...
← Catalog
Logo Curs Machine Learning și AI pentru începători
Curs · Ai nevoie de bazele Python și ale analizei de date

Curs Machine Learning și AI pentru începători

Machine Learning pentru începători: modele reale cu Python și scikit-learn

Începe cele 15 lecții gratuite →

Învață Machine Learning și inteligență artificială în ritmul tău, direct în browser, cu Python real, numpy și scikit-learn. Pornești de la ce înseamnă un model și matematica necesară, apoi construiești regresii, clasificatoare, arbori, păduri aleatoare, clustering și chiar rețele neuronale scrise de la zero. La final înțelegi cum funcționează NLP-ul, transformerele și modelele mari de limbaj (LLM) și ai proiecte complete pentru portofoliu.

Profu' te ajută la fiecare exercițiu. Tutorele AI îți explică erorile și îți dă indicii, fără să-ți dea direct soluția.

  • 350lecții interactive
  • 15lecții gratuite
  • 6certificate
  • ≈ 95ore de studiu
Începi gratuit Primele 15 lecții gratuite Fără instalări · în ritmul tău · acces pe viață
  • 350 de lecții interactive
  • Python, numpy și scikit-learn reale în browser
  • Rețele neuronale construite de la zero
  • 6 certificate incluse în parcurs
Începe gratuit →

Lecțiile 1–15 sunt gratuite. Fără card.

Apoi, dacă îți place: Matematica pentru ML cu numpy la doar 77 RON.

Înainte să începi

Cursul acesta pornește de la ce ai învățat în cursurile de mai jos. Dacă ești la început, parcurge-le întâi: primele lecții sunt gratuite.

Încearcă acum, fără cont

Rulează primul tău program Python

Ne spui cum te cheamă, iar programul te salută pe nume. Apeși Rulează și vezi rezultatul pe loc.

main.pyMachine Learning și AI pentru începători
ConsolăGata
Apasă „Rulează” și vezi rezultatul aici.

Scrie-ți numele și rulăm acum primul tău program Python.

Machine Learning și AI pentru începători se pregătește în fundal…

Cursul de Machine Learning și AI: cât costă, cât durează și ce primești

Cursul de Machine Learning și AI de la Academia Programatorilor este un curs online interactiv în limba română, pentru cei care știu Python și pandas, cu 350 de lecții despre scikit-learn, rețele neuronale, NLP și LLM-uri, iar primele 15 de lecții sunt gratuite.

Gratuit
Primele 15 lecții, fără card și fără cont la început
Cât de lung e
350 de lecții în 6 module, ≈ 95 de ore de studiu
Certificat
La finalul fiecărui modul (6 certificate), verificabil online. Cursul nu e acreditat.
Limba
Română, cu termenii tehnici explicați pe înțeles
Format
Scrii și rulezi cod Python cu NumPy, pandas și scikit-learn direct în browser, fără instalări; exercițiile sunt verificate automat, iar tutorele AI Profu' te ajută.
Preț
Tot cursul 597 lei, un modul de la 77 lei, plată unică, acces pe viață
Pentru cine
Cei care știu Python și pandas; matematica necesară (algebră, statistică, probabilități) este predată în curs.
Cum înveți

Cum se desfășoară cursul

100% online, direct în browser

Cursul este online și se desfășoară în browser: citești lecția, rulezi exemplele, scrii codul și îl verifici. Primele 15 lecții sunt gratuite și îți arată ce este AI, cum învață un model și cum arată primele modele în scikit-learn.

Module, certificate și progres salvat

Cele 350 de lecții sunt grupate în șase module, fiecare cu propriul certificat, de la Diplomă Introducere în AI și Machine Learning la Diplomă Junior Machine Learning Engineer. Progresul se salvează automat și înveți în ritmul tău.

Nou · tutore AI în fiecare lecție

Te-ai blocat la un exercițiu de Machine Learning? Întreabă-l pe Profu'.

Profu' stă lângă exercițiul fiecărei lecții din curs, pe site și în aplicația mobilă. Vede cerința, codul tău și ce a afișat rularea, apoi îți arată unde ai greșit și de ce, ca să poți continua singur.

  • Încearcă întâi singur

    Scrii rezolvarea și apeși Rulează. Profu' se deblochează după prima încercare.

  • Apeși „Întreabă-l pe Profu'”

    Îi spui ce nu înțelegi sau alegi „Dă-mi un indiciu”. Te ajută doar cu lecția la care ești.

  • Primești un indiciu, nu doar soluția

    Îți explică eroarea pe limba ta. Corectezi tu și treci la lecția următoare.

Încearcă-l în lecția 1 gratuită → 1 întrebare pe lecție la lecțiile gratuite · 5 la lecțiile din modulele plătite
Ce vei învăța

Abilitățile cu care termini cursul

350 de lecții interactive, de la primele linii de cod la proiecte complete. Fiecare temă de mai jos are exerciții verificate automat.

