СТАРТ ПРОГРАММЫ
сейчас
ФОРМАТ ОБУЧЕНИЯ
ОНЛАЙН
КОМУ ПОДОЙДЁТ
INTERN/JUNIOR

ДЛИТЕЛЬНОСТЬ
БЕЗ ОГРАНИЧЕНИЙ
ВАЛЕРИЙ БАБУШКИН
Работа над реальными задачами под руководством ведущих ML-специалистов
СИМУЛЯТОР MACHINE LEARNING
ENGINEER
|
СИМУЛЯТОР = ЧИСТАЯ ПРАКТИКА ://
Blockchain.com, куратор симулятора
ВАЛЕРИЙ БАБУШКИН
На симуляторе вы получите доступ к инфраструктуре и задачам разного уровня, которые подготовили ML-инженеры с опытом работы в ритейле, e-commerce и BigTech-компаниях.

Здесь вас ждёт практика на задачах, максимально приближенных к реальным, и в окружении, максимально похожем на рабочее. Вы сможете начать с комфортного для вас уровня сложности и повышать его по мере развития ваших навыков. Закрепив знания на кейсах из индустрии, вы подготовите себя к решению аналогичных задач на работе.
ПОДРОБНЕЕ О СИМУЛЯТОРЕ
Валерий Бабушкин расскажет, в чём заключается ценность симулятора ML-инженера и какие задачи вам предстоит решать.
Ищите новую позицию и хотите, получить опыт, о котором сможете рассказать на собеседовании. Хотите попробовать свои силы в задачах машинного обучения, с которыми не сталкивались на текущей работе?"
Вы Data Scientist или Аналитик и хотите развития
Делаете fit-predict, но не знаете, как решать бизнес задачи с помощью ML? Умеете работать только с готовыми датасетами и хотите научиться ходить в базы данных и делать выгрузку самостоятельно? Не знаете, как деплоить модели и проводить АБ-тесты?
Есть теория — нет практики
ДЛЯ КОГО ЭТА ПРОГРАММА:

Что вам понадобится для начала:

PYTHON
Владеете циклами, списками, классами на базовом уровне

simulator = SimulatorML ("6 months")
problems = list (simulator.problems)
for problem in problems:
problem.solve ()
MACHINE LEARNING
Делаете фит-предикт — уже достаточно

model = LinearRegression ()
model = model. fit (X, y)
y_pred = model. predict (X_test)
СТАТИСТИКА
Знаешь, что такое математическое ожидание и сможешь посчитать t-тест
E[X] = Σ x_i * p_i
SQL
Будет плюсом если вы умеете делать простые селекты и джойны (если нет, сможете научиться в симуляторе)

SELECT
DATE (timestamp) as day,
COUNT (DISTINCT user_id) as dau
FROM churn_submits
КАК ПРОХОДИТ ОБУЧЕНИЕ >>>
Инфраструктура
Обучение
Сложность
Поддержка студентов
Поиск работы
ИСПОЛЬЗУЙТЕ НАШУ ИНФРАСТРУКТУРУ
— Работайте со всеми необходимыми инструментами на выделенном сервере
— Практикуйтесь на данных из реальных задач
— Отправляйте свои решения на автоматическую проверку нашей системой
ПРАКТИКУЙТЕСЬ
— Решайте актуальные задачи ML-инженера
— Занимайтесь практикой без скучной теории
— Главное — это работающее решение


ВЫБИРАЙТЕ ПОДХОДЯЩУЮ СЛОЖНОСТЬ
— Решайте задачи разных уровней: от Intern до Senior
— Пишите несложный код или создавайте полноценные ML-сервисы
ЗАДАВАЙТЕ ЛЮБЫЕ ВОПРОСЫ В ПОДДЕРЖКУ
— Общайтесь с другими студентами и делитесь идеями
— Обсуждайте задачи и проекты с экспертами рынка
— Вашими преподавателями будут ML-специалисты из ведущих компаний
— Консультируйтесь с HR специалистами
— Учитесь правильно презентовать свои навыки
— Откликайтесь на вакансии компаний-партнёров
— Проходите собеседования и устраивайтесь на работу

