ХАРДКОРНЫЙ MACHINE LEARNING. ОБУЧЕНИЕ У НАС |

Не просто обучаем модели, а решаем сложные и важные для бизнеса ML-задачи.
СТАРТ ПРОГРАММЫ
1 ИЮЛЯ 2022
ФОРМАТ ОБУЧЕНИЯ
ОНЛАЙН
Формат обучения Hard ML
КОМУ ПОДОЙДЁТ
MIDDLE/SENIOR
Кому подойдет курс машинного обучения Hard ML
ПОЭТАПНАЯ ОПЛАТА
НА 5 МЕСЯЦЕВ
Поэтапная оплата курса Hard ML
Преподаватель курса машинного обучения Hard ML
ВАЛЕРИЙ БАБУШКИН
Старт программы машинного обучения Hard ML
ПОДАРИТЬ ОБУЧЕНИЕ
Мы свяжемся с вами и подготовим сертификат
Удобный способ связи
Сумма сертификата
1000
150000

НАУЧИТЕСЬ СТРОИТЬ ML-СЕРВИСЫ ДЛЯ РЕШЕНИЯ РЕАЛЬНЫХ ЗАДАЧ

Blockchain.com, куратор курса
ВАЛЕРИЙ БАБУШКИН
Преподаватель онлайн курса машинного обучения Валерий Бабушкин
На учёбу наши студенты тратят в среднем 10 часов в неделю
ДОМАШНИЕ ЗАДАНИЯ ВЫ РЕШАЕТЕ НА НАШЕЙ ИНФРАСТРУКТУРЕ
Все лекции доступны в записи
ОБУЧЕНИЕ ПРОХОДИТ В ИНТЕНСИВНОМ ФОРМАТЕ ПО 3 ЗАНЯТИЯ В НЕДЕЛЮ
Hard ML — это не стандартный курс по машинному обучению. Моя команда не стала ограничиваться одним лишь обучением моделей и решила охватить абсолютно все этапы работы ML-инженера. Вы научитесь самостоятельно собирать и размечать данные, строить пайплайны их поставки, деплоить приложения, настраивать мониторинги и оценивать эффективность алгоритмов.

Вы получите максимально глубокое погружение в задачи, с которыми сталкивается современный бизнес. Каждая тема курса будет рассмотрена на реальных кейсах. К концу каждого модуля у вас будет собственный ML-сервис, решающий сложную и важную задачу. Этот курс станет проверкой на прочность для любого ML-специалиста, поэтому дерзайте — я верю в вас!
Управляете командой ML-разработки и хотите познакомиться с передовым опытом построения сервисов для решения сложных бизнес-задач.

ТИМЛИД
Имеете опыт работы в областях, связанных с машинным обучением, и хотите научиться решать специфические и нестандартные задачи.

ML-РАЗРАБОТЧИК

ДЛЯ КОГО ЭТА ПРОГРАММА:

КАК ПРОХОДИТ ОБУЧЕНИЕ

О курсе
Реальные задачи
Инфраструктура
Поддержка студентов

ПОДРОБНЕЕ О КАЖДОМ МОДУЛЕ

Преподаватели расскажут о курсе и его содержании. Вы узнаете, в чём ценность каждого модуля, какие задачи предстоит решать и сколько времени понадобится на освоение программы.

РЕШАЙТЕ РЕАЛЬНЫЕ ЗАДАЧИ

— Решайте сложные и нестандартные ML-задачи
— Изучайте модели и настраивайте всё необходимое для их работы
— Создавайте свои ML-сервисы и учитесь выводить их в продакшн
ИСПОЛЬЗУЙТЕ НАШУ ИНФРАСТРУКТУРУ
— Работайте на выделенном сервере
— Практикуйтесь на данных из реальных задач
— Изучайте решения преподавателей и других студентов

ЗАДАВАЙТЕ ЛЮБЫЕ ВОПРОСЫ В ПОДДЕРЖКУ

— Обсуждайте задачи и проекты с экспертами рынка
— Вашими менторами будут ML-инженеры из ведущих российских компаний
ИСПОЛЬЗУЙТЕ НАШУ ИНФРАСТРУКТУРУ
— Работайте на выделенном сервере
— Практикуйтесь на данных из реальных задач
— Изучайте решения преподавателей и других студентов
90
ЗАДАВАЙТЕ ЛЮБЫЕ ВОПРОСЫ В ПОДДЕРЖКУ
— Обсуждайте задачи и проекты с экспертами рынка
— Вашими менторами будут ML-инженеры из ведущих российских компаний
108