  1. 01Matematica pentru ML cu numpy
  2. 02Regresie liniară și logistică
  3. 03Clasificare, arbori și ansambluri
  4. 04Evaluare, validare și pipeline-uri
  5. 05Rețele neuronale de la zero
  6. 06NLP, transformere și LLM-uri explicate
Vezi programa completă, modul cu modul ↓
Prima lecție din Curs Machine Learning și AI pentru începători, deschisă pe un laptop: explicația în stânga, editorul de cod în dreapta

Programa cursului

6 module · 350 lecții · 6 certificate ·

Ce este AI și Machine Learning Lecțiile 1–15 · 17 elemente · Diplomă Introducere în AI și Machine Learning Gratuit Vezi lecțiileAscunde lecțiile
Matematica pentru ML cu numpy Lecțiile 16–80 · 67 de elemente · Diplomă Matematica pentru Machine Learning 77 RON Vezi lecțiileAscunde lecțiile

Deblochează lecțiile 16–80 cu o plată unică, singur sau împreună cu restul cursului. Accesul se activează automat în contul tău.

Creează cont gratuit

Numpy

  1. Lecția 16Calcule vectorizate
  2. Lecția 17Statistici rapide cu numpy

Primele modele

  1. Lecția 18Dreapta: y = a·x + b
  2. Lecția 19Ghicim panta de mână

Evaluare

  1. Lecția 20Funcția de pierdere: MSE

Primele modele

  1. Lecția 21Căutarea celei mai bune pante

Vizualizare

  1. Lecția 22Graficul datelor și al modelului

Scikit-learn

  1. Lecția 23Primul model cu scikit-learn
  2. Lecția 24Rețeta fit, predict, score

Primele modele

  1. Lecția 25Distanța dintre două exemple
  2. Lecția 26Clasificare cu cel mai apropiat vecin

Evaluare

  1. Lecția 27Acuratețea unui clasificator

Ai responsabil

  1. Lecția 28Ce poate și ce nu poate AI

Introducere

  1. Lecția 29AI în aplicații reale

Recapitulare

  1. Lecția 30Recapitulare: primul tău flux ML

Vectori

  1. Lecția 31Vectori: un exemplu ca listă de numere
  2. Lecția 32Adunarea și scalarea vectorilor
  3. Lecția 33Produsul scalar (dot product)
  4. Lecția 34Lungimea (norma) unui vector
  5. Lecția 35Distanța euclidiană cu numpy
  6. Lecția 36Similaritatea cosinus

Matrici

  1. Lecția 37Matrici: tabelul de date ca X
  2. Lecția 38Forme: reshape și dimensiuni
  3. Lecția 39Operații pe axe: axis=0 și axis=1
  4. Lecția 40Transpusa unei matrici
  5. Lecția 41Înmulțirea matricilor
  6. Lecția 42Broadcasting
  7. Lecția 43Matricea identitate și matricea de zero-uri
  8. Lecția 44Inversa unei matrici

Regresie de la zero

  1. Lecția 45Regresia liniară cu ecuația normală

Proiect

  1. Lecția 46Mini-proiect: recomandări după asemănare

Statistică

  1. Lecția 47Media, varianța și deviația standard

Pregătirea datelor

  1. Lecția 48Standardizarea (z-score)
  2. Lecția 49Normalizarea min–max
  3. Lecția 50StandardScaler și MinMaxScaler

Probabilități

  1. Lecția 51Probabilități de bază
  2. Lecția 52Probabilitatea condiționată
  3. Lecția 53Teorema lui Bayes
  4. Lecția 54Numere aleatoare cu seed
  5. Lecția 55Distribuția normală

Vizualizare

  1. Lecția 56Histograma unei caracteristici

Probabilități

  1. Lecția 57Eșantionare și amestecare

Statistică

  1. Lecția 58Covarianța și corelația
  2. Lecția 59Matricea de corelație

Proiect

  1. Lecția 60Mini-proiect: analiza caracteristicilor

Analiză

  1. Lecția 61Funcții matematice și graficul lor
  2. Lecția 62Panta unei curbe: derivata
  3. Lecția 63Derivata numerică
  4. Lecția 64Derivate parțiale și gradientul
  5. Lecția 65Regula lanțului

Gradient descent

  1. Lecția 66Coborârea pe gradient (1D)
  2. Lecția 67Rata de învățare
  3. Lecția 68Gradient descent pentru regresia liniară
  4. Lecția 69Curba de pierdere
  5. Lecția 70Gradient descent cu mai multe caracteristici
  6. Lecția 71Gradient descent pe loturi (mini-batch)

Proiect

  1. Lecția 72Mini-proiect: regresie liniară de la zero

Funcții pentru ml

  1. Lecția 73Exponențiala și logaritmul
  2. Lecția 74Funcția sigmoid
  3. Lecția 75Funcția softmax
  4. Lecția 76Entropia și log loss
  5. Lecția 77ReLU, tanh și alte activări

Matrici

  1. Lecția 78Direcțiile principale ale datelor

Probabilități

  1. Lecția 79Verosimilitatea: cât de bine explică un model datele

Recapitulare

  1. Lecția 80Recapitulare: matematica pentru ML

Certificare

  1. CertificatDiplomă Matematica pentru Machine Learning
Regresie și clasificare Lecțiile 81–140 · 62 de elemente · Diplomă Regresie și clasificare 127 RON Vezi lecțiileAscunde lecțiile

Deblochează lecțiile 81–140 cu o plată unică, singur sau împreună cu restul cursului. Accesul se activează automat în contul tău.

