Лучшие IT курсы в Украине

План навчання

Базовий рівень

Після Базового курсу тестування та основ ІТ ти:

• Вмітимеш розрізняти різні типи тестування ПЗ
• Зможеш аналізувати типові вимоги
• Будеш знаходити та описувати типові (найпоширеніші) дефекти
• Навчишся створювати і проходити тестові випадки
• Розумітимеш в загальному архітектуру сучасних програм
• Матимеш поняття про бази даних та мережі, а також HTML
• Вмітимеш писати запити до бази даних на мові SQL
• Отримаєш базове розуміння шифрування даних та роботи з віртуалізацією
• Розумітимеш, які комунікативні навики потрібні для успішної кар'єри в ІТ

Практичний рівень

Після практичного тестування ти:

• Навчишся тестувати програмне забезпечення за визнаним у світі стандартом ISTQB
• Опануєш повний цикл створення якісного програмного продукту: планування тестування, аналіз вимог, побудову тестових випадків, виконання тестування та звітування дефектів
• Вивчиш основні поняття реляційних баз даних та SQL, та як їх використовувати під час тестування веб-аплікацій
• Зможеш використовувати інструменти Jira та Zephyr для написання тестових випадків та заведення дефектів
• Навчишся працювати у проєктній команді за методологією Scrum

Проєктний рівень

Після стажування на проєкті ти:

• Отримаєш досвід роботи на овпенсорсному проекті, тестуючи веб-додатки
• Вмітимеш працювати в команді разом з девелоперами, бізнес-аналітиками, дизайнерами тощо під керівництвом досвідчених експертів та менторів
• Навчишся планувати, оцінювати та виконувати завдання за методологією Agile (SCRUM, Kanban)

Особливості курсу

• Постійна менторська підтримка
• Кар'єрний консультант на всій дорозі
• Додаткове електронне навчання
• Англомовний клуб
• Сертифікат готовності роботи після завершення
• Цілодобовий доступ до відео та матеріалів
• Англійський марафон
• Тренінги Soft-Skills
• Технічне інтерв'ю

Програма курсу

Базовий рівень

Після базового курсу тестування та основ ІТ ти:

• Вмітимеш розрізняти різні типи тестування ПЗ
• Зможеш аналізувати типові вимоги
• Будеш знаходити та описувати типові (найпоширеніші) дефекти
• Навчишся створювати і проходити тестові випадки
• Будеш розуміти в загальному архітектуру сучасних програм
• Будеш мати поняття про бази даних та мережі, а також HTML
• Вмітимеш писати запити до бази даних на мові SQL
• Отримаєш базове розуміння шифрування даних та роботи з віртуалізацією
• Розумітимеш, які комунікативні навики потрібні для успішної кар'єри в ІТ

Після Java бащового курсу ти вмітимеш:

• Застосовувати на практиці основні принципи об'єктно-орієнтованого програмування i синтаксичні конструкції мови програмування Java
• Розробляти базові вебдодатки
• Працювати з розподіленою системою керування версіями файлів GIT

Після курсу основи автоматизації тестування ти вмітимеш:

• Розробляти проєкти на Java для автоматизації тестів та перевірки якості програмного забезпечення
• Використовувати сучасні інструменти автоматизованого тестування програмного забезпечення
• Працювати з бібліотеками автоматизованого тестування, системами керування дефектами, базами даних та іншими важливими речами

Практичний рівень

Після практичного курсу автоматизації тестування ти:

• Знатимеш, як тестувати та які підходи використовувати для перевірки веб додатків та API
• Використовуючи Selenium WebDriver, навчишся створювати автоматизовані тести для перевірки їх функціоналу
• Набудеш навики роботи з популярними інструментами: JUnit, PowerMock і PowerMockito, Maven, Swagger, Curl, OKHttp і RestAssured, Slf4j/Log4j, Allure Framework та ін.
• Знатимеш, як розробляти автоматизовані тести, використовуючи шаблон проектування PageObject
• Працюватимеш з базами даних, використовуючи JDBC
• Отримаєш досвід командної роботи

Проєктний рівень

Після проєктного навчання з автоматизованого тестування ти:

• Отримаєш досвід роботи на овпенсорсному проєкті, тестуючи веб-додатки та АРІ
• Зможеш розробляти фреймоврк для автоматизованого тестування, використовуючи шаблон проєктування PageObject
• Вмітимеш працювати в команді разом з девелоперами, бізнес-аналітиками, дизайнерами тощо під керівництвом досвідчених експертів та менторів
• Навчишся планувати, оцінювати та виконувати завдання за методологією Agile (SCRUM, Kanban)
• Зможеш додати отриманий досвід до свого портфоліо

Особливості курсу

• Постійна підтримка ментора
• Career advisor з тобою на всьому шляху
• Додаткові е-лернінги
• Розмовний клуб з англійської
• Сертифікат по завершенню
• 24/7 доступ до відео та матеріалів
• Ком'юніті однодумців
• Розвиток м'яких навичок
• Технічне інтерв'ю для успішних випускників

У цьому курсі студенти навчаться планувати та реалізовувати стратегію розгортання кінцевих точок, використовуючи сучасні методи розгортання та реалізуючи стратегії оновлення. Курс знайомить із основними елементами сучасного управління, підходами спільного управління та інтеграцією Microsoft Intune. Він охоплює розгортання додатків, керування програмами на основі браузера та ключові концепції безпеки, такі як автентифікація, посвідчення, доступ та політики відповідності. Такі технології, як Azure Active Directory, Azure Information Protection та Microsoft Defender для кінцевої точки, вивчаються для захисту пристроїв та даних.

Програма курсу

Керування кінцевими точками

• Enterprise Desktop
• Версії Windows
• Загальні відомості про ідентифікатор Microsoft Entra
• Керування ідентифікаторами Microsoft Entra

Виконання реєстрації пристрою

• Управління автентифікацією пристрою
• Реєстрація пристроїв за допомогою Microsoft Configuration Manager
• Реєстрація пристроїв за допомогою Microsoft Intune

Налаштування профілів для користувачів та пристроїв

• Запуск профілів пристроїв
• Контроль профілів пристроїв
• Підтримка профілів користувачів

Керування застосунками

• Управління мобільними застосунками
• Розгортання та оновлення застосунків
• Адміністрування застосунків кінцевих точок

Управління автентифікацією та відповідністю вимогам

• Захист ідентифікаційних даних у Microsoft Entra ID
• Включення​ організаційного​ доступу
• Реалізація​ відповідності пристроїв
• Створення звітів щодо інвентаризації та дотримання вимог

Управління безпекою кінцевих точок

• Розгортання захисту даних пристрою
• Адміністрування Microsoft Defender для кінцевої точки
• Адміністрування Microsoft Defender для Windows
• Адміністрування Microsoft Defender для хмарних програм

Розгортання з використанням локальних інструментів

• Оцінка​ готовності до розгортання
• Розгортання за допомогою Microsoft Deployment Toolkit
• Розгортання за допомогою Microsoft Configuration Manager

Розгортання з використанням хмарних інструментів

• Розгортання пристроїв за допомогою Windows Autopilot
• Реалізація методів динамічного розгортання
• Планування переходу до сучасного управління кінцевими точками
• Керування Windows 365
• Керування віртуальним робочим столом Azure

Особливості курсу

• LIVE-навчання незалежно від формату участі в курсі (очно/віддалено)
• Електронні матеріали Microsoft
• Попередньо налаштоване середовище та навчання на сучасному обладнанні
• Електронний сертифікат Microsoft
• Обід та кава-брейки (очний курс)
• Консультації тренера протягом 6-ти місяців після закінчення курсу

Курс навчає IT-фахівців адмініструванню та підтримці Exchange Server, а також розповідає про його встановлення та налаштування. В курсі описується, як управляти одержувачами пошти і загальними папками, в тому числі виконувати масові операції за допомогою командної консолі Exchange. Крім того, розглядається управління підключеннями клієнтів, транспортування повідомлень і гігієна, а також висока доступність розгортання Exchange Server. Також розповідається про впровадження рішень для аварійного відновлення. І, нарешті, в курсі розглядається підтримка і контроль розгортання Exchange Server і адміністрування Exchange Online в розгортанні Office 365.

