MACHINE LEARNING ДЛЯ НАЧИНАЮЩИХ. ОБУЧЕНИЕ У НАС |
Поможем с нуля освоить одну из самых востребованных IT-профессий
СТАРТ ПРОГРАММЫ
10 АПРЕЛЯ
10 АПРЕЛЯ
ФОРМАТ ОБУЧЕНИЯ
ОНЛАЙН
ОНЛАЙН
КОМУ ПОДОЙДЁТ
С НУЛЯ
С НУЛЯ
ПОЭТАПНАЯ ОПЛАТА
НА 7 МЕСЯЦЕВ
НА 7 МЕСЯЦЕВ
НЕРСЕС БАГИЯН
ПОДАРИТЬ ОБУЧЕНИЕ
Мы свяжемся с вами и подготовим сертификат
ПОЛУЧИТЕ НЕОБХОДИМУЮ
БАЗУ ДЛЯ РАБОТЫ В СФЕРЕ
|
ML-инженер — это специалист, который находится на стыке анализа данных и разработки. Он должен уметь писать код, строить математические модели и понимать потребности бизнеса.
Мы составили программу курса таким образом, чтобы любой желающий без сильной математической подготовки смог разобраться со всеми этапами работы: от сбора данных и применения классических алгоритмов до обучения нейросетей и проведения A/B-тестов.
Искать работу в новой профессии непросто, поэтому мы решили поделиться своим опытом и уделили отдельное внимание подготовке к собеседованиям и разбору популярных задач.
Одним словом, у вас в руках перед вами — исчерпывающий starter pack для начала карьеры в ML и Data Science.
Мы составили программу курса таким образом, чтобы любой желающий без сильной математической подготовки смог разобраться со всеми этапами работы: от сбора данных и применения классических алгоритмов до обучения нейросетей и проведения A/B-тестов.
Искать работу в новой профессии непросто, поэтому мы решили поделиться своим опытом и уделили отдельное внимание подготовке к собеседованиям и разбору популярных задач.
Одним словом, у вас в руках перед вами — исчерпывающий starter pack для начала карьеры в ML и Data Science.
Head of Data Science Raiffeisen CIB, хедлайнер курса
НЕРСЕС БАГИЯН
Чем занимаются ML-Инженеры:
большие объёмы данных и ищут в них закономерности.
модели машинного обучения и нейронные сети, которые помогают бизнесу принимать решения.
приложения и инфраструктуру для автоматизации работы ML-решений.
влияние новых алгоритмов на продукт и проводят эксперименты.
/Анализируют
/создают
/ОЦЕНИВАЮТ
/Разрабатывают
Увлекаетесь математикой и точными науками, но хотите перейти от теории к практике и научиться решать реальные бизнес-задачи.
МАТЕМАТИКАМ
Хотите освоить машинное обучение, но не знаете, с чего начать. Курс даст все необходимые знания для старта карьеры в ML.
НОВИЧКАМ
КОМУ ПОДОЙДЁТ ЭТОТ КУРС:
АНАЛИТИКАМ
Уже работаете с данными, но хотите освоить продвинутые методы и инструменты, чтобы выйти на качественно новый уровень в аналитике.
РАЗРАБОТЧИКАМ
Имеете опыт в программировании и разработке приложений, но хотите применить свои знания в новой области и научиться выявлять потребности бизнеса.
ВАШЕ РЕЗЮМЕ == ЧЕРЕЗ 7 МЕСЯЦЕВ
Умею разрабатывать приложения на Python, знаю основы объектно-ориентированного программирования. Владею библиотеками для анализа данных и машинного обучения: pandas, numpy, matplotlib, seaborn, scipy, sklearn
Знаю синтаксис SQL, умею составлять запросы к базам данным и работать с SQLAlchemy
Знакома с основами backend-разработки и фреймворком FastAPI.
Использую Git для версионирования приложений и работы над проектами.
