В этом году проводим Республиканскую олимпиаду по AI для школьников!
Будут задачи по машинному обучению (ML), компьютерному зрению (CV), обработке естественного языка (NLP), математике и программированию.
Рекомендации по подготовке еще будут на официальном сайте, но тут от себя добавлю, полезно будет не только школьникам, но и всем.
1. Основы машинного обучения (ML)
- Учебник по машинному обучению (Яндекс) – хэндбук с теоретическими основами ML.
Теория и курсы:
- Курс «Основы анализа данных» (Яндекс Практикум) – обучение основам языка Python и аналитики данных, чтение графиков и построение гипотез.
- Курс Эндрю Ына «Machine Learning» (Coursera) – базовый курс с упором на математику и практику.
- «Introduction to Machine Learning» (Kaggle Learn) – интерактивные уроки с задачами.
- Книга «Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow» (Aurélien Géron) – практические примеры на Python.
Практика:
- Соревнования на [Kaggle] (начните с разделов для новичков, например, Titanic или Iris).
- Проекты: Реализуйте линейную регрессию, классификацию изображений или предсказание временных рядов с нуля.
2. Компьютерное зрение (CV)
- Курс «Компьютерное зрение» (Stepik) – русскоязычный курс по основам CV.
Основы:
- Курс «CS231n: CNNs for Visual Recognition» (Стэнфорд) – лекции и задания по нейросетям для CV.
- Библиотеки: OpenCV (обработка изображений) и PyTorch / TensorFlow (нейросети).
Практика:
- Задачи на распознавание объектов (MNIST, CIFAR-10).
- Мини-проекты: детекция лиц, сегментация изображений.
3. Обработка естественного языка (NLP)
- Курс «NLP Course» (Hugging Face) – русская версия и английская версия – бесплатные курсы по NLP.
Теория:
- Курс «Natural Language Processing with PyTorch» (Udemy) – основы NLP.
- Hugging Face Transformers – бесплатный курс по трансформерам и моделям вроде BERT.
Практика:
- Создайте чат-бота, анализатор тональности текста или переводчик.
- Используйте датасеты из Kaggle NLP Competitions.
Будут задачи по машинному обучению (ML), компьютерному зрению (CV), обработке естественного языка (NLP), математике и программированию.
Рекомендации по подготовке еще будут на официальном сайте, но тут от себя добавлю, полезно будет не только школьникам, но и всем.
1. Основы машинного обучения (ML)
- Учебник по машинному обучению (Яндекс) – хэндбук с теоретическими основами ML.
Теория и курсы:
- Курс «Основы анализа данных» (Яндекс Практикум) – обучение основам языка Python и аналитики данных, чтение графиков и построение гипотез.
- Курс Эндрю Ына «Machine Learning» (Coursera) – базовый курс с упором на математику и практику.
- «Introduction to Machine Learning» (Kaggle Learn) – интерактивные уроки с задачами.
- Книга «Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow» (Aurélien Géron) – практические примеры на Python.
Практика:
- Соревнования на [Kaggle] (начните с разделов для новичков, например, Titanic или Iris).
- Проекты: Реализуйте линейную регрессию, классификацию изображений или предсказание временных рядов с нуля.
2. Компьютерное зрение (CV)
- Курс «Компьютерное зрение» (Stepik) – русскоязычный курс по основам CV.
Основы:
- Курс «CS231n: CNNs for Visual Recognition» (Стэнфорд) – лекции и задания по нейросетям для CV.
- Библиотеки: OpenCV (обработка изображений) и PyTorch / TensorFlow (нейросети).
Практика:
- Задачи на распознавание объектов (MNIST, CIFAR-10).
- Мини-проекты: детекция лиц, сегментация изображений.
3. Обработка естественного языка (NLP)
- Курс «NLP Course» (Hugging Face) – русская версия и английская версия – бесплатные курсы по NLP.
Теория:
- Курс «Natural Language Processing with PyTorch» (Udemy) – основы NLP.
- Hugging Face Transformers – бесплатный курс по трансформерам и моделям вроде BERT.
Практика:
- Создайте чат-бота, анализатор тональности текста или переводчик.
- Используйте датасеты из Kaggle NLP Competitions.