РЕКОМЕНДУЕМЫЙ УРОВЕНЬ:

Базовые знания Bash, Docker, Git

Минимальный опыт работы с веб-фреймворками (например, Flask)

ИНФРАСТРУКТУРА

Знание основ теории вероятностей и математической статистики

Понимание принципа работы A/B-тестов и метода Bootstrap

Знание классических ML-алгоритмов

ТЕОРИЯ

Знание синтаксиса языка

Понимание базовых структур данных (список, словарь, кортеж)

Знание основ ООП (класс, объект)

Владение библиотеками Pandas, Scikit-learn, опционально — PyTorch

Умение отлаживать код и писать тесты

PYTHON

ТЕХНОЛОГИИ, ИСПОЛЬЗУЕМЫЕ НА КУРСЕ:

ПРОГРАММА КУРСА ://

1. РАНЖИРОВАНИЕ И МАТЧИНГ
Алгоритмы автоматического сопоставления объектов позволяют решать множество важных задач бизнеса: выявление товаров-дублей, объединение данных о покупателях в онлайне и офлайне, анализ и мониторинг цен конкурентов. Разберём различные кейсы применения систем матчинга и ранжирования, рассмотрим технические тонкости их архитектур, познакомимся с передовыми подходами к обучению моделей и реализуем свою систему поисковых подсказок.
2. ДИНАМИЧЕСКОЕ ЦЕНООБРАЗОВАНИЕ
Эффективность деятельности многих компаний зависит от способности устанавливать оптимальные цены на продукцию с учётом различных факторов и изменений, происходящих на рынке. Научимся предсказывать ценовые диапазоны, рассмотрим актуальные для ценообразования метрики, познакомимся с «многорукими бандитами» и обучим одного из них выбирать стратегию расчёта цен для оптимизации выручки и маржинальности продаж.
3. UPLIFT-МОДЕЛИРОВАНИЕ
Сегментация потребителей по чистому эффекту от маркетингового воздействия позволяет бизнесу сосредоточить рекламный бюджет на клиентах, готовых выполнить целевое действие только при наличии коммуникации. Научимся оценивать величину этого эффекта с помощью uplift-моделей, разберём интересные кейсы из практики, спроектируем библиотеку факторов и построим свой алгоритм для поиска оптимальной аудитории.
4. ПРОДВИНУТОЕ A/B ТЕСТИРОВАНИЕ
Важными задачами в A/B-тестировании являются ускорение тестов и повышение их чувствительности. Это позволяет компаниям быстрее внедрять позитивные изменения и вовремя отказываться от негативных. Научимся применять современные методы повышения чувствительности A/B-тестов, рассмотрим полный пайплайн тестирования и реализуем свой сервис для оценки экспериментов.
5. СЦЕНАРИИ ДЕПЛОЯ ML-СЕРВИСОВ
ML-инженеру важно уметь интегрировать свои решения в существующую инфраструктуру с учётом высоких требований к производительности и отказоустойчивости приложений. Рассмотрим различные сценарии развёртывания сервисов, обсудим принципы их проектирования и поддержания с точки зрения современного бэкенда и научимся грамотно выводить приложения в продакшн.
1. РАНЖИРОВАНИЕ И МАТЧИНГ
Алгоритмы автоматического сопоставления объектов позволяют решать множество важных задач бизнеса: выявление товаров-дублей, объединение данных о покупателях в онлайне и офлайне, анализ и мониторинг цен конкурентов. Разберём различные кейсы применения систем матчинга и ранжирования, рассмотрим технические тонкости их архитектур, познакомимся с передовыми подходами к обучению моделей и реализуем свою систему поисковых подсказок.
2. ДИНАМИЧЕСКОЕ ЦЕНООБРАЗОВАНИЕ
Эффективность деятельности многих компаний зависит от способности устанавливать оптимальные цены на продукцию с учётом различных факторов и изменений, происходящих на рынке. Научимся предсказывать ценовые диапазоны, рассмотрим актуальные для ценообразования метрики, познакомимся с «многорукими бандитами» и обучим одного из них выбирать стратегию расчёта цен для оптимизации выручки и маржинальности продаж.
3. UPLIFT-МОДЕЛИРОВАНИЕ
Сегментация потребителей по чистому эффекту от маркетингового воздействия позволяет бизнесу сосредоточить рекламный бюджет на клиентах, готовых выполнить целевое действие только при наличии коммуникации. Научимся оценивать величину этого эффекта с помощью uplift-моделей, разберём интересные кейсы из практики, спроектируем библиотеку факторов и построим свой алгоритм для поиска оптимальной аудитории.
4. ПРОДВИНУТОЕ A/B ТЕСТИРОВАНИЕ
Важными задачами в A/B-тестировании являются ускорение тестов и повышение их чувствительности. Это позволяет компаниям быстрее внедрять позитивные изменения и вовремя отказываться от негативных. Научимся применять современные методы повышения чувствительности A/B-тестов, рассмотрим полный пайплайн тестирования и реализуем свой сервис для оценки экспериментов.
5. СЦЕНАРИИ ДЕПЛОЯ ML-СЕРВИСОВ
ML-инженеру важно уметь интегрировать свои решения в существующую инфраструктуру с учётом высоких требований к производительности и отказоустойчивости приложений. Рассмотрим различные сценарии развёртывания сервисов, обсудим принципы их проектирования и поддержания с точки зрения современного бэкенда и научимся грамотно выводить приложения в продакшн.