Програма курсу

Розгортання Exchange Server

• Огляд Exchange Server
• Архітектура Exchange Server
• Вимоги до Exchange Server
• Розгортання Exchange Server
• Інструменти управління Exchange Server

Управління сховищем Exchange Server

• Бази даних поштової скриньки Exchange Server
• Сховище Exchange Server
• Налаштування баз даних і сховища поштової скриньки

Управління об'єктами одержувачів

• Управління поштовими скриньками користувачів
• Управління іншими типами поштових скриньок
• Управління іншими об'єктами одержувачів
• Налаштування політик і списків адрес

Управління одержувачами і серверами Exchange за допомогою командлетів Exchange Server

• Огляд командної консолі Exchange
• Управління Exchange Servers за допомогою командлетів командної консолі
• Управління серверами Exchange за допомогою сценаріїв

Реалізація клієнтського підключення

• Налаштування служб клієнтського доступу
• Управління службами клієнтського доступу
• Підключення клієнта в Exchange Server
• Налаштування Outlook в Інтернеті
• Налаштування мобільного обміну повідомленнями

Управління високою доступністю в Exchange Server

• Висока доступність
• Налаштування високодоступних баз даних поштової скриньки
• Налаштування високої доступності служб клієнтського доступу

Реалізація аварійного відновлення для Exchange Server

• Реалізація резервного копіювання Exchange Server
• Реалізація відновлення Exchange Server

Налагодження та управління передачею повідомлень

• Огляд транспортування повідомлень
• Налаштування транспортування повідомлень
• Керування транспортними правилами

Налаштування безпеки повідомлень

• Розгортання та управління сервером Edge Transport для забезпечення безпеки повідомлень
• Впровадження антивірусного рішення
• Впровадження антиспам-рішення

Моніторинг та усунення несправностей

• Моніторинг Exchange Server
• Усунення несправностей Exchange Server

Захист і обслуговування Exchange Server

• Захист Exchange Server з використанням RBAC
• Налаштування ведення журналу аудиту
• Обслуговування Exchange Server

Впровадження та управління розгортанням Exchange Online

• Огляд Exchange Online і Office 365
• Управління Exchange Online
• Реалізація переходу на Exchange Online
• Управління гібридним середовищем

Після курсу слухачі зможуть:

• Розгортати Exchange Server
• Планувати і налаштовувати сховище для Exchange Server
• Створювати і управляти різними об'єктами одержувачів в Exchange Server
• Виконувати завдання управління одержувачами і сервером Exchange за допомогою командлетів Exchange Server
• Розгортати служби клієнтського доступу на сервері Exchange
• Управляти високою доступністю в Exchange Server
• Реалізувати аварійне відновлення для Exchange Server
• Налаштовувати і управляти транспортуванням повідомлень
• Налаштовувати безпеку повідомлень
• Моніторити і усувати несправності
• Налаштовувати дозвіл контролю доступу на основі ролей Exchange Server і налаштовувати ведення журналу аудиту для адміністраторів і користувачів
• Впроваджувати і управляти інтеграцією за допомогою Exchange Online

Особливості курсу

• LIVE-навчання незалежно від формату участі в курсі (очно/віддалено)
• Підбірка матеріалів по темі курсу
• Попередньо налаштоване середовище та навчання на сучасному обладнанні
• Електронний сертифікат НЦ "Мережні Технології"
• Обід та кава-брейки (очний курс)
• Консультації тренера протягом 6-ти місяців після закінчення курсу

На курсі розглянете різні завдання машинного навчання з точки зору роботи з даними й особливостями різних моделей використовуючи мову Python, здобудете навички роботи з традиційними алгоритмами і методами машинного навчання, нейронними мережами, а також обробкою природних мов і комп'ютерним зором.

