•     Linearna regresija



ПРИЈАВИТЕ СЕ НА ВРЕМЕ - преко контакт форме на дну ове стране или:

    Слањем мејла на skolarajak@gmail.com
    Као наслов мејла ставите: Онлајн курс - Математика за Машинско учење - пријава.
    У телу мејла наведите Ваше име, презиме, адресу и број телефона.
    Трајање курса - четири месеца
    Цена - четири месечне рате по 29700 динара (118800,00 динара)
    Термини предавања: понедељак и четвртак од 20:00 до 22:00
    Сва предавања се снимају и снимци су доступни за преузимање
    Додатне инфoрмације телефоном на тел/вибер: 062 1643066, радним даном од 07:30 до 19:30 и суботом 09:00 до 15:00
    Након пријаве ћете добити изглед предрачуна, а касније и линк и упутство за приступ првом предавању.