Сергій Барській
Data Science, нейронні мережі і квантова оптимізація з QAOA. Підготую за 12 місяців до вступу на факультет «Системний аналіз». Все для апроксимації періодичних функцій тригонометричними поліномами (модами Фур'є на торі). Спектральний аналіз. QAOA у задачах розміщення BESS. Створення DeepTech-стартапів для міжнародних конкурсів та стартап-шкіл.
Сергій Барській 5.0(відгуків: 1)
Data Science, нейронні мережі і квантова оптимізація з QAOA. Підготую за 12 місяців до вступу на факультет «Системний аналіз». Все для апроксимації періодичних функцій тригонометричними поліномами (модами Фур'є на торі). Спектральний аналіз. QAOA у задачах розміщення BESS. Створення DeepTech-стартапів для міжнародних конкурсів та стартап-шкіл.
Предмети
Математика
Програмування
Вища математика
Економічна статистика
STEM і робототехніка
Математична статистика
Економетріка
Математичне моделювання
Математика
Рівні викладання
- Спеціалізовані курси
Деталі про досвід викладання:
Систематичний річний ML-курс з індустріальними прикладами на Complex Spectral Surrogate Framework (CSSF) з поглибленим вивченням спектрального аналізу періодичних функцій для прикладних задач Data Science у сфері електророзподілу та електропостачання.
Підготовка та супровід для факультетів "Системний аналіз", "Машинне навчання", "Штучний інтелект", "Нейромережеві технології", "Теорія прийняття рішень", "Економічна кібернетика", "Інтелектуальний аналіз даних".
Програмування
Рівні викладання
- Python програмування
Деталі про досвід викладання:
Систематичний річний ML-курс з індустріальними прикладами на Complex Spectral Surrogate Framework (CSSF) з поглибленим вивченням розробки комплекснозначних нейромереж для задач Data Science у сфері електророзподілу та електропостачання.
Підготовка та супровід для факультетів "Системний аналіз", "Машинне навчання", "Штучний інтелект", "Нейромережеві технології", "Теорія прийняття рішень", "Економічна кібернетика", "Інтелектуальний аналіз даних".
Вища математика
Рівні викладання
- Університетські курси
Деталі про досвід викладання:
Систематичний річний ML-курс з індустріальними прикладами на Complex Spectral Surrogate Framework (CSSF) з поглибленим вивченням апроксимації тригонометричними поліномами (модами Фур'є на торі) для задач Data Science у сфері електророзподілу та електропостачання.
Підготовка та супровід для факультетів "Системний аналіз", "Машинне навчання", "Штучний інтелект", "Нейромережеві технології", "Теорія прийняття рішень", "Економічна кібернетика", "Інтелектуальний аналіз даних".
Економічна статистика
Рівні викладання
- Університетські курси
Деталі про досвід викладання:
Систематичний річний ML-курс з індустріальними прикладами на Complex Spectral Surrogate Framework (CSSF) з поглибленим вивченням МНК: регресія, індекси, часові ряди - SVD, псевдоінверсія Мура-Пенроуза - для прикладних задач Data Science у сфері електророзподілу та електропостачання.
Підготовка та супровід для факультетів "Системний аналіз", "Машинне навчання", "Штучний інтелект", "Нейромережеві технології", "Теорія прийняття рішень", "Економічна кібернетика", "Інтелектуальний аналіз даних".
STEM і робототехніка
Рівні викладання
- Спеціалізовані курси
Деталі про досвід викладання:
Систематичний річний ML-курс з індустріальними прикладами на Complex Spectral Surrogate Framework (CSSF) з поглибленим вивченням комплекснозначного фазово-орієнтованого Supervised Learning у базисі Фур'є та Data Science у сфері електророзподілу та електропостачання.
Підготовка та супровід для факультетів "Системний аналіз", "Машинне навчання", "Штучний інтелект", "Нейромережеві технології", "Теорія прийняття рішень", "Економічна кібернетика", "Інтелектуальний аналіз даних".
Математична статистика
Рівні викладання
- Спеціалізовані курси
Деталі про досвід викладання:
Систематичний річний ML-курс з індустріальними прикладами на Complex Spectral Surrogate Framework (CSSF) з поглибленим вивченням МНК: від нормального рівняння до сингулярного розкладання - для задач Data Science у сфері електророзподілу та електропостачання.
Підготовка та супровід для факультетів "Системний аналіз", "Машинне навчання", "Штучний інтелект", "Нейромережеві технології", "Теорія прийняття рішень", "Економічна кібернетика", "Інтелектуальний аналіз даних".