Програма курсу

Introduction to Machine Learning

• Що таке AI/DS/ML/DL?
• Роль математики у ML
• Роль статистики у ML
• Задачі, що вирішує ML
• Етапи реалізації проєктів із ML
• Збір і обробка даних у ML, джерела даних та їх особливості
• Огляд основних інструментів у ML з використанням Python

Machine Learning Basic Tool: NumPy

• Що таке NumPy?
• Типи даних та їх атрибути
• Масиви
• Операції з масивами
• Сортування масивів

Machine Learning Basic Tool: Pandas

• Що таке Pandas?
• Структури й типи даних у Pandas
• Імпортування й експортування даних у Pandas
• Огляд даних у Pandas
• Операції з даними в Pandas

Data Visualization

• Призначення і важливість візуального аналізу й візуалізації даних
• Первинний аналіз даних
• Модулі matplotlib, seaborn, plotly
• Побудова простих графіків однієї змінної
• Побудова графіків двох і більше змінних
• Аналіз графіків (перевірка кореляції, аутлейєрів…)
• Побудова нових змінних вручну
• Побудова нових змінних за допомогою бібліотек

Linear Regression & Regularization

• Лінійні моделі в задачах регресії
• Навчання моделі лінійної регресії
• Лінійна регресія в scikit-learn
• Градієнтний спуск у задачах лінійної регресії
• Стохастичний і mini-batch градієнтний спуск
• Перенавчання і недонавчання. Гіперпараметри
• Регулярізація
• Крос-валідація

Logistic Regression & Machine Learning Metrics

• Метрики якості
• Метрики якості в задачах регресії
• Метрики якості в задачах класифікації
• Метрики якості в scikit-learn
• Метричні моделі
• Принцип передбачення в метричних моделях
• Метрики відстані
• KNN класифікатор і регресор у scikit-learn

Tree Based Models

• Ідея роботи моделей на основі дерев рішень
• Тренування дерева рішень
• Критерії зупинки й "підстригання" дерев
• Дерева рішень і категоріальні фічі
• Приклади реалізації в scikit-learn
• Bias-Variance Tradeoff
• Bagging
• Boosting
• Stacking

SVM & Clustering

• SVM
• Ідея алгоримту. Робота на лінійно роздільних даних
• SVM на лінійно нероздільних даних
• Ядра. Метод вікна Парзена
• Кластеризація
• Unsupervised learning
• Основні алгоритми кластеризації
• k-means
• Ієрархічна кластеризація
• Кластеризація за щільністю об'єктів
• Інші методи кластеризації
• Метрики оцінки якості кластеризації

Dimensionality Reduction

Recommender Systems

Introduction to Deep Learning

• Визначення Deep Learning
• Задачі, що вирішуються за допомогою Deep Learning
• Нейронні мережі
• Основні фреймворки для Deep Learning
• Ознайомлення з PyTorch
• Тензори
• Набори даних і завантажувачі даних
• Побудова нейронної мережі
• Автоматичне обчислення похідних
• Оптимізація параметрів моделі
• Збереження і завантаження моделі

Deep Learning: Layers

• Linear Layers
• Convolutional Layers
• Pooling Layers
• Normalization Layers
• Embedding Layers
• Dropout Layers
• Special Layers
• Activation Layers
• Gradient Explosion
• Gradient Vanishing
• Weight Initializations

Deep Learning: Optimization

• Optimization: General Ideas
• Gradient Descent
• Stochastic Gradient Descent
• SGD with Momentum
• Nesterov Momentum
• RMSProp
• Adam

Introduction to Computer Vision

• Image Classification
• Image Segmentation
• Object Detection
• Object Tracking
• Facial Recognition
• Pose Estimation
• Gesture Recognition
• Optical Character Recognition (OCR)
• Image Restoration
• Image Generation
• OpenCV
• Albumentations

Computer Vision: Classification Models

• ImageNet Dataset
• LeNet
• AlexNet
• VGG
• GoogLeNet (Inception v1)
• Inception v2
• ResNet
• DenseNet
• MobileNet v1
• MobileNet v2
• MobileNet v3
• EfficientNet
• EfficientNet v2

Computer Vision: Segmentations Models

• Segmentation Datasets
• Metrics
• FCN
• SegNet
• U-Net
• LinkNet
• FPN
• ENet
• PSPNet
• DeepLab v3
• DeepLab v3+