Creează cont gratuit

Flux de lucru

  1. Lecția 81Fluxul unui proiect ML
  2. Lecția 82Încărcarea datelor pentru un model
  3. Lecția 83train_test_split

Regresie

  1. Lecția 84Regresie liniară cu mai multe caracteristici
  2. Lecția 85Interpretarea coeficienților

Evaluare

  1. Lecția 86Metrici de regresie: MAE și RMSE
  2. Lecția 87Coeficientul R²
  3. Lecția 88Reziduurile modelului
  4. Lecția 89Comparația cu baseline-ul

Pregătirea datelor

  1. Lecția 90Caracteristici categoriale
  2. Lecția 91One-hot encoding

Regresie

  1. Lecția 92Model cu caracteristici numerice și categoriale

Proiect

  1. Lecția 93Mini-proiect: prețul apartamentelor

Regresie

  1. Lecția 94Relații neliniare: caracteristici polinomiale

Generalizare

  1. Lecția 95Supraantrenare și subantrenare
  2. Lecția 96Compromisul bias–varianță
  3. Lecția 97Setul de validare

Regresie

  1. Lecția 98Regularizarea Ridge (L2)
  2. Lecția 99Regularizarea Lasso (L1)

Generalizare

  1. Lecția 100Alegerea parametrului alpha

Regresie

  1. Lecția 101Regresie pe un set de date medical

Pregătirea datelor

  1. Lecția 102Valori lipsă: SimpleImputer
  2. Lecția 103Valori extreme (outlieri)
  3. Lecția 104Transformarea logaritmică a țintei

Proiect

  1. Lecția 105Mini-proiect: consumul de energie al unei clădiri

Clasificare

  1. Lecția 106De la regresie la clasificare
  2. Lecția 107Regresia logistică: intuiția
  3. Lecția 108Regresia logistică de la zero
  4. Lecția 109LogisticRegression în scikit-learn
  5. Lecția 110Pragul de decizie

Evaluare

  1. Lecția 111Matricea de confuzie
  2. Lecția 112Precizie și recall
  3. Lecția 113Scorul F1 și classification_report
  4. Lecția 114Compromisul precizie–recall

Proiect

  1. Lecția 115Mini-proiect: aprobarea creditelor

Clasificare

  1. Lecția 116Frontiera de decizie
  2. Lecția 117Clasificare cu mai multe clase

Evaluare

  1. Lecția 118Matricea de confuzie pentru mai multe clase

Clasificare

  1. Lecția 119k-NN de la zero
  2. Lecția 120KNeighborsClassifier
  3. Lecția 121Alegerea lui k

Regresie

  1. Lecția 122k-NN pentru regresie

Clasificare

  1. Lecția 123Naive Bayes: intuiția
  2. Lecția 124GaussianNB pentru caracteristici numerice

Proiect

  1. Lecția 125Mini-proiect: filtru de spam cu cuvinte cheie

Evaluare

  1. Lecția 126Clase dezechilibrate
  2. Lecția 127Ponderarea claselor
  3. Lecția 128Cât de de încredere sunt probabilitățile
  4. Lecția 129Curba ROC și AUC
  5. Lecția 130Comparația mai multor clasificatoare

Flux de lucru

  1. Lecția 131Predicții pentru date noi
  2. Lecția 132Erori frecvente în scikit-learn

Proiect

  1. Lecția 133Mini-proiect: clienții care pleacă (churn)

Clasificare

  1. Lecția 134Regularizarea regresiei logistice

Pregătirea datelor

  1. Lecția 135Caracteristici combinate

Clasificare

  1. Lecția 136Interpretarea regresiei logistice

Pregătirea datelor

  1. Lecția 137Caracteristici corelate între ele

Proiect

  1. Lecția 138Mini-proiect: diagnostic asistat

Interviu

  1. Lecția 139Întrebări frecvente: regresie și clasificare

Recapitulare

  1. Lecția 140Recapitulare: regresie și clasificare

Certificare

  1. CertificatDiplomă Regresie și clasificare
Modele avansate și evaluare Lecțiile 141–210 · 72 de elemente · Diplomă Modele avansate și evaluare 177 RON Vezi lecțiileAscunde lecțiile

Deblochează lecțiile 141–210 cu o plată unică, singur sau împreună cu restul cursului. Accesul se activează automat în contul tău.