УСТРАИВАЙТЕСЬ НА РАБОТУ
ИСПОЛЬЗУЙТЕ НАШУ ИНФРАСТРУКТУРУ
— Работайте со всеми необходимыми инструментами на выделенном сервере
— Практикуйтесь на данных из реальных задач
— Отправляйте свои решения на автоматическую проверку нашей системой
90
ПРАКТИКУЙТЕСЬ
— Решайте актуальные задачи ML-инженера
— Занимайтесь практикой без скучной теории
— Главное — это работающее решение
108
ВЫБИРАЙТЕ ПОДХОДЯЩУЮ СЛОЖНОСТЬ
— Решайте задачи разных уровней: от Intern до Senior
— Пишите несложный код или создавайте полноценные ML-сервисы
108
ЗАДАВАЙТЕ ЛЮБЫЕ ВОПРОСЫ В ПОДДЕРЖКУ
— Общайтесь с другими студентами и делитесь идеями
— Обсуждайте задачи и проекты с экспертами рынка
— Вашими преподавателями будут ML-специалисты из ведущих компаний
108
УСТРАИВАЙТЕСЬ НА РАБОТУ
— Консультируйтесь с HR специалистами
— Учитесь правильно презентовать свои навыки
— Откликайтесь на вакансии компаний-партнёров
— Проходите собеседования и устраивайтесь на работу
108
ЧЕМУ ВЫ НАУЧИТЕСЬ:
Строить дашборды и писать SQL запросы.
Оценивать влияние моделей на показатели бизнеса с помощью A/B-тестов.
Деплоить модели и создавать свои микросервисы для ML
ЗАДАЧИ, КОТОРЫЕ БУДЕМ РЕШАТЬ:
1. Эмбеддинги товаров
ML-команде маркетплейса потребовались векторные представления товаров, учитывающие паттерны поведения пользователей. Постройте эмбеддинги на основе истории покупок, используя любой подходящий метод.
2. Постпроцессинг предсказаний
Модель динамического ценообразования выдала рекомендованные цены. Убедитесь, что они соответствуют бизнес-логике: не превышают цены конкурентов и не приводят к сверхпродажам и дефициту товаров на складе. Найдите способ скорректировать цены за минимальное число правок цены.
3. А/В-тестирование
Дизайнеры внесли изменения в интерфейс сайта. Аналитик провёл A/B-тест и не обнаружил статистически значимого изменения конверсии. Проверьте, верны ли его расчёты, и попробуйте провести тест другим способом.
4. Приближенный поиск ближайших соседей
ML-инженер из другого отдела построил экспериментальную ML-модель в Jupyter-ноутбуке. Бизнес-заказчику понравились результаты работы модели, и вас попросили упаковать её в продукт. Перенесите код из Jupyter в модули библиотеки, покройте модель тестами, зафиксируйте зависимости, упакуйте всё в Docker и настройте автоматический пересчёт предсказаний по расписанию.
5. Деплой модели
Мы обучили модель, которая на основе картинки и названия товара генерирует эмбеддинги. Но мы не можем с её помощью искать дубликаты среди миллионов товаров — сложность квадратичная. Попробуйте какой-нибудь другой способ и предложите своё решение.
6. Уверенность модели
Вы обучили модель, прогнозирующую отток пользователей, и получили ROC-AUC, равный 0.89. Ваш руководитель просит уточнить, какой доверительный интервал у этой оценки и на каких новых клиентах модель уверена в своём предсказании лучше, а на каких — хуже.
1. Эмбеддинги товаров
ML-команде маркетплейса потребовались векторные представления товаров, учитывающие паттерны поведения пользователей. Постройте эмбеддинги на основе истории покупок, используя любой подходящий метод.
2. Постпроцессинг предсказаний
Модель динамического ценообразования выдала рекомендованные цены. Убедитесь, что они соответствуют бизнес-логике: не превышают цены конкурентов и не приводят к сверхпродажам и дефициту товаров на складе. Найдите способ скорректировать цены за минимальное число правок цены.
3. А/В-тестирование
Дизайнеры внесли изменения в интерфейс сайта. Аналитик провёл A/B-тест и не обнаружил статистически значимого изменения конверсии. Проверьте, верны ли его расчёты, и попробуйте провести тест другим способом.
4. Приближенный поиск ближайших соседей
ML-инженер из другого отдела построил экспериментальную ML-модель в Jupyter-ноутбуке. Бизнес-заказчику понравились результаты работы модели, и вас попросили упаковать её в продукт. Перенесите код из Jupyter в модули библиотеки, покройте модель тестами, зафиксируйте зависимости, упакуйте всё в Docker и настройте автоматический пересчёт предсказаний по расписанию.
5. Деплой модели
Мы обучили модель, которая на основе картинки и названия товара генерирует эмбеддинги. Но мы не можем с её помощью искать дубликаты среди миллионов товаров — сложность квадратичная. Попробуйте какой-нибудь другой способ и предложите своё решение.
6. Уверенность модели
Вы обучили модель, прогнозирующую отток пользователей, и получили ROC-AUC, равный 0.89. Ваш руководитель просит уточнить, какой доверительный интервал у этой оценки и на каких новых клиентах модель уверена в своём предсказании лучше, а на каких — хуже.
БУДЕМ ИСПОЛЬЗОВАТЬ:
УЧИТЕСЬ У >ЛУЧШИХ>
ВАЛЕРИЙ БАБУШКИН
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 Grandmaster на платформе Kaggle.
VP of Data Science в Blockchain.com
БОГДАН ПЕЧЁНКИН
Работал в X5 Retail Group, Alibaba и KazanExpress. Запустил динамическое ценообразование в AliExpress. Курировал курс по анализу больших данных на Spark в BigData Team. Соавтор курса по Reliable ML на Educative.
Соавтор Симулятора ML
ДЕМОВЕРСИЯ
Решите 4 задачи разного уровня сложности, познакомьтесь с образовательной платформой и решите, подходит ли вам формат обучения.
КУПИТЬ ПОДПИСКУ
Все задачи, разобранные на курсе. Доступ к поддержке от наших преподавателей, готовых ответить на любые вопросы. Возможность работы на удалённом сервере.
+ Valid Emails
+ Asymmetric Metrics
+ Churn Rate: Bootstrap II*
+ Target margin
0 ₽
Регистрация на курсе открывается сразу после нажатия на кнопку ниже.
Доступ к демоверсии откроется после регистрации на образовательной платформе.
19 950 ₽/ 3 месяца
Скидка 10% при покупке пакета
37 800 ₽/ 6 месяцев
Скидка 15% при покупке пакета
71 400 ₽/ 12 месяцев
*.части I и III доступны только в полной версии
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.
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.
Какой уровень требуется для прохождения курса?
Курс подойдёт как тем, кто уже знает теорию машинного обучения, но никогда не сталкивался с настоящими рабочими задачами и хотел бы отточить свои навыки на практике, но и уже опытным специалистам, которые хотят отточить навыки в определенной области.
Какие задачи я буду решать?
Вы будете решать задачи, которые регулярно встречаются в повседневной работе ML-инженеров уровней Junior, Middle и Senior.
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, к которой вы всегда сможете обратиться за помощью.
Я смогу общаться с преподавателями и другими студентами?
Конечно, сможете. Всё общение с преподавателями и однокурсниками будет проходить в Slack. В чате можно будет задать любые вопросы по обучению.
Смогу ли я вернуть деньги, если курс мне не понравится?
Да, сможете. В течение первых двух недель можно вернуть оплату за весь курс.
Получу ли я сертификат?