Computer Vision: Object Detection

• Introduction to Object Detection
• Object Detection Metrics
• Non-Maximum Suppression (NMS)
• Viola-Jones Detectors
• HOG Detector
• Deep Learning-based Detection Methods
• Two and One Stage Detectors
• R-CNN
• Fast R-CNN
• Faster R-CNN
• FPN

Introduction to Natural Language Processing

Natural Language Processing: Embeddings

Transformers

• Transformer
• GPT
• BERT
• Vision Transformer (ViT)

Reinforcement Learning

Особливості курсу

• Курс розрахований на IT-фахівців та інженерів будь-якої спеціальності, які знають Python, лінійну алгебру, математичний аналіз і статистику на рівні першого курсу технічного вузу
• Впродовж навчання будуть розглянуті різні завдання машинного навчання з точки зору роботи з даними та особливостей різних моделей машинного навчання, візуалізація отриманих результатів
• Заняття в режимі онлайн
• Доступ до відеозаписів занять в особистому кабінеті
• В кінці курсу виконується дипломний проєкт
• Оперативна служба підтримки студентів
• Викладачі курсу - практикуючі фахівці, що працюють в топових компаніях
• Можливість повернути всі внесені за навчання кошти до шостого заняття
• Бонуси курсу:
  • тренінги по проходженню співбесіди та складанню резюме з HR-фахівцем компанії
  • тестова співбесіда з технічним фахівцем

Викладачі курсу

• Денис Ступак - Senior Data Analyst
• Андрій Полухін - Machine Learning Engineer at Data Science UA
• Євген Краснокутський - Team Lead at MobiDev
• Дмитро Дорошенко - Senior Machine Learning Engineer at Triple A Technology Hub Kyiv
• Олег Коменчук - Data Scientist at Onseo
• Руслан Хоменко - ML Engineer at Postindustria
• Вероніка Вознюк - Data Scientist at AI EdgeLabs
• Юрій Лозинський - Machine Learning Engineer at SciForce Solutions

Курс надає знання з основних принципів розробки та управління проектами з використанням Microsoft Project. На сьогодні це найпоширеніший інструмент для автоматизації проектної діяльності. За бажанням клієнтів курс може читатися для будь-якої версії Microsoft Project.

Програма курсу

Вступ до управління проєктами

• Поняття проєкту
• Загальні принципи управління проєктами
• Основні етапи роботи з проєктом
• Засоби автоматизації управління проєктами
• Загальний огляд MS Project

Створення нового проєкту

• Створення нового проекту "з нуля" та на основі шаблону
• Встановлення параметрів проєкту

Робота із завданнями як складовими частинами проєкту

• Поняття завдання
• Створення, зміна, видалення завдань
• Встановлення зв'язків між завданнями
• Створення ієрархії завдань
• Параметри завдань: тривалість, обмеження, спосіб обчислення трудовитрат тощо
• Особливі типи завдань: завдання, що повторюються, віхи, перервані завдання
• Огляд найбільш типових ситуацій, пов'язаних зі зміною параметрів робіт
• Активні та неактивні завдання
• Ручний та автоматичний режими планування

Ресурсне планування

• Основні поняття
• Види ресурсів
• Призначення ресурсів. Планування "від ресурсів" та "від робіт"
• Календарі. Налаштування календаря ресурсу
• Робота з вартістю ресурсів

Багатопроектність. Головні проекти та підпроекти. Зв'язок проектів через завдання

Друк проектної інформації

Налаштування середовища проєкту

• Сортування, групування та фільтрація даних
• Поля користувача та коди структури
• Налаштування таблиць та представлень
• Робота зі звітами

Аналіз та оптимізація проєкту

• Основні поняття
• Перевантаження ресурсів та його усунення. Функція автоматичного вирівнювання ресурсів
• Аналіз бюджету проєкту
• Аналіз розкладу проєкту. Метод критичного шляху
• Аналіз ризиків
• Оптимізація проєкту

Управління виконанням проєкту

• Основні поняття
• Робота з базовими планами
• Введення фактичних параметрів
• Аналіз виконання проєкту
• Коригування проєкту

Завершення проєкту

Особливості курсу

• LIVE-навчання незалежно від формату участі в курсі (очно/віддалено)
• Методичка у вигляді конспекту
• Електронний сертифікат НЦ
• Обід та кава-брейки (очний курс)
• Консультації тренера протягом 3-х місяців після закінчення курсу

Ви дізнаєтесь, як використовувати ШІ-інструменти для оптимізації робочих процесів, автоматизації рутинних задач та підвищення ефективності щоденної роботи. Курс містить практичні кейси, які допоможуть швидко адаптувати ШІ до ваших потреб.