Creează cont gratuit

Arbori

  1. Lecția 141Arbori de decizie: intuiția
  2. Lecția 142Impuritatea Gini
  3. Lecția 143Entropia și câștigul de informație
  4. Lecția 144Găsirea celei mai bune împărțiri
  5. Lecția 145Un arbore cu un singur nivel (decision stump)
  6. Lecția 146DecisionTreeClassifier
  7. Lecția 147Adâncimea arborelui și supraantrenarea
  8. Lecția 148Desenarea arborelui
  9. Lecția 149Arbori de regresie
  10. Lecția 150Importanța caracteristicilor

Proiect

  1. Lecția 151Mini-proiect: decizii explicabile la asigurări

Ansambluri

  1. Lecția 152Ansambluri: înțelepciunea mulțimii
  2. Lecția 153Bagging: eșantioane bootstrap
  3. Lecția 154Random Forest
  4. Lecția 155Parametrii unei păduri aleatoare
  5. Lecția 156Random Forest pentru regresie
  6. Lecția 157Boosting: învățăm din greșeli
  7. Lecția 158Gradient Boosting
  8. Lecția 159HistGradientBoosting: boosting rapid

Proiect

  1. Lecția 160Mini-proiect: detecția fraudei

Svm

  1. Lecția 161Mașini cu vectori suport (SVM): intuiția
  2. Lecția 162Kernel-uri: frontiere neliniare
  3. Lecția 163Parametrii C și gamma

Validare

  1. Lecția 164Validarea încrucișată (k-fold)
  2. Lecția 165cross_val_score
  3. Lecția 166Validare stratificată
  4. Lecția 167cross_validate cu mai multe metrici
  5. Lecția 168GridSearchCV
  6. Lecția 169RandomizedSearchCV
  7. Lecția 170Citirea rezultatelor căutării

Proiect

  1. Lecția 171Mini-proiect: alegerea celui mai bun model

Pipeline

  1. Lecția 172Pipeline: pașii legați împreună
  2. Lecția 173Pipeline în GridSearchCV
  3. Lecția 174ColumnTransformer: coloane diferite, pași diferiți
  4. Lecția 175Un pipeline complet pe un DataFrame

Validare

  1. Lecția 176Scurgerea de informații (data leakage)
  2. Lecția 177Validarea pe date în timp

Pregătirea datelor

  1. Lecția 178Caracteristici din date calendaristice

Proiect

  1. Lecția 179Mini-proiect: prognoza vânzărilor

Clustering

  1. Lecția 180Învățarea nesupervizată în practică
  2. Lecția 181K-means de la zero
  3. Lecția 182KMeans în scikit-learn
  4. Lecția 183Câte grupe? Metoda cotului
  5. Lecția 184Scorul silhouette
  6. Lecția 185Scalarea înainte de clustering
  7. Lecția 186Interpretarea segmentelor
  8. Lecția 187Clustering ierarhic
  9. Lecția 188DBSCAN: grupuri după densitate

Proiect

  1. Lecția 189Mini-proiect: segmentarea clienților unui magazin online

Pca

  1. Lecția 190De ce reducem dimensiunea datelor
  2. Lecția 191PCA de la zero
  3. Lecția 192PCA în scikit-learn
  4. Lecția 193Câte componente păstrăm
  5. Lecția 194PCA înaintea unui model

Anomalii

  1. Lecția 195Detecția anomaliilor

Proiect

  1. Lecția 196Mini-proiect: senzori dintr-o fabrică

Pregătirea datelor

  1. Lecția 197Selecția caracteristicilor

Explicabilitate

  1. Lecția 198Importanța prin permutare

Pregătirea datelor

  1. Lecția 199Ingineria caracteristicilor

Evaluare

  1. Lecția 200Reeșantionarea claselor rare
  2. Lecția 201Metrici de afacere: costul greșelilor
  3. Lecția 202Curba precizie–recall

Validare

  1. Lecția 203Curbe de învățare: mai multe date ajută?
  2. Lecția 204Curbe de validare pentru un hiperparametru

Flux de lucru

  1. Lecția 205Salvarea unui model antrenat

Evaluare

  1. Lecția 206Un raport de evaluare complet

Ansambluri

  1. Lecția 207Votul mai multor modele: VotingClassifier
  2. Lecția 208Stacking: un model care combină modele

Interviu

  1. Lecția 209Întrebări frecvente: modele și evaluare

Recapitulare

  1. Lecția 210Recapitulare: modele avansate și evaluare

Certificare

  1. CertificatDiplomă Modele avansate și evaluare
Rețele neuronale și NLP Lecțiile 211–280 · 72 de elemente · Diplomă Rețele neuronale și NLP 247 RON Vezi lecțiileAscunde lecțiile

Deblochează lecțiile 211–280 cu o plată unică, singur sau împreună cu restul cursului. Accesul se activează automat în contul tău.