Применяю Airflow для автоматизации регулярных задач
Знаю классические ML-алгоритмы и умею строить ML-модели для решения задач регрессии, классификации и кластеризации
Имею опыт применения продвинутых ML-моделей на основе градиентного бустинга: CatBoost, LightGBM, XGBoost
Знакома с нейронными сетями и библиотекой PyTorch*. Умею решать задачи по работе с текстами и изображениями: классификация, детекция объектов, распознавание лиц, генерация текстов
Разбираюсь в основах теории вероятностей и математической статистики. Знаю основные статистические критерии и условия их применимости
Умею проводить A/B-тесты и оценивать влияние ML-моделей на продукт. Понимаю, как рассчитываются объём выборки, величина эффекта и продолжительность эксперимента
Знаю синтаксис SQL, умею составлять запросы к базам данным и работать с SQLAlchemy
Знакома с основами backend-разработки и фреймворком FastAPI.
Использую Git для версионирования приложений и работы над проектами.
Применяю Airflow для автоматизации регулярных задач
Знаю классические ML-алгоритмы и умею строить ML-модели для решения задач регрессии, классификации и кластеризации
Имею опыт применения продвинутых ML-моделей на основе градиентного бустинга: CatBoost, LightGBM, XGBoost
Знакома с нейронными сетями и библиотекой PyTorch*. Умею решать задачи по работе с текстами и изображениями: классификация, детекция объектов, распознавание лиц, генерация текстов
Разбираюсь в основах теории вероятностей и математической статистики. Знаю основные статистические критерии и условия их применимости
Умею проводить A/B-тесты и оценивать влияние ML-моделей на продукт. Понимаю, как рассчитываются объём выборки, величина эффекта и продолжительность эксперимента
ЖЕЛАЕМАЯ ЗАРПЛАТА ОТ
100 000 рублей
Junior ML-инженер
МАРИЯ ОСТРИКОВА
КАК ПРОХОДИТ ОБУЧЕНИЕ:
УЗНАВАЙТЕ ПОДРОБНЕЕ О КУРСЕ
Преподаватели расскажут о курсе, обсудят каждый модуль, его ценность и особенности использования полученных знаний в дальнейшей работе.
ФОРМАТ ОБУЧЕНИЯ
— Обучение проходит в интенсивном формате по 3 занятия в неделю
— Домашние задания выполняются на настоящей инфраструктуре
— Все лекции и дополнительные материалы доступны на образовательной платформе и остаются у вас после окончания курса
— На учёбу наши студенты тратят в среднем 15 часов в неделю
— Домашние задания выполняются на настоящей инфраструктуре
— Все лекции и дополнительные материалы доступны на образовательной платформе и остаются у вас после окончания курса
— На учёбу наши студенты тратят в среднем 15 часов в неделю
ФОКУСИРУЙТЕСЬ НА ПРАКТИКЕ
Мы включили в программу теорию по математике в необходимом для практики объеме. Помимо отдельного блока по статистике, математика встречается в уроках по машинному обучению – там, где она пригождается ML-специалисту. Ничего учить отдельно не придется, мы уже подобрали лучшие материалы и задания за вас.
Мы добавили как можно больше приближенных к реальности заданий, чтобы задачи на работе не оказались для вас сюрпризом.
Мы добавили как можно больше приближенных к реальности заданий, чтобы задачи на работе не оказались для вас сюрпризом.
РАБОТАЙТЕ НАД РЕАЛЬНЫМ ПРОЕКТОМ
Вы построите систему ранжирования постов в социальной сети. Над проектом вы будете работать на протяжении всего курса, выполняя задания по мере изучения необходимой теории. Вы освоите важнейшие области машинного обучения (от табличных данных до картинок) и познакомитесь с промышленной разработкой. В итоге вы создадите API, которое выбирает самые релевантные посты для каждого клиента.
ИСПОЛЬЗУЙТЕ НАШУ ИНФРАСТРУКТУРУ
— Работайте во всех необходимых инструментах на нашей инфраструктуре. Вам не придется устанавливать ПО на свой компьютер, мы предоставляем доступ ко всем технологиям
— Практикуйтесь на данных из реальных задач
— Изучайте решения преподавателей и других студентов
— 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
— Вашими менторами будут ML-инженеры из ведущих российских компаний
По окончании курса мы помогаем нашим студентам устроиться на работу: объясняем, как правильно составить резюме и сопроводительное письмо, отрабатываем навыки самопрезентации, а затем отправляем ваше резюме с рекомендациями компаниям-партнёрам. В течение всего процесса трудоустройства мы поддерживаем и сопровождаем наших студентов — вплоть до получения желаемого оффера.