Програма курсу

Огляд технологій

• Що таке MS Copilot Chat та ChatGPT простими словами
• Нейромережа. Тональність тексту
• Етика та правила спілкування із ШІ-ботами
• Успішний промпт: поради

Застосування ChatGPT у повсякденній роботі

• Знайомство. Побудова діалогу
• Допомога в текстах (створення листів, статей, сценарії, кодів)
• Аналіз, узагальнення, генерація ідей
• Базові математичні розрахунки. Побудова маршруту
• Додатково: освіта та саморозвиток
• PDF: текст, аналіз, підсумки, модифікація
• Docs: створення шаблону CV на основі сайту компанії мрії у різних форматах
• Зображення: аналіз фото, генерація зображень
• Таблиці: створення простих таблиць, обробка даних, витяг інформації
• Переклад: якість та особливості перекладу текстів
• Переваги та користь ChatGPT. GPT Canva

Користь використання MS Copilot-чат для рутинних задач.

• Перший запит. Поради від Copilot Chat
• Пошук джерел
• Робота з текстом: створення есе та картинки на основі змісту есе
• Генерація зображень, аналіз
• Створення квіза, тестів, брейншторм
• Редагування, форматування, аналіз тексту PDF
• Створення розкладу справ на рік при вивченні іспанської
• Чекліст задач на день. Тайм-менеджмент і Copilot
• Базові математичні розрахунки (на прикладі, ROI, KPI, часові пояси)
• Переклад та цифровізація документів
• Аудіозапити
• Взаємодія із Copilot Pages

Після курсу слухачі зможуть:

• Використовувати MS Copilot Chat та ChatGPT для покращення продуктивності
• Формулювати ефективні промпти для отримання потрібних результатів
• Створювати тексти, аналізувати інформацію, генерувати ідеї
• Опрацьовувати PDF-документи та текстові файли (Docs, таблиці, зображення)
• Використовувати Copilot-чат як автономного ШІ-асистента для підвищення ефективності роботи
• Генерувати зображення та працювати з мультимедійним контентом
• Робити базові розрахунки та застосовувати ШІ для планування та тайм-менеджменту

Особливості курсу

• Персональний безлімітний доступ до відеокурсу
• Електронний сертифікат Навчального центру
• Консультації тренера протягом 1-го місяця з моменту активації курсу

Програма курсу

Основи Python

Почнемо з вивчення Python - популярної мови програмування про дані та машинного навчання. Будемо вивчати базові принципи програмування, такі як змінні (типи даних, наприклад, числа, рядки, списки тощо), операції з ними (математичні операції, конкатенація тощо). Окрім того, навчимося працювати з функціями та модулями (як розбивати програму на частини для зручності), та класами (основи об'єктно-орієнтованого програмування).

Обробка даних у Python

Модуль навчить вас працювати з даними, що є основною задачею Data Science, індексувати (звертатися до окремих елементів в списках чи масивах). Також розглянемо обробку файлів (наприклад, CSV, Excel), як зчитувати дані з файлів та обробляти їх. Після цього ви зможете очищати дані від помилок, пропущених значень або непотрібних елементів.

Бібліотека Pandas

Це одна з найпопулярніших бібліотек для роботи з даними. Вона допомагає зберігати дані у табличних структурах, які називаються DataFrame. Познайомимось з методами очищення та попередньої обробки даних.

Matplotlib та Seaborn

Після обробки даних, ми перейдемо до їх візуалізації. Matplotlib - це бібліотека для створення графіків, а Seaborn - її розширення для зручнішого малювання. Візуалізація допомагає зрозуміти, що відбувається з даними.

