НАУЧИТЕСЬ СТРОИТЬ ML-СЕРВИСЫ ДЛЯ РЕШЕНИЯ РЕАЛЬНЫХ ЗАДАЧ
Blockchain.com, куратор курса
ВАЛЕРИЙ БАБУШКИН
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:
РЕКОМЕНДУЕМЫЙ УРОВЕНЬ
> 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
> Знание основ теории вероятностей и математической статистики
> Понимание принципа работы A/B-тестов и метода Bootstrap
> Знание классических ML-алгоритмов
> Базовые знания Bash, Docker, Git
> Минимальный опыт работы с веб-фреймворками (например, Flask)
> 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
> Знание основ теории вероятностей и математической статистики
> Понимание принципа работы A/B-тестов и метода Bootstrap
> Знание классических ML-алгоритмов
> Базовые знания Bash, Docker, Git
> Минимальный опыт работы с веб-фреймворками (например, Flask)
Не уверены, хватит ли знаний для курса или конкретного блока?
Зарегистрируйтесь на нашей образовательной платформе и пройдите бесплатное тестирование. Это займёт 30-40 минут.
Для доступа к тестированию 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.
НАЧАТЬ ТЕСТИРОВАНИЕ
ПРОГРАММА КУРСА ://
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
Хотите купить только часть курса? Теперь это можно сделать
ПОДРОБНЕЕ О КАЖДОМ МОДУЛЕ
Валерий Бабушкин расскажет о курсе и его содержании. Вы узнаете, в чём ценность каждого модуля, какие задачи предстоит решать и сколько времени понадобится на освоение программы.
— 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
— Консультируйтесь с HR специалистами — Учитесь правильно презентовать свои навыки — Откликайтесь на вакансии компаний-партнёров — Проходите собеседования и устраивайтесь на работу
— Работайте на выделенном сервере — Практикуйтесь на данных из реальных задач — Изучайте решения преподавателей и других студентов
90
₽
Learn more
ЗАДАВАЙТЕ ЛЮБЫЕ ВОПРОСЫ В ПОДДЕРЖКУ
— Обсуждайте задачи и проекты с экспертами рынка — Вашими менторами будут ML-инженеры из ведущих российских компаний
108
₽
Learn more
УСТРАИВАЙТЕСЬ НА РАБОТУ ПОСЛЕ КУРСА
— Консультируйтесь с HR специалистами — Учитесь правильно презентовать свои навыки — Откликайтесь на вакансии компаний-партнёров — Проходите собеседования и устраивайтесь на работу
108
₽
Learn more
НА КУРСЕ ИСПОЛЬЗУЕМ >>
УЧИТЕСЬ У >ЛУЧШИХ>
ВАЛЕРИЙ БАБУШКИН
VP 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
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».
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.
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.
Работает инженером данных в Blockchain.com. Ранее занимался инфраструктурой в команде речевых технологий Х5 Retail Group. Руководил бэкендом и инфраструктурой в стартапе.
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...
Понравилась практическая направленность. В выбранных тематиках было достаточно современных подходов, теории и задач. Понравилось, что были разборы ДЗ — это реально помогало...
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...
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...
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.
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.
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.
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).
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.