УСТРАИВАЙТЕСЬ НА РАБОТУ ПОСЛЕ КУРСА
ФОРМАТ ОБУЧЕНИЯ
— Обучение проходит в интенсивном формате по 3 занятия в неделю
— Домашние задания выполняются на настоящей инфраструктуре
— Все лекции и дополнительные материалы доступны на образовательной платформе и остаются у вас после окончания курса
— На учёбу наши студенты тратят в среднем 15 часов в неделю
— Домашние задания выполняются на настоящей инфраструктуре
— Все лекции и дополнительные материалы доступны на образовательной платформе и остаются у вас после окончания курса
— На учёбу наши студенты тратят в среднем 15 часов в неделю
ФОКУСИРУЙТЕСЬ НА ПРАКТИКЕ
— Мы включили в программу теорию по математике в необходимом для практики объеме. Помимо отдельного блока по статистике, математика встречается в уроках по машинному обучению – там, где она пригождается ML-специалисту. Ничего учить отдельно не придется, мы уже подобрали лучшие материалы и задания за вас.
Мы старались включить как можно больше приближенных к реальности заданий, чтобы задачи на работе не оказались для вас сюрпризом.
— Мы старались включить как можно больше приближенных к реальности заданий, чтобы задачи на работе не оказались для вас сюрпризом.
Мы старались включить как можно больше приближенных к реальности заданий, чтобы задачи на работе не оказались для вас сюрпризом.
— Мы старались включить как можно больше приближенных к реальности заданий, чтобы задачи на работе не оказались для вас сюрпризом.
РАБОТАЙТЕ НАД РЕАЛЬНЫМ ПРОЕКТОМ
Проект заключается в построении системы ранжирования постов в социальной сети. Вы будете работать над ним на протяжении всего курса, выполняя задания по мере изучения необходимой теории. Вы освоите важнейшие области машинного обучения (от табличных данных до картинок) и познакомитесь с промышленной разработкой. В итоге вы создадите API, которое выбирает самые релевантные посты для каждого клиента.
ИСПОЛЬЗУЙТЕ НАШУ ИНФРАСТРУКТУРУ
— Работайте во всех необходимых инструментах на нашей инфраструктуре. Вам не придется устанавливать ПО на свой компьютер, мы предоставляем доступ ко всем технологиям
— Практикуйтесь на данных из реальных задач
— Изучайте решения преподавателей и других студентов
— Практикуйтесь на данных из реальных задач
— Изучайте решения преподавателей и других студентов
КАКИЕ ИНСТРУМЕНТЫ ВЫ ОСВОИТЕ
ПРОГРАММА КУРСА ://
Начнём с основ программирования, научимся писать код на Python и освоим библиотеки для анализа данных и машинного обучения. Научимся работать с базами данных и разберёмся, как с помощью SQL-запросов получать данные для моделей. Поговорим об архитектуре приложений и узнаем, как контролировать версии с помощью Git. Напишем прототип будущего ML-сервиса и настроим всё необходимое для его работы.
Познакомимся с классическими алгоритмами машинного обучения. Рассмотрим всё от простых линейных моделей до градиентного бустинга на решающих деревьях. Научимся готовить данные для моделей, настраивать разные параметры и оценивать качество работы ML-алгоритмов. Обсудим тонкости разработки рекомендательных систем, обучим модель на данных социальной сети и свяжем её с нашим приложением.
Глубинное обучение и нейронные сети позволяют решать задачи, в которых классические модели бессильны: распознавание лиц, детекция объектов на изображениях, генерация осмысленного текста. Разберём популярные архитектуры нейросетей, научимся применять предобученные модели и тренировать свои. Построим продвинутую модель и усовершенствуем наш алгоритм рекомендаций.
Рассмотрим основные понятия теории вероятностей и математической статистики. Научимся проводить A/B-тесты и достоверно оценивать влияние ML-моделей на продукт и бизнес. Обсудим подводные камни проведения экспериментов и способы оценки метрик в ситуациях, когда A/B-тест провести невозможно. Реализуем свою систему тестирования и узнаем, удалось ли нам повысить качество рекомендаций в сравнении с базовым решением.