Creează cont gratuit

Rețele neuronale

  1. Lecția 211Ce este o rețea neuronală
  2. Lecția 212Neuronul artificial
  3. Lecția 213Perceptronul
  4. Lecția 214Limita perceptronului: problema XOR
  5. Lecția 215Un strat de neuroni ca înmulțire de matrici
  6. Lecția 216Propagarea înainte (forward pass)
  7. Lecția 217Pierderea unei rețele
  8. Lecția 218Backpropagation: intuiția
  9. Lecția 219Backpropagation: stratul de ieșire
  10. Lecția 220Backpropagation: stratul ascuns
  11. Lecția 221Bucla de antrenare
  12. Lecția 222Rețeaua ca o clasă Python

Proiect

  1. Lecția 223Mini-proiect: frontiera unei rețele neuronale

Antrenare

  1. Lecția 224Inițializarea ponderilor
  2. Lecția 225Ce activare alegem în straturile ascunse

Rețele neuronale

  1. Lecția 226Rețea pentru mai multe clase: softmax
  2. Lecția 227Recunoașterea cifrelor scrise de mână

Antrenare

  1. Lecția 228Antrenarea pe mini-loturi
  2. Lecția 229Rata de învățare și programarea ei

Optimizare

  1. Lecția 230Momentum
  2. Lecția 231Optimizatorul Adam

Generalizare

  1. Lecția 232Supraantrenarea rețelelor
  2. Lecția 233Regularizarea L2 (weight decay)
  3. Lecția 234Dropout
  4. Lecția 235Oprirea timpurie (early stopping)

Antrenare

  1. Lecția 236Normalizarea intrărilor și batch normalization

Proiect

  1. Lecția 237Mini-proiect: clasificatorul de cifre complet

Rețele neuronale

  1. Lecția 238Comparație cu MLPClassifier din scikit-learn
  2. Lecția 239Rețele neuronale pentru regresie

Antrenare

  1. Lecția 240Dispariția gradientului în rețele adânci
  2. Lecția 241Depanarea unei rețele neuronale

Rețele neuronale

  1. Lecția 242Salvarea și încărcarea ponderilor
  2. Lecția 243Transfer learning: refolosirea unei rețele

Unelte

  1. Lecția 244PyTorch, TensorFlow și Keras

Imagini

  1. Lecția 245Convoluția: cum „văd” rețelele imaginile
  2. Lecția 246Rețele convoluționale (CNN)

Secvențe

  1. Lecția 247Rețele recurente pentru secvențe

Nlp

  1. Lecția 248Embedding-uri: cuvinte ca vectori

Proiect

  1. Lecția 249Mini-proiect: un autoencoder mic

Nlp

  1. Lecția 250Procesarea limbajului natural (NLP)
  2. Lecția 251Curățarea textului
  3. Lecția 252Tokenizarea
  4. Lecția 253Cuvinte de legătură (stop words)
  5. Lecția 254Frecvența cuvintelor
  6. Lecția 255Rădăcinile cuvintelor (stemming)
  7. Lecția 256Bag of words de la zero
  8. Lecția 257CountVectorizer
  9. Lecția 258TF-IDF: cuvinte importante
  10. Lecția 259N-grame: perechi de cuvinte
  11. Lecția 260Clasificarea sentimentului
  12. Lecția 261Naive Bayes pentru text

Proiect

  1. Lecția 262Mini-proiect: filtrul de spam

Nlp

  1. Lecția 263Căutarea documentelor după asemănare
  2. Lecția 264Cum se învață embedding-urile (word2vec)
  3. Lecția 265Embedding-ul unei propoziții
  4. Lecția 266Descoperirea temelor din texte
  5. Lecția 267Gruparea textelor
  6. Lecția 268Detectarea limbii unui text
  7. Lecția 269Extragerea informațiilor din text

Proiect

  1. Lecția 270Mini-proiect: analiza recenziilor unui magazin

Modele de limbaj

  1. Lecția 271Primul model de limbaj: bigrame
  2. Lecția 272Generarea de text cu bigrame
  3. Lecția 273Cât de bun e un model de limbaj: perplexitatea
  4. Lecția 274Un model de limbaj cu rețea neuronală
  5. Lecția 275Tokeni la nivel de caractere și subcuvinte

Proiect

  1. Lecția 276Mini-proiect: asistent FAQ pentru un magazin

Ai responsabil

  1. Lecția 277Prejudecăți în modelele de limbaj

Nlp

  1. Lecția 278Evaluarea modelelor de text

Interviu

  1. Lecția 279Întrebări frecvente: rețele neuronale și NLP

Recapitulare

  1. Lecția 280Recapitulare: rețele neuronale și NLP

Certificare

  1. CertificatDiplomă Rețele neuronale și NLP
Junior ML Engineer Lecțiile 281–350 · 71 de elemente · Diplomă Junior Machine Learning Engineer 347 RON Vezi lecțiileAscunde lecțiile

Deblochează lecțiile 281–350 cu o plată unică, singur sau împreună cu restul cursului. Accesul se activează automat în contul tău.

Creează cont gratuit

Llm și ai generativ

  1. Lecția 281De la rețele recurente la transformere
  2. Lecția 282Atenția: pe ce cuvinte se uită modelul
  3. Lecția 283Atenția cu produs scalar în numpy
  4. Lecția 284Query, Key și Value
  5. Lecția 285Masca cauzală: modelul nu vede viitorul
  6. Lecția 286Atenția cu mai multe capete
  7. Lecția 287Poziția cuvintelor: positional encoding
  8. Lecția 288Un bloc transformer complet