ЕСЛИ ЭТОТ КУРС КАЖЕТСЯ ВАМ СЛОЖНЫМ

У НАС ПРЕПОДАЮТ:

УЧИТЕСЬ У >ЛУЧШИХ>

О преподавателе курса Hard ML Валерии Бабушкине
ВАЛЕРИЙ БАБУШКИН
Head of Data Science в Blockchain.com. Ранее работал в WhatsApp, руководил отделом Data Science and Engineering в X5 Retail Group, был директором по аналитике и машинному обучению в компаниях Яндекс и Alibaba. Ведёт курс Data Science в Высшей Школе Экономики. Консультирует центральный банк Казахстана по вопросам анализа данных. Имеет звание Kaggle Competitions Grandmaster.
Blockchain.com
Преподаватель курса машинного обучения Ваге Бросоян
ВАГЕ БРСОЯН
Руководитель группы моделирования и прогнозирования бизнеса в Яндекс.Маркете. Ранее более двух лет занимал позицию тимлида в X5 Retail Group. До этого два года работал ML-инженером в Яндексе. Ментор программы «Школа будущих CTO».
Яндекс.Маркет
Модули >>>
Преподаватель курса машинного обучения Станислав Гафаров
СТАНИСЛАВ ГАФАРОВ
Тимлид команды Data Science в Сбер Еаптеке. Ранее более двух лет работал на аналогичных должностях в X5 Retail Group и Uma.Tech. До этого был Data Scientist в Сбербанке.
ex. Тимлид Сбер Еаптека
Модули >>>
Показать ещё
Преподаватель курса машинного обучения Игорь Котенков
ИГОРЬ КОТЕНКОВ
Работает Senior ML Engineer в AliExpress Russia. До этого был аналитиком-разработчиком в Яндексе, работал в X5 и Сбербанк-Технологиях. Проводит стажировки и готовит разборы передовых научных статей для команды. Имеет звание Kaggle Competitions Master.
AliExpress Russia
Модули >>>
Преподаватель курса машинного обучения Александр Сахнов
АЛЕКСАНДР САХНОВ
Руководитель отдела мультивариативного анализа в X5 Retail Group. За более чем два года работы в компании в 100 раз повысил чувствительность A/B-тестов. Преподаёт в Школе анализа данных Яндекса.
X5 Retail Group
Модули >>>
Преподаватель курса машинного обучения Владислав Ладенков
ВЛАДИСЛАВ ЛАДЕНКОВ
Занимается инфраструктурой в команде речевых технологий Х5 Retail Group. Тимлид разработки в небольшом стартапе. Преподаёт в «Цифровой академии Х5».
Х5 Retail Group
Модули >>>

ОТЗЫВЫ СТУДЕНТОВ /

Высокое качество материала и заданий

Крайне полезные курсы по продвинутому анализу данных. Особенно хочется выделить модули по A/B тестированию и Uplift моделированию. Качество материала, задачи на высоком уровне...