Поделимся своим опытом и расскажем, как проходят собеседования на Junior ML-инженера: разберём алгоритмические задачи на Python, а также популярные вопросы по машинному обучению, статистике и А/В-тестам. Практические задания помогут набраться уверенности в своих знаниях, заранее набить руку и уверенно пройти этот непростой этап.
Начнём с основ программирования, научимся писать код на Python и освоим библиотеки для анализа данных и машинного обучения. Научимся работать с базами данных и разберёмся, как с помощью SQL-запросов получать данные для моделей. Поговорим об архитектуре приложений и узнаем, как контролировать версии с помощью Git. Напишем прототип будущего ML-сервиса и настроим всё необходимое для его работы.
Познакомимся с классическими алгоритмами машинного обучения. Рассмотрим всё от простых линейных моделей до градиентного бустинга на решающих деревьях. Научимся готовить данные для моделей, настраивать разные параметры и оценивать качество работы ML-алгоритмов. Обсудим тонкости разработки рекомендательных систем, обучим модель на данных социальной сети и свяжем её с нашим приложением.
Глубинное обучение и нейронные сети позволяют решать задачи, в которых классические модели бессильны: распознавание лиц, детекция объектов на изображениях, генерация осмысленного текста. Разберём популярные архитектуры нейросетей, научимся применять предобученные модели и тренировать свои. Построим продвинутую модель и усовершенствуем наш алгоритм рекомендаций.
Рассмотрим основные понятия теории вероятностей и математической статистики. Научимся проводить A/B-тесты и достоверно оценивать влияние ML-моделей на продукт и бизнес. Обсудим подводные камни проведения экспериментов и способы оценки метрик в ситуациях, когда A/B-тест провести невозможно. Реализуем свою систему тестирования и узнаем, удалось ли нам повысить качество рекомендаций в сравнении с базовым решением.
Поделимся своим опытом и расскажем, как проходят собеседования на Junior ML-инженера: разберём алгоритмические задачи на Python, а также популярные вопросы по машинному обучению, статистике и А/В-тестам. Практические задания помогут набраться уверенности в своих знаниях, заранее набить руку и уверенно пройти этот непростой этап.
ПРОГРАММА ТРУДОУСТРОЙСТВА>>>
ТРУДОУСТРОЙСТВО
Вместе достигнем желаемой цели
ПОДГОТОВКА
Поможем составить сильное резюме
РЕКОМЕНДАЦИИ
Расскажем о вас компаниям-партнёрам
СОБЕСЕДОВАНИЕ
Организуем интервью с работодателем
84%
Трудоустроенных выпускников
Рассчитано на основе данных о количестве выпускников, обратившихся за помощью в поиске работы и трудоустроенных за 3 месяца. Как мы это считали
Будем поддерживать вас в течение всего процесса трудоустройства.
Наша цель — довести вас до оффера.
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
- 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
₽
- САМОПРЕЗЕНТАЦИЯЧтобы 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 ВАКАНСИЙПосле 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 ПРОГРЕССАСвой 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 МЕЧТЫНаша цель — довести вас до оффера. Среднее время трудоустройства с сопровождением составляет 1-1,5 месяца.
ВЫПУСКНИКИ НАШЕЙ ШКОЛЫ РАБОТАЮТ >>>
ДЕМОВЕРСИЯ
Пройдите по одному уроку из трех разных блоков, познакомьтесь с образовательной платформой и решите, подходит ли вам формат обучения.
ПОЛНАЯ ВЕРСИЯ
+ Прикладная разработка на Python
+ Машинное обучение
+ Основы Deep Learning
+ Статистика и A/B-тесты
+ Подготовка к собеседованиям
> Поддержка от преподавателей
> Работа на удалённом сервере
> Помощь с трудоустройством
+ Машинное обучение
+ Основы Deep Learning
+ Статистика и A/B-тесты
+ Подготовка к собеседованиям
> Поддержка от преподавателей
> Работа на удалённом сервере
> Помощь с трудоустройством
Начните осваивать профессию ML-инженера, получите доступ к работе на удалённом сервере и поддержке от наших преподавателей.
+ Уроки по темам:
>> Знакомство с Python
>> Введение в ML
>> Зачем нужна статистика и A/B-тесты
+ Конспекты лекций
+ Практические задания с разбором
>> Знакомство с Python
>> Введение в ML
>> Зачем нужна статистика и A/B-тесты
+ Конспекты лекций
+ Практические задания с разбором
18 000 ₽
110 000 ₽
0 ₽
Регистрация на курсе открывается сразу после нажатия на кнопку ниже.