Proiect

  1. Lecția 289Mini-proiect: un mini-GPT care prezice următorul caracter

Llm și ai generativ

  1. Lecția 290Cum se antrenează un LLM
  2. Lecția 291Temperatura și eșantionarea
  3. Lecția 292Fine-tuning, instrucțiuni și RLHF
  4. Lecția 293Prompt engineering
  5. Lecția 294Tokeni, fereastra de context și costuri
  6. Lecția 295RAG: răspunsuri din documentele tale
  7. Lecția 296Baze de date vectoriale
  8. Lecția 297Halucinații și evaluarea LLM-urilor
  9. Lecția 298AI generativ pentru imagini: modele de difuzie

Proiect

  1. Lecția 299Mini-proiect: asistent RAG pentru documentația unei firme

Llm și ai generativ

  1. Lecția 300Agenți AI și folosirea uneltelor
  2. Lecția 301Cum se folosește un LLM printr-un API

Ai responsabil

  1. Lecția 302Folosirea responsabilă a AI-ului generativ

Mlops

  1. Lecția 303Ciclul de viață al unui model în producție

Inginerie

  1. Lecția 304Structura unui proiect ML
  2. Lecția 305Cod curat pentru ML

Testare

  1. Lecția 306Testarea codului de preprocesare
  2. Lecția 307Teste pentru modele

Mlops

  1. Lecția 308Reproductibilitatea experimentelor
  2. Lecția 309Urmărirea experimentelor
  3. Lecția 310Validarea datelor la intrare
  4. Lecția 311Modelul ca serviciu (API)
  5. Lecția 312Predicții în loturi
  6. Lecția 313Monitorizare și deriva datelor (drift)
  7. Lecția 314Când și cum reantrenăm
  8. Lecția 315Testarea A/B a modelelor

Explicabilitate

  1. Lecția 316Explicarea unei predicții

Ai responsabil

  1. Lecția 317Corectitudine (fairness)
  2. Lecția 318Date personale și GDPR în ML
  3. Lecția 319AI Act și reglementări

Unelte

  1. Lecția 320Unelte din industria ML

Proiect mare

  1. Lecția 321Proiect churn (1/6): problema și datele
  2. Lecția 322Proiect churn (2/6): pregătirea datelor
  3. Lecția 323Proiect churn (3/6): primele modele
  4. Lecția 324Proiect churn (4/6): optimizare și prag
  5. Lecția 325Proiect churn (5/6): explicarea modelului
  6. Lecția 326Proiect churn (6/6): livrarea
  7. Lecția 327Proiect recomandări (1/6): datele și baseline-ul
  8. Lecția 328Proiect recomandări (2/6): utilizatori asemănători
  9. Lecția 329Proiect recomandări (3/6): cărți asemănătoare
  10. Lecția 330Proiect recomandări (4/6): factorizarea matricii
  11. Lecția 331Proiect recomandări (5/6): evaluarea
  12. Lecția 332Proiect recomandări (6/6): conținut și pornire la rece
  13. Lecția 333Proiect imobiliare (1/4): pipeline-ul complet
  14. Lecția 334Proiect imobiliare (2/4): analiza erorilor
  15. Lecția 335Proiect imobiliare (3/4): funcția de estimare
  16. Lecția 336Proiect imobiliare (4/4): raportul pentru client

Pregătire job

  1. Lecția 337Algoritmi și complexitate în ML
  2. Lecția 338SQL pentru date de antrenare

Interviu

  1. Lecția 339Interviu: întrebări teoretice
  2. Lecția 340Interviu: exerciții de cod
  3. Lecția 341Interviu: proiectarea unui sistem ML
  4. Lecția 342Interviu: întrebări comportamentale

Carieră

  1. Lecția 343Portofoliul de proiecte ML
  2. Lecția 344CV-ul pentru primul job în ML
  3. Lecția 345Roluri în AI și cum ajungi la ele
  4. Lecția 346Ce înveți mai departe

Proiect final

  1. Lecția 347Proiect final (1/4): planificarea
  2. Lecția 348Proiect final (2/4): modelele pentru clienți
  3. Lecția 349Proiect final (3/4): recenzii și recomandări
  4. Lecția 350Proiect final: sistemul inteligent complet

Certificare

  1. CertificatDiplomă Junior Machine Learning Engineer

Proiectele pe care le construiești

În cursul de Machine Learning și AI pentru începători lucrezi la 44 de proiecte practice, verificate automat, de la primele module până la final. Câteva dintre ele:

  1. estimator naiv de prețuriModulul 1 · gratuit
  2. diagnostic asistatModulul 3
  3. clasificatorul de cifre completModulul 5
  4. Proiect churn (3/6): primele modeleModulul 6
  5. Proiect recomandări (5/6): evaluareaModulul 6
  6. sistemul inteligent completModulul 6
Primele 15 lecții sunt gratuite

Deblochează tot cursul dintr-o singură plată

Fără etape intermediare: toate lecțiile, exercițiile și certificatele, cu acces pe viață în contul tău. Poți cumpăra și modul cu modul, dacă preferi.