Читать полностью
ИГОРЬ МОИСЕЕВ
Полезный курс с практической направленностью

Понравилась практическая направленность. В выбранных тематиках было достаточно современных подходов, теории и задач.
Понравилось, что были разборы ДЗ — это реально помогало...

Читать полностью
МИХАИЛ КОЛОМАСОВ
Знания пригодились как на собеседованиях, так и в самой работе

Я воспользовался программой помощи в трудоустройстве, которая включена в курс. И именно через специалиста karpov. courses меня нашла моя новая работа (хотя я и сам искал вакансии)...

Читать полностью
АЛЕКСАНДР КАСАТКИН
Получил удовольствие от решения сложных задач

Интересный материал: из курса можно узнать много нового, что можно найти лишь в специализированной литературе. Сложные задания: над многими задачами приходилось сидеть по много часов…

Читать полностью
ПАВЕЛ ЧАБУРКО
Высокое качество материала и заданий

Крайне полезные курсы по продвинутому анализу данных. Особенно хочется выделить модули по A/B тестированию и Uplift моделированию. Качество материала, задачи на высоком уровне.

Данный курс глобально повлиял на мою карьеру. Благодаря приобретенным навыкам, в особенности по модулю продвинутое A/B тестирование, через 2 месяца после окончания курса я получил оффер на позицию Senior research analyst в крупнейшем маркетплейсе РФ, хотя до этого в IT компаниях я не работал.

ИГОРЬ МОИСЕЕВ
ВКонтакте
Получил удовольствие от решения сложных задач

Интересный материал: из курса можно узнать много нового, что можно найти лишь в специализированной литературе. Сложные задания: над многими задачами приходилось сидеть по много часов. Но зато я действительно радовался, когда наконец получалось самостоятельно дойти до решения.

Я поступил на курс, так как хотел расширить кругозор за счет решения нетиповых задач. К сожалению, практического применения полученным навыкам на текущем месте работы нет. Особо хочу поблагодарить Владислава Ладенкова за то, что не только записал прекрасные лекции, но и лично подробно обсудил со мной финальный проект.

ПАВЕЛ ЧАБУРКО
ВКонтакте
Знания пригодились как на собеседованиях, так и в самой работе

Я воспользовался программой помощи в трудоустройстве, которая включена в курс. И именно через специалиста karpov. courses меня нашла моя новая работа (хотя я и сам искал вакансии). Я устроился в небольшой, уютный, но подающий надежды стартап, где с нуля развивал продукт по кредитному скорингу малых предпринимателей для продажи банкам.

Перед тем как начать искать работу, я прошел только модули «Ранжирование и матчинг» и «Динамическое ценообразование». И эти знания пригодились мне как на собеседованиях, так и в работе. Также, конечно, в ежедневной работе помогают «Сценарии деплоя ML-сервисов».

Применить непосредственно на практике заглавные темы модулей «Uplift-моделирование» и «Продвинутое A/B-тестирование» пока не довелось, но полученные знания всё равно не были лишними: продвинутое A/B-тестирование подтянуло статистику, а в модуле по uplift была тема по проектированию библиотеки факторов, что актуально в любых ML-задачах.

В целом, в каждом модуле для меня было что-то новое, полезное, интересное. Но если говорить о личных предпочтениях, то особенно понравились «Ранжирование и матчинг» и «Uplift-моделирование». Тут сыграли роль и обаяние преподавателей (не в обиду преподавателям других блоков), и структура модулей, и какие-то мои собственные интересы.

АЛЕКСАНДР КАСАТКИН
Телеграм
Полезный курс с практической направленностью

Понравилась практическая направленность. В выбранных тематиках было достаточно современных подходов, теории и задач.

Понравилось, что были разборы ДЗ — это реально помогало. Также понравился интерактив с преподавателями и другими студентами. Очень полезный курс, так держать!

Какие-то вещи получилось применить сразу, какие-то смотрел «по диагонали». В целом не все задачи курса сейчас использую, но некоторые разделы (деплой, ценообразование) уже удалось применить в работе. Какие-то вещи просто не успел еще как следует разобрать (те же А\В тесты).

МИХАИЛ КОЛОМАСОВ
Телеграм
Высокое качество материала и заданий

Крайне полезные курсы по продвинутому анализу данных. Особенно хочется выделить модули по A/B тестированию и Uplift моделированию. Качество материала, задачи на высоком уровне.

