Deep Learning (1. semester, sügis 2021): edasijõudnute voog - Stepikult tasuta kursus, koolitus 36 õppetundi, kuupäev 28.11.2023.
Varia / / November 29, 2023
Stepik on haridusplatvorm ja veebikursuste kujundaja.
Arendame välja adaptiivseid õppealgoritme, teeme koostööd MOOCi autoritega ning aitame läbi viia võistlusi ja ümberõppeprogramme.
Meie eesmärk on muuta haridus avatuks ja mugavaks.
Stepik on tuntud Venemaa haridusplatvorm, mis asutati 2013. aastal. Stepikus on registreeritud üle miljoni kasutaja Venemaalt ja SRÜ riikidest. Praegu pakub Stepik mitu tuhat koolitust erinevatel teemadel.
Stepiku platvorm sisaldab tasuta tegevuste ja tundide kujundajat. Iga registreeritud kasutaja saab koostada interaktiivse koolituse. Samas jäävad õppematerjalide autoritele autoriõigused. Teenusel ei ole piiranguid üliõpilaste arvule kursuse kohta.
Stepikul on laialdased võimalused veebikursuste, koolituste ja õppetundide loomiseks, kasutades tekste, videoid, pilte, testülesandeid, mille käigus saab arutleda nii teiste õpilastega kui ka koos õpetaja. Kokku sisaldab Stepik 20 tüüpi ülesandeid, mida saab kontrollida nii automaatselt kui ka käsitsi.
Selle platvormi suureks eeliseks on võimalus manustada loodud materjale kolmandate osapoolte saitidele, näiteks Moodle ja Canvas.
Lisaks saab Stepikut kasutada erinevate ürituste, näiteks olümpiaadide ja võistluste toimumispaigana.
Platvormi liides on täielikult venekeelne, üsna sõbralik ja intuitiivne. Platvorm on täiesti tasuta.
Iga Stepikus läbitud kursuse eest saab üliõpilane läbimise tunnistuse. Sertifikaadi saamine on samuti tasuta.
Värbamised toimuvad augustis-septembris ja jaanuaris-veebruaris Meie uudiseid saad jälgida siit.
Ametlik sait: https://www.dlschool.org Ametlik VK grupp: https://vk.com/dlschool_mipt
Siin on raske, aga huvitav. Uuring kestab 8 kuud. Palju teooriat, veelgi rohkem praktikat, inimesi ja metoodikat – kõik on suunatud sellele, et omandad andmeteaduse spetsialisti kutse.
Kursusel tutvustatakse õpilastele andmeteaduse põhimõisteid. Vaatleme põhialgoritme (lineaarsed mudelid, otsustuspuud, KNN, kompositsioonid) ja analüüsime andmete ettevalmistamist (puhastamine, uute funktsioonide genereerimine ja nende valik). Saadud teadmistest piisab paljude probleemide lahendamiseks.