  • 350 de lecții interactivecod scris și rulat direct în browser, fără instalări
  • Exerciții verificate automatfeedback pe loc la fiecare exercițiu
  • 6 certificatela finalul fiecărui modul, verificabile online
  • ≈ 95 de ore de studiuîn ritmul tău, progresul rămâne salvat

4,9 din 5 · 128 de recenzii Google

Tudor este un om minunat, cu mult profesionalism. Își face treaba într-adevăr ca un Profi, în ceea ce face. De la primul call mi-a dat motivație de a învăța. Îl recomand din toată inima. Mulțumesc
Mihai Bode
Recomand cursul online de programare, foarte bine structurat, explicatiile sunt usor de inteles si contine foarte multe exercitii practice.
Ioana Dumitrache
Toate recenziile pe Google
Continuă cu tot cursul · 597 RON

Nu ai nevoie de cont înainte: ți-l creăm automat pe emailul folosit la plată. Ai deja cont? Intră în cont și accesul se adaugă acolo.

Garanție 7 zile, banii înapoi. Dacă nu ți se potrivește, ceri returnarea integrală în 7 zile de la plată, cât timp ai parcurs cel mult 20% din lecțiile cumpărate. Detalii

Plată unică, fără abonament, prin Stripe (card, Apple Pay, Google Pay) · factură automată · accesul se activează imediat în cont

Tudor Andrei Dumitrescu
Cine e în spatele cursurilor

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Cursul de Machine Learning și AI e gândit la fel: înveți ce se folosește la job.

Curs Machine Learning

Despre cursul de Machine Learning și AI

Acest curs Machine Learning te învață inteligență artificială pas cu pas, direct în browser, cu Python real, NumPy și scikit-learn. Pornești de la ce înseamnă un model și matematica necesară și ajungi la rețele neuronale construite de la zero, NLP și modele mari de limbaj.

Persoană care antrenează un model de Machine Learning în Python pe laptop

Cursul are 350 de lecții, împărțite în șase etape. Prima, Ce este AI și Machine Learning, explică tipurile de învățare, rolul datelor, primele modele, evaluarea și AI responsabil. A doua etapă construiește matematica necesară cu NumPy: vectori, matrice, statistică, probabilități și gradient descent, inclusiv o regresie liniară scrisă de la zero. A treia etapă acoperă regresia și clasificarea cu scikit-learn.

Etapa Modele avansate și evaluare include arbori de decizie, păduri aleatoare și alte ansambluri, SVM, validare încrucișată, pipeline-uri, clustering, PCA, detecția anomaliilor și explicabilitate. Urmează Rețele neuronale și NLP: scrii rețele de la zero, înveți antrenarea și optimizarea, lucrul cu imagini, secvențe și text, și înțelegi cum funcționează transformerele. Ultima etapă, Junior ML Engineer, tratează LLM-uri și AI generativ, MLOps, testare, proiecte mari și pregătirea pentru interviu.

Fiecare lecție are o explicație clară, exemple de cod cu rezultatul afișat și un exercițiu practic. Codul rulează cu Python real în browser, iar rezultatul este verificat automat. Pe parcurs lucrezi la mini-proiecte concrete: prețul apartamentelor, aprobarea creditelor, detecția fraudei, segmentarea clienților sau un clasificator de cifre. La final, proiectele complete îți rămân ca portofoliu pe care îl poți prezenta la interviuri.

Pentru cine este cursul

Cursul ți se potrivește dacă ești

  • Cei care cunosc bazele Python și ale analizei de date
  • Absolvenți ai cursului de Data Analysis care vor să meargă mai departe
  • Programatori curioși cum funcționează inteligența artificială
  • Studenți care caută un curs AI pentru începători, explicat în română
  • Analiști de date care vor să adauge predicții în rapoartele lor
La final

Ce vei putea face după acest curs Machine Learning

Vezi programa completă ↓
  1. 01

    Să pregătești datele și să alegi tipul potrivit de model

  2. 02

    Să construiești modele de regresie și clasificare cu scikit-learn

  3. 03

    Să evaluezi corect un model cu validare încrucișată și metrici potrivite

  4. 04

    Să folosești arbori, ansambluri, clustering și PCA

  5. 05

    Să scrii o rețea neuronală de la zero cu NumPy

  6. 06

    Să explici cum funcționează NLP-ul și modelele mari de limbaj

4,9 din 5 · 128 de recenzii Google

Ce spun cursanții despre cursurile noastre

Toate recenziile pe Google
Video · 13 minute

Absolvenții noștri, în cuvintele lor

Cursanți care au pornit de la zero povestesc cum au învățat, ce i-a ajutat și unde au ajuns după cursuri.

Vezi pe YouTube

Foarte profi si utile cursurile. Trainer-ii sunt foarte rabdatori. Cursurile sunt aplicate si cu multe exercitii fapt ce m-a ajutat sa invat destul de repede desi nu aveam cunostinte de programare.

Fotografia lui Marina Pahom, cursant al Academiei ProgramatorilorMarina PahomRecenzie pe Google

Profesorii si colegii foarte prietenosi,modul in care se preda simplu si usor de inteles cu exemple practice incat oricine poate prinde usor.

Fotografia lui Alex Cristian, cursant al Academiei ProgramatorilorAlex CristianRecenzie pe Google

Foarte profi si utile cursurile. Practica aplicata si explicata de traineri inarmati cu rabdare si cunostine solide.