Данный курс глобально повлиял на мою карьеру. Благодаря приобретенным навыкам, в особенности по модулю продвинутое A/B тестирование, через 2 месяца после окончания курса я получил оффер на позицию Senior research analyst в крупнейшем маркетплейсе РФ, хотя до этого в IT компаниях я не работал.
ИГОРЬ МОИСЕЕВ
ДЕМОВЕРСИЯ
Выполните первые задания модуля «Ранжирование и матчинг», попробуйте реализовать свою модель и решите, подходит ли вам формат обучения.
ПОЛНАЯ ВЕРСИЯ
+ Ранжирование и матчинг
+ Динамическое ценообразование
+ Uplift-моделирование
+ Продвинутое A/B-тестирование
+ Сценарии деплоя ML-сервисов
Погрузитесь в мир продвинутого ML, получите доступ к работе на удалённом сервере и поддержке от наших преподавателей.
+ Три урока первого модуля
+ Конспекты лекций
+ Практические задания с разбором
41 000 ₽
170 000 ₽
0 ₽
Регистрация на курсе открывается сразу после нажатия на кнопку ниже.
ПОМЕСЯЧНО:
ПОЛНАЯ ОПЛАТА:
Оплата в течение
5 месяцев
Скидка 35 000 ₽
при полной оплате
205 000 ₽
Доступ к демоверсии откроется после регистрации на образовательной платформе.
Задать вопрос
Мы свяжемся с вами и ответим на все ваши вопросы по курсу. Если вы хотите оплатить курс, перейдите по этой ссылке.

НАЧАЛО КУРСА 1 ИЮЛЯ
Удобный способ связи
Начните учиться сейчас, оформите налоговый вычет и верните до 13% стоимости обучения. Подробнее здесь.
налоговый вычет
гарантия возврата
Если в течение двух недель решите, что курс вам не подходит — вернём деньги.
Регистрация на образовательной платформе
Для доступа к демоверсии вам необходимо зарегистрироваться на нашей образовательной платформе, указав ваши имя, фамилию и электронную почту.

Вы сможете продолжить использовать свою учётную запись для обучения на полной версии курса или других наших программах.

Если у вас уже есть учётная запись, можно использовать её.

ПРОГРАММА ТРУДОУСТРОЙСТВА>>>

ТРУДОУСТРОЙСТВО
Вместе достигнем желаемой цели
ПОДГОТОВКА
Поможем составить сильное резюме

РЕКОМЕНДАЦИИ
Расскажем о вас компаниям-партнёрам
СОБЕСЕДОВАНИЕ
Организуем интервью с работодателем
90%
Трудоустроенных выпускников
Рассчитано на основе данных о количестве выпускников, обратившихся за помощью в поиске работы и трудоустроенных за 3 месяца
Будем поддерживать вас в течение всего процесса трудоустройства.
Наша цель — довести вас до оффера.
Рассчитано на основе данных о количестве выпускников, обратившихся за помощью в поиске работы и трудоустроенных за 3 месяца
ПОДРОБНЕЕ
САМОПРЕЗЕНТАЦИЯ
Чтобы получить сильное резюме и навыки самопрезентации вы пройдете:
- Лекции и вебинары по составлению резюме от HR-эксперта Яндекс
- Тест-драйв собеседования
- Консультацию, на которой определите стратегию поиска работы и пропишете карьерные цели
79
ОТСЛЕЖИВАНИЕ ПРОГРЕССА
Свой прогресс в трудоустройстве вы будете отслеживать с помощью специальных дневников. Работать над ошибками мы будем вместе с вами: мы подскажем, что нужно подтянуть и в каком направлении лучше мыслить, чтобы эффективнее справляться с задачами на собеседованиях.
90
РАБОТА МЕЧТЫ
Наша цель — довести вас до оффера. Среднее время трудоустройства с сопровождением составляет 1-1,5 месяца.
108
САМОПРЕЗЕНТАЦИЯ
Чтобы получить сильное резюме и навыки самопрезентации вы пройдете:
- Лекции и вебинары по составлению резюме от HR-эксперта Яндекс
- Тест-драйв собеседования
- Консультацию, на которой определите стратегию поиска работы и пропишете карьерные цели
ВЫБОР ВАКАНСИЙ
После подготовки всех необходимых материалов вы получите доступ к Telegram-каналам, где ежедневно обновляются вакансии от наших партнёров. На заинтересовавшие вас вакансии HR отправят ваше резюме с рекомендациями и организуют собеседование.
ОТСЛЕЖИВАНИЕ ПРОГРЕССА
Свой прогресс в трудоустройстве вы будете отслеживать с помощью специальных дневников. Работать над ошибками мы будем вместе с вами: мы подскажем, что нужно подтянуть и в каком направлении лучше мыслить, чтобы эффективнее справляться с задачами на собеседованиях.
РАБОТА МЕЧТЫ
Наша цель — довести вас до оффера. Среднее время трудоустройства с сопровождением составляет 1-1,5 месяца.