Математика та статистичний аналіз

Математика та статистика, необхідні для роботи з даними. Ви дізнаєтесь, що таке множення матриць, вектори, середнє, медіана, дисперсія та як прогнозувати ймовірність подій. Це все важливо, тому що для побудови ефективних моделей машинного навчання потрібно розуміти ці концепції.

Введення до машинного навчання

Ми почнемо з життєвого циклу проєкту - від постановки задачі до тренування моделі. Ви дізнаєтесь, як поділити дані на тренувальний і тестовий набори (метод Train-test split, CV), як створювати pipeline - конвеєра машинного навчання.

Лінійна регресія

Лінійна регресія - це основний метод для прогнозування числових значень. Вона працює, припускаючи, що існує лінійний зв'язок між змінними (ознаками).

Логістична регресія

Логістична регресія використовується для задач класифікації. Вона дає ймовірність того, до якого класу належить об'єкт, і працює за принципом, що клас може бути "так" або "ні".

Дерево рішень (Decision Trees)

Дерево рішень розбиває дані на основі простих запитань, що дає уявлення про те, як можна класифікувати об'єкти. Ви вивчите, як використовувати дерево рішень для класифікації та регресії, а також як налаштовувати його для кращої ефективності.

K-Nearest Neighbor, KNN

KNN - алгоритм для класифікації даних, який використовує принцип, що схожі об'єкти знаходяться поруч. Тобто, для визначення, до якого класу належить новий об'єкт, алгоритм дивиться на найближчих сусідів.

Кластеризація даних

Процес поділу даних на групи, де об'єкти в кожній групі схожі між собою. Ми розглянемо K-means та GMM для кластеризації об'єктів за групами.

Метрики

Метрики дозволяють оцінювати, наскільки добре працюють моделі машинного навчання. Вивчите такі метрики, як точність (accuracy), precision (точність), recall (повнота), F1-score (комбінація точності і повноти) та AUC-ROC (криві для порівняння моделей).

Бустинг

Бустинг - це метод покращення точності моделей. Він комбінує слабкі моделі в сильну модель. Це може значно покращити результат.

Завершення розмірності та оптимізація гіперпараметрів

Ефективність моделей машинного навчання підвищується завдяки методам зменшення розмірності. Ми розглянемо методи зменшення вхідних ознак PCA, UMAP, t-SNE. Також ви дізнаєтесь, як налаштовувати параметри моделей (гіперпараметри), використовуючи методи оптимізації.

Нейронні мережі

Розділ охоплює основи Deep Learning - глибоких нейронних мереж. Ми навчимося створювати прості MLP (Multilayer Perceptrons) і розберемо їх використання в реальних задачах, таких як обробка зображень. Згодом ми познайомимось з CNN, нейромережею, призначеною для роботи з двовимірними зображеннями.

Tensorflow 2

TensorFlow - це бібліотека для створення складних моделей машинного навчання. Вона дозволяє швидко створювати та тренувати моделі, оптимізувати їх, а також зберігати та завантажувати готові моделі.

Google Colab

Google Colab - це хмарне середовище для тренування моделей, яке дозволяє вам використовувати потужні графічні процесори (GPU). Ми навчимося працювати з Colab для тренування моделей Deep Learning.

Natural Language Processing (NLP)

NLP - займається обробкою та аналізом текстових даних. Ми будемо використовувати бібліотеки NLTK і spaCy для обробки тексту: токенізації, лемматизації, виділення сутностей та багато іншого.

Особливості курсу

• Допомога ментора
• Практика
• Сертифікат про проходження курсу

Викладачі курсу

• Даніель Андерсон - Machine Learning Research Engineer
• Іван Гомонець - BI Tech Lead at GROWE
• Павло Чернега - Lead Machine Learning Engineer

Пройдеш повний цикл створення реалістичних 3D персонажів у Zbrush з нуля.