ПОМЕСЯЧНО:
ПОЛНАЯ ОПЛАТА:
Оплата в течение
7 месяцев
7 месяцев
Скидка 16 000 ₽
при полной оплате
при полной оплате
126 000 ₽
Доступ к демоверсии откроется после регистрации на образовательной платформе.
+ Статистика и A/B-тесты
+ Собеседования и как их пройти
+ Поддержка преподавателей
+ Работа на удаленном сервере
+ Собеседования и как их пройти
+ Поддержка преподавателей
+ Работа на удаленном сервере
+ Прикладная разработка на Python
+ Машинное обучение и приложения
+ Обзор основ Deep Learning
+ Машинное обучение и приложения
+ Обзор основ Deep Learning
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.
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.
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.
Международная оплата
Если вы хотите оплатить обучение из-за рубежа, оставьте заявку — мы с вами свяжемся и подскажем, как это сделать.
ОСТАВИТЬ ЗАЯВКУ
ЗАДАТЬ ВОПРОС
Мы свяжемся с вами и ответим на все ваши вопросы по курсу.
УЧИТЕСЬ У >ЛУЧШИХ>
Руководитель направления продвинутой аналитики в Raiffeisen CIB. Преподаватель машинного обучения ФКН НИУ ВШЭ. Выпускник школы анализа данных от Яндекса. Ранее прошёл путь от стажера до старшего аналитика в Яндекс. Маркете за 2 года.
Head of DS в Raiffeisen CIB
НЕРСЕС БАГИЯН
Работал ML-инженером в Райффайзенбанке, занимался процессингом данных, построением моделей и автоматизацией ML-проектов. Сейчас работает backend-разработчиком в Яндекс.Диске
Модули >>>
Backend Яндекс.Диск
АЛЕКСЕЙ КОЖАРИН
Занимается продуктовой аналитикой и построением моделей машинного обучения в корпоративно-инвестиционном подразделении Райффайзенбанка.
Модули >>>
Аналитик Raiffeisen CIB
НИКИТА ТАБАКАЕВ
Занимается построением моделей динамического ценообразования в корпоративно-инвестиционном подразделении Райффайзенбанка. Исследователь в области обработки естественного языка.
Модули >>>
Аналитик Raiffeisen CIB
АЛЕКСЕЙ БИРШЕРТ
Отвечает за рекомендации и прогнозы для задач эффективности Яндекс.Еды. Ранее запускал рекомендации и прогнозы времени доставки в Яндекс.Лавке, занимался задачами продукта Яндекс.Такси.
Модули >>>
Head of ML Яндекс.Еда
ЭМИЛЬ КАЮМОВ
ОТЗЫВЫ СТУДЕНТОВ /
- Благодарю создателей курса за вполне качественный курс по основам машинного обучения.
Изначально я хотел получить знания в области машинного обучения. После февральских событий пришёл к выводу, что и профессию пора бы сменить на соответствующую. Первые два блока очень понравились, все 4 месяца с удовольствием учился на курсе.
Читать полностью
Тимур, теплоэнергетик - Спасибо большое всей команде, вы делаете крутой продукт!
Курс повлиял на мою карьеру — в июле я стала откликаться на вакансии и в августе нашла работу Junior Data Scientist в QIWI, чему очень рада! Было два этапа собеседования, и вот — теперь работаю на новом месте...
Читать полностью
ЕЛЕНА, BI-аналитик
- Спасибо большое всей команде, вы делаете крутой продукт!
Курс повлиял на мою карьеру — в июле я стала откликаться на вакансии и в августе нашла работу Junior Data Scientist в QIWI, чему очень рада! Было два этапа собеседования, и вот — теперь работаю на новом месте...
Читать полностью
ЕЛЕНА, BI-аналитик - Благодарю создателей курса за вполне качественный курс по основам машинного обучения.
Изначально я хотел получить знания в области машинного обучения. После февральских событий пришёл к выводу, что и профессию пора бы сменить на соответствующую. Первые два блока очень понравились, все 4 месяца с удовольствием учился на курсе.
Читать полностью
Тимур, теплоэнергетик