НАШИ ВЫПУСКНИКИ РАБОТАЮТ ЗДЕСЬ >>>

FAQ >>>

Есть ли у вас образовательная лицензия?
Да, мы осуществляем образовательную деятельность на основании государственной лицензии № 042 048 от 11 апреля 2022 года, выданной Департаментом образования и науки города Москвы.
Смогу ли я оформить налоговый вычет за обучение?
Да. Если вы оплатили обучение на курсе после 23 мая 2022 года, являетесь налоговым резидентом России и уплачиваете подоходный налог, вы можете оформить вычет. Однако подать документы можно только в году, следующем за годом оплаты обучения. 
Налоговый вычет за обучение — это часть расходов на образование, которую государство может вам компенсировать. С подробной информацией об условиях получения налогового вычета, порядком его расчёта и списком необходимых документов можно ознакомиться на сайте ФНС.
Какими знаниями нужно обладать для прохождения курса?
Для комфортного обучения на курсе необходимо знать классические ML-алгоритмы и уметь программировать на языке Python: знать основы ООП, владеть библиотеками Pandas, Scikit-learn и опционально PyTorch. Вы должны быть знакомы с основами теории вероятностей и математической статистики, принципом работы A/B-тестов и метода Bootstrap. Также вам потребуются базовые знания Bash, Docker, Git и минимальный опыт работы с веб-фреймворками.
Какие программы и оборудование нужны для обучения?
Лекции вы сможете смотреть с любого устройства, но для написания кода вам потребуется компьютер или ноутбук. Требований к конфигурации и мощности нет — мы предоставим всю необходимую инфраструктуру для работы на удалённом сервере. На старте обучения специальные программы устанавливать не обязательно — будут нужны только браузер и стандартные приложения для общения: Telegram, Zoom и Slack.
Как много времени нужно будет уделять обучению?
В среднем наши студенты занимаются по 10 часов в неделю. Этого времени достаточно, чтобы успевать смотреть лекции и вовремя выполнять домашние задания. Однако нагрузка у всех модулей разная и зависит от вашего уровня подготовки — если вы уже хорошо знакомы с моделями и алгоритмами, лежащими в основе учебного модуля, то на его прохождение уйдёт меньше времени.
Смогу ли я совмещать обучение с работой?
Мы организовали обучение таким образом, чтобы вы могли совмещать его с работой, учёбой и личной жизнью. Заниматься вы сможете в любое время и в удобном для вас темпе — все лекции записаны заранее и разбиты на отдельные видео по 60−80 минут, а для домашних заданий установлены мягкие двухнедельные дедлайны.
Как будет проходить обучение?
Каждую неделю будет проходить по два-три урока, доступ к которым будет открываться постепенно. Уроки состоят из видеолекций, конспектов и практических заданий, на выполнение которых отводится две недели. Если во время обучения возникнут сложности, вы сможете обратиться за помощью к ребятам из команды поддержки. В конце каждого модуля вас будет ждать финальный проект, который поможет закрепить полученные знания и станет хорошим дополнением к вашему резюме.
Предусмотрены ли перерывы в ходе обучения?
В конце каждого модуля у вас будет две недели на выполнение финального проекта. В течение этого времени новых лекций и заданий не будет. Если справитесь с проектом раньше, то у вас останется время, чтобы сдать все «хвосты», подробнее ознакомиться с заинтересовавшими вас темами или просто отдохнуть.
Что если у меня возникнут сложности с выполнением заданий?
Во время обучения вполне нормально «застрять» на каком-то задании. На этот случай у нас работает команда поддержки, которая поможет разобраться со сложной задачей.
Что если я начну отставать от программы курса?
Если вдруг что-то пойдёт не по плану и вы почувствуете, что отстаёте от программы, сообщите об этом кураторам курса. Вместе мы придумаем, как сделать ваше обучение более удобным.
ПОКАЗАТЬ ЕЩЁ