Да, вы получите интерактивный сертификат, который будет отражать прогресс по решённым на симуляторе задачам.

Я хочу пройти этот курс, чтобы устроиться на работу. Поможет ли мне ваш курс в достижении этой цели?
Да, у нас действует  программа трудоустройства. Сначала мы рассказываем, как правильно составить сильное резюме и сопроводительное письмо, помогаем подготовиться к собеседованиям и учим правильно презентовать свои навыки. Затем мы направляем ваше резюме компаниям-партнёрам, среди которых Озон, Яндекс, Авито и многие другие. Всё это время вас сопровождает наш менеджер по трудоустройству.

Вы сможете воспользоваться этой программой, если решите хотя бы 2 задачи уровня Senior.
У меня есть свои задачи, которые я хочу научиться решать. Поможет ли мне ваш курс?
Уверены, что поможет. Вы сможете применить полученный на симуляторе опыт для решения большинства стоящих перед вами задач. Если ваша задача специфическая и требует нестандартного подхода, вы сможете посоветоваться в чате с командой поддержки и преподавателями — вам обязательно помогут.

БЕЗ ОГРАНИЧЕНИЙ ПО ВРЕМЕНИ

НАЧАЛО КУРСА СЕЙЧАС

Остались вопросы?

Заполните форму, мы свяжемся с вами, ответим на все ваши вопросы и подробнее расскажем о курсе.