00
чЁрная пятница в karpov.courses
00
00
дней
часов
Удачное время чтобы начать учиться!
минут
00
секунд
:
:
:
MACHINE LEARNING ДЛЯ НАЧИНАЮЩИХ. ОБУЧЕНИЕ У НАС |
Поможем с нуля освоить одну из самых востребованных IT-профессий
СТАРТ ПРОГРАММЫ
7 ДЕКАБРЯ
7 ДЕКАБРЯ
ФОРМАТ ОБУЧЕНИЯ
ОНЛАЙН
ОНЛАЙН
КОМУ ПОДОЙДЁТ
С НУЛЯ
С НУЛЯ
ПОЭТАПНАЯ ОПЛАТА
НА 7 МЕСЯЦЕВ
НА 7 МЕСЯЦЕВ
НЕРСЕС БАГИЯН
01
дней
02
часов
03
минут
04
секунд
УЗНАТЬ ДАТУ СЛЕДУЮЩЕГО СТАРТА
Мы свяжемся с вами и ответим на все ваши вопросы по курсу.
чЁрная пятница продолжается!
Выделить время в конце года на обучение и ознакомление с продуктом не всегда бывает просто.
еще больше времени на принятие решения
Мы любим свои продукты и уверены в качестве нашего контента, поэтому даём больше времени, чтобы познакомиться с программой.
Для тех, кто приобретёт курс
с 18 по 30 ноября, будет доступна опция перевода на другой курс или полного возврата в течение 21 дня14 дней.
с 18 по 30 ноября, будет доступна опция перевода на другой курс или полного возврата в течение 21 дня
Предложение ограничено. Чтобы воспользоваться предложением, оставьте заявку до 30 ноября включительно
Повышенный кэшбэк карпов коинами
Недавно мы анонсировали реферальную программу.
Она даёт возможность получить кэшбэк за рекомендацию наших продуктов, а вашим друзьям получить дополнительную скидку.
Рекомендуйте наши курсы в ноябре, получайте повышенный кэшбэк Карпов Коинами и оплачивайте ими наши обучающие программы или продлевайте подписку.
записаться на курс
Мы свяжемся с вами и ответим на все ваши вопросы по курсу.
Я даю согласие на обработку моих персональных данных.
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
КОМУ ПОДОЙДЁТ ЭТОТ КУРС:
НОВИЧКАМ
Хотите освоить машинное обучение, но не знаете, с чего начать. Курс даст все необходимые знания для старта карьеры в ML.
МАТЕМАТИКАМ
Увлекаетесь математикой и точными науками, но хотите перейти от теории к практике и научиться решать реальные бизнес-задачи.
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.
Не уверены, что вам подходит программа?
Оставьте заявку, наш консультант свяжется с вами и поможет подобрать курс, который будет полностью соответствовать вашим целям.
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 20 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 20 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 найти новую работу: объясняем, как правильно составить резюме и сопроводительное письмо, отрабатываем навыки самопрезентации, проводим индивидуальные разборы тестовых заданий. В течение всего процесса поиска новой работы мы поддерживаем и сопровождаем наших студентов.
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 20 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 20 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.
ЭТОТ КУРС КАЖЕТСЯ ВАМ ЛЕГКИМ?
Оставьте заявку, наш консультант свяжется с вами и поможет подобрать курс, который будет полностью соответствовать вашим целям.
Стоимость обучения
> Прикладная разработка на Python
> Машинное обучение
> Основы Deep Learning
> Статистика и A/B-тесты
> Машинное обучение
> Основы Deep Learning
> Статистика и A/B-тесты
Начните осваивать профессию ML-инженера, получите доступ к работе на удалённом сервере и поддержке от наших преподавателей.
95 000 ₽
ПОЛНАЯ ОПЛАТА:
> Поддержка от преподавателей
> Работа на удалённом сервере
> Карьерные консультации
> Работа на удалённом сервере
> Карьерные консультации
9 690 ₽ / мес. *
Поэтапная оплата или рассрочка от партнёра:
* При рассрочке на 12 месяцев.
126 000 ₽
-25%
Срок рассрочки можно выбрать на этапе оплаты. Доступны опции от 10 до 24 мес.
-8%
Промокоды, выданные ранее 01.11.2023, а также дополнительные скидки, за исключением реферальной программы, не применимы во время действия Чёрной пятницы и не суммируются со скидками на сайте.
записаться на курс или задать вопрос
Мы свяжемся с вами и ответим на все ваши вопросы по курсу.
Я даю согласие на обработку моих персональных данных.
записаться на курс или задать вопрос
Мы свяжемся с вами и ответим на все ваши вопросы по курсу.
Я даю согласие на обработку моих персональных данных.
записаться на курс или задать вопрос
Мы свяжемся с вами и ответим на все ваши вопросы по курсу.
Я даю согласие на обработку моих персональных данных.
Рассчитано на основе данных о количестве выпускников, обратившихся за помощью в поиске работы и трудоустроенных за 3 месяца. Как мы это считали
Удобный ежемесячный платеж с беспроцентной рассрочкой от нашего партнЁра
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.
ОСТАВИТЬ ЗАЯВКУ
Мы свяжемся с вами для того, чтобы ответить на все вопросы по ней.
налоговый вычет
Начните учиться сейчас, оформите налоговый вычет и верните до 13% стоимости обучения.
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
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