Я смогу общаться с преподавателями и другими студентами?
Конечно, сможете. Всё общение с преподавателями, однокурсниками и поддержкой будет проходить в Slack. В чате можно будет задать любые вопросы по обучению.
Кто будет меня учить?
Вашими наставниками будут ML-инженеры из таких крупных компаний, как Blockchain.com, Яндекс, Сбер Еаптека, Х5 Retail Group, AliExpress Russia. В этот курс они вложили все свои знания и опыт, полученные за многие годы работы.
Получу ли я документ, подтверждающий прохождение курса?
Да, мы выдаём именной сертификат с подписями преподавателей курса. Чтобы его получить, необходимо набрать суммарно не менее 51% баллов за все домашние задания курса и завершить хотя бы один модуль. Для прохождения каждого модуля необходимо выполнить финальный проект и преодолеть минимальный порог по количеству баллов за домашние задания — у каждого модуля он разный.
Останется ли у меня доступ к учебным материалам после окончания курса?
Да, останется. Лекции, конспекты и домашние задания будут доступны вам всегда, даже после окончания обучения. Единственное, к чему пропадёт доступ, это удалённый сервер. Но не волнуйтесь — мы заранее вас предупредим и дадим возможность сохранить все необходимые файлы.
Помогаете ли вы с трудоустройством?
Да, у нас работает программа трудоустройства, благодаря которой работу находят 90% наших выпускников. Сначала мы расскажем, как правильно составлять резюме и сопроводительное письмо, проведём пробное собеседование и научим правильно презентовать свои навыки. Затем мы направим ваше резюме компаниям-партнёрам, среди которых Озон, Яндекс, Авито и многие другие. Всё это время вас будет сопровождать наш менеджер по трудоустройству. В среднем от подачи резюме до получения оффера проходит 1−1,5 месяца.
В чём преимущество вашей программы по сравнению с другими курсами по машинному обучению?
Преимущество нашей программы заключается в её уникальности. Она составлена опытными ML-инженерами и включает темы, которые редко встречаются в других курсах. Здесь не просто объяснят, как работают современные модели и алгоритмы, а научат применять машинное обучение для решения важных задач бизнеса и расскажут, как проектировать всю необходимую инфраструктуру. Вы познакомитесь со всеми этапами работы ML-инженера: научитесь строить пайплайны поставки данных, настраивать мониторинги, оценивать эффективность алгоритмов и деплоить приложения. Все знания на курсе прикладные — каждый модуль заканчивается разработкой собственного ML-сервиса, решающего нестандартную и востребованную бизнесом задачу.
Что произойдёт после оплаты?
После подачи заявки и оплаты обучения вы присоединитесь к ближайшему учебному потоку. Обучение на потоках начинается 1-го числа каждого месяца — к этому времени вас зарегистрируют во всех необходимых системах. В день старта вам придёт письмо с логином и паролем, а также ссылками на чаты в Slack и Telegram.
Как я могу оплатить обучение?
Вы можете оплатить обучение банковской картой. Доступны два варианта: заплатить всю сумму сразу или платить ежемесячно равными платежами. При полной оплате обучение будет стоить меньше.
Могу ли я платить за обучение частями?
Да, мы предоставляем возможность поэтапной оплаты обучения. Поэтапная оплата происходит равными платежами раз в месяц. Для выбора поэтапной оплаты перейдите по соответствующей ссылке на странице оплаты.
Смогу ли я вернуть деньги, если курс мне не понравится?
Да, сможете. В течение первых двух недель можно вернуть оплату за весь курс. Если проучитесь дольше, то сможете вернуть оплату за вычетом стоимости уже открытых уроков.
Мы свяжемся с вами, ответим на все ваши вопросы и подробнее расскажем о курсе.

ОСТАВЬТЕ ЗАЯВКУ ИЛИ ЗАДАЙТЕ ВОПРОС

СТАРТ КАЖДЫЙ МЕСЯЦ 1 ЧИСЛА
НАЧАЛО КУРСА
1 ИЮЛЯ
УЗНАТЬ БОЛЬШЕ
Мы свяжемся с вами и ответим на все ваши вопросы по найму учеников.