Програма курсу

Інтерфейс програми ZBrush

• Вивчення інтерфейсу та головних меню
• Інструменти для скульптінга, пензлики
• Примітіви програми
• Базовий інструментарій ліплення
• Додавання примітивів в сцену, орієнтація в палітрі Tool та перехід в режим Edit
• Гарячі клавіші роботи з вьюпортом

Інструменти Subtool

• Інструменти трансформації об'єктів
• Організація та реорганізація моделі, Polygroup, Subtool
• Способи поділу та з'єднання різних частин моделі
• Анатомія голови та основні параметри
• Практична робота: моделювання голови персонажу
• Трансформації та манипуляції

Геометрія та полігрупи

• Теорія та практика створення топологічної сітки для статичних та анімованих об'єктів
• Полігрупи і іх функції
• Анатомія тіла: Особливості, специфіка та хитрощі скульптингу
• Засоби перенесення деталізації з Low-poly на High-poly модель, повний розбір функціонала Project All
• Практична робота по створенню разних частин персонажів

Розділи Деформація, Альфа-канали, Маски

• Референси та модельні листи, принципи створення
• Виділення за допомогою масок та основні команди
• Створення одягу для персонажу
• Альфи та особливості їх створення
• Правила створення якісної моделі, принципи блокінгу
• Практична робота по створенню полноцінного персонажа в одязі
• Створення власних налаштувань робочого простору та оптимізація процесу ліплення

Текстурування та освітлення в програмі ZBrush

• Основні принципи текстурування в Zbrush
• Теорія та практика створення топологічної сітки для статичних та анімованих об'єктів
• Методи перенесення деталізації з Low-poly на High-polyмодель, повний розбір функціоналу Project All
• Види освітлення. Використання кольору для посилення композиції та емоцій
• Камери. Прийоми створення динамічних світлових ефектів
• Інструменти рендера
• Практична робота по размалюванню персонажа

Знайомство з програмою 3DS Max

• Знайомство з інтерфейсом програми
• Стандартні та розширені примітіви
• Матеріали: що це, як налаштовувати та додавати на моделі, накладати текстури
• Виділення розмірів, текстур і специфікацій матеріалів
• Створення моделей та оточення за допомогою примитівів

Полігональне моделювання

• Модіфікатори Edit Poly та Edit Mesh
• Світок Geometry
• Команди для роботи з подоб'єктами
• Групи зглажування
• Скульптінг - способи вигідної подачі моделі
• Практична робота с полігонами

Практична робота по темі полігони

• Створення ігрового хатинки
• Текстування моделей. Основні принципи текстурування в Zbrush
• Освітлення в пейзажах
• Прийоми створення динамічних світлових ефектів
• Створення реалістичності за допомогою текстури
• Рендер моделі

Нормалі, XForm, Pivot. Створення розгортки

• Поняття нормалі та групи сглажування. Додаткові інструменти
• Зважені нормалі
• Утіліта XForm для сброса зайвої інформациїї
• Правила роботи з опорной точкою об'єкта
• Робота з розгорткою. Юдіми, падінг
• Практична робота по створенню розгортки персонажа

Матеріали, освітлення, рендер

• Редактор матеріалов, карти
• Варіанти освітлення
• Камери та налаштування рендера
• Текстування зброї та оточення

Запікання та текстурування в програмі Substance Painter

• Інтерфейс програми
• Запеканя карт
• Шари та властивості матеріалов
• Експорт карт в інші програми
• Практична робота по размалюванню персонажа

Ретопологія персонажа в Maya та Topogun

• Створення лоу моделі
• Накладення сітки. Додавання текстур
• На практиці вчимось зменшувати кількість полігонів на моделі і зберегти якісну сітку
• Рендер персонажа в програмі Zbrush

Подача персонажа в програмі Marmoset Toolbag

• Інтерфейс та інструментарій програми Marmoset Toolbag
• Виставлення світлення
• Створення реалістичності за допомогою освітлення
• Накладання карт

Створення анімації персонажа в 3DS Max та Maya

• Базові поняття анімації. Іерархія та оснастка
• Система рігов Cat
• Створення скелету в Maya
• Прив'язка до Skin. Ретаргет

Project

• Підготовка дипловного проєкту
• Оформлення портфоліо
• Відкритий захист проєкту

Особливості курсу

• Допомога ментора
• Практика
• Проєкт в портфоліо
• Сертифікат про проходження курсу

Викладачі курсу

Олена Настай - 3D Artist