Економетріка
Рівні викладання
- Університетські курси
Деталі про досвід викладання:
Систематичний річний ML-курс з індустріальними прикладами на Complex Spectral Surrogate Framework (CSSF) з поглибленим вивченням МНК: регресія, SVD, псевдоінверсія Мура–Пенроуза, рекурентне оцінювання - для прикладних задач Data Science у сфері електророзподілу та електропостачання.
Підготовка та супровід для факультетів "Системний аналіз", "Машинне навчання", "Штучний інтелект", "Нейромережеві технології", "Теорія прийняття рішень", "Економічна кібернетика", "Інтелектуальний аналіз даних".
Математичне моделювання
Рівні викладання
- Спеціалізовані курси
Деталі про досвід викладання:
Систематичний річний ML-курс з індустріальними прикладами на Complex Spectral Surrogate Framework (CSSF) з поглибленим вивченням МНК: регресія, лінійні, білінійні моделі, SVD, псевдоінверсія Мура-Пенроуза - для прикладних задач Data Science у сфері електророзподілу та електропостачання.
Підготовка та супровід для факультетів "Системний аналіз", "Машинне навчання", "Штучний інтелект", "Нейромережеві технології", "Теорія прийняття рішень", "Економічна кібернетика", "Інтелектуальний аналіз даних".
Місця занять
- В учня:
- Ні
- У викладача:
- Ні
- Онлайн:
- Так
Про себе:
Систематичний річний курс з індустріальними прикладами на Complex Spectral Surrogate Framework (CSSF).
Допоможу за 12 місяців поглибленно опанувати технологічний стек: MLMVN Айзенберга, QAOA. Разом з вами створимо справжній бізнес-додаток із штучним інтелектом на Python.
Поглиблене вивчення МНК, SVD, псевдоінверсії Мура–Пенроуза.
Навчимо нейронну мережу прогнозуванню γ, β параметрів для QAOA, опануємо алгоритм A2C. Вивчимо гармонійний аналіз на торі для нейромережевої апроксимації широкого класу періодичних функцій. QUBO-формулювання комбінаторної задачі для QAOA.
Для вас забезпечу повне занурення в курс продакшн-рівня з машинного навчання, Data Science та квантової оптимізації.
Після курсу ви вже не просто гарний ML-фахівець. Ви стаєте спеціалістом, який вміє ставити завдання на стику класичного та квантового світу, розуміє, коли і як використовувати QAOA/MLMVN/гібриди, і може це захистити як серйозний проект. Це вже рівень DeepTech-фахівця початкового/середнього рангу в одній із найперспективніших ніш 2026–2035 років. Готові до такого стрибка? 🚀
Я ваш:
- бізнес-тренер для проектів зі стеком QAOA, MLMVN;
- провідник у сегменті EdTech4DeepTech;
- екзаменатор для захисту портфоліо;
- науковий керівник;
- консультант та організатор оптимальної траєкторії розвитку ваших навичок у галузі машинного навчання та квантової оптимізації.
Моя мета – разом з вами створити ваше DeepTech-портфоліо та підготувати вас до його захисту.
Забезпечу для вас повний цикл підготовки для вступу до університету на факультети "Системний аналіз", "Машинне навчання", "Штучний інтелект", "Нейромережеві технології", "Теорія прийняття рішень", "Економічна кібернетика", "Інтелектуальний аналіз даних". Підтримуватиму вас під час навчання - як на бакалавраті, магістратурі, так і в аспірантурі.
Також підготую вашу команду до участі у міжнародному стартап-конкурсі, повний цикл інкубації. Тривалість курсу: 12 місяців, 2+ конференції на тиждень, продакшн-тренажери для самостійної роботи, всього: 480+ годин интенсивного навчання.
Мій досвід проектування DeepTech-стартапів та участі у міжнародних бізнес-інкубаторах понад 9 років:
- вихід у півфінал міжнародного конкурсу стартапів Technovation Challenge (Сан-Франциско) 2017 та 2021 років.
- вихід у фінал міжнародного конкурсу стартапів Social Impact Award (Відень) 2021 року.
- фіналіст міжнародного квантового конкурсу Global Industry Challenge 2025 (Вашингтон).
- Освіта:
- Запорізька державна інженерна академія (ЗДІА), спеціаліст, 1999
- Спеціальність/кваліфікація:
- Економічна кібернетика
- Вік:
- 46-55
- Досвід:
- більше 5 років
Відеопрезентація
Відгуки
Розміщені відгуки надійшли від зареєстрованих на сайті студентів, які фактично користувалися освітніми послугами репетитора.
5+
Математичний аналіз, Університетські курси
5+
лип. 12-лип. 18, 2026