Fotografia lui Iulian Pahom, cursant al Academiei ProgramatorilorIulian PahomRecenzie pe Google
Ilustrație a unei rețele neuronale care reprezintă inteligența artificială

De ce să înveți Machine Learning

Machine Learning este ramura inteligenței artificiale în care calculatorul învață reguli din date, în loc să le primească scrise de un programator. Pe această idee se bazează recomandările din magazinele online, filtrele de spam, detecția fraudei bancare, prognozele de vânzări și asistenții conversaționali.

Instrumentele de AI sunt folosite azi în aproape orice industrie, de la sănătate și finanțe la producție și marketing. Chiar dacă nu vei construi modele în fiecare zi, să înțelegi cum învață un model, unde greșește și cum îl evaluezi corect te ajută să lucrezi cu aceste unelte în mod responsabil.

  • Înțelegi ce se află în spatele aplicațiilor de AI
  • Construiești modele reale cu scikit-learn
  • Afli cum funcționează rețelele neuronale, scriindu-le de la zero
  • Înțelegi NLP, transformerele și modelele mari de limbaj
  • Combini programarea cu analiza datelor și matematica aplicată
Unde te duce cursul

Cursul de Machine Learning și AI pentru începători face parte din aceste trasee de carieră

Combină cursul cu celelalte din traseu și ajungi la primul job de junior.

La locul de muncă: Data Scientist / ML Engineer
Curs Machine Learning

Întrebări frecvente

Câte lecții sunt gratuite în cursul de Machine Learning și AI?

Primele 15 lecții din cele 350 de lecții sunt gratuite, adică tot primul modul, fără card. Poți începe fără cont, iar după câteva lecții îți faci un cont gratuit ca să-ți păstrezi progresul. Restul cursului se deblochează pe module sau cu cursul complet.

Cât costă cursul de Machine Learning și AI?

Primele 15 lecții sunt gratuite. Tot cursul costă 597 lei, iar un singur modul pornește de la 77 lei. Plătești o singură dată, fără abonament, și ai acces pe viață. Ai garanție de 7 zile: primești banii înapoi dacă ai parcurs cel mult 20% din lecțiile cumpărate.

Cât durează cursul de Machine Learning și AI?

Cursul are 350 de lecții în 6 module, adică aproximativ 95 de ore de studiu. Înveți în ritmul tău: cu 5 ore pe săptămână îl termini în aproximativ 19 săptămâni.

Cursul de Machine Learning și AI este online și în limba română?

Da. Cursul e complet online și în limba română: lecțiile, exercițiile și explicațiile. Îl urmezi din browser, de pe laptop sau telefon, oricând, fără ore fixe și fără să instalezi nimic.

Ce face Profu', tutorele AI din lecții?

Profu' e un tutore AI care stă lângă exercițiul fiecărei lecții. Vede cerința, ce ai scris și ce a afișat rularea, îți explică erorile și îți dă indicii, fără să-ți dea direct soluția. Se deblochează după ce încerci o dată singur. Ai o întrebare pe lecție la lecțiile gratuite și cinci la lecțiile din modulele plătite, pe site și în aplicația mobilă.

Ce trebuie să știu înainte de acest curs Machine Learning?

Ai nevoie de bazele Python și de lucrul cu pandas, adică de nivelul cursurilor noastre de Python și Data Analysis with Python. Matematica necesară este predată în curs, pas cu pas, cu NumPy.

Este un curs AI pentru începători sau e nevoie de matematică avansată?

Cursul este gândit pentru cei care abia încep cu inteligența artificială. Noțiunile de algebră liniară, statistică și probabilități sunt explicate intuitiv și aplicate imediat în cod, fără demonstrații lungi.

Trebuie să instalez Python sau scikit-learn?

Nu. Python, NumPy, pandas și scikit-learn rulează direct în browser, în pagina lecției. Ai nevoie doar de un calculator și de conexiune la internet.

Cursul de Machine Learning explică și ChatGPT sau LLM-urile?

Da. În ultimele module înveți cum funcționează NLP-ul, transformerele și modelele mari de limbaj, plus noțiuni despre AI generativ și folosirea responsabilă a acestor sisteme.

Primesc certificat?

Da. Fiecare dintre cele șase module se încheie cu un certificat, iar ultimul este Diploma Junior Machine Learning Engineer, obținută după proiectul final.

Mă pregătește cursul pentru un job în Machine Learning?

Cursul acoperă abilitățile de bază ale unui Junior ML Engineer, include proiecte pentru portofoliu și întrebări de interviu. Rezultatul depinde de practica ta și de proiectele pe care le construiești în continuare.

Toate cursurile noastre încep cu un modul gratuit. Vezi lista completă de curs AI gratuit, cu lecțiile gratuite din fiecare.

Începe cursul de Machine Learning și AI pentru începători gratuit, chiar acum

Primele 15 lecții sunt gratuite. Fără card, fără instalări: scrii primul cod în câteva minute.

Curs Machine Learning și AI pentru începătoriLecțiile 1–15 gratuite · fără card Începe gratuit →