Профессия Machine Learning Engineer
С нуля до трудоустройства
- ★ 4,8 из 5
рейтинг курса на основе 145 672 оценок
- Обратная связь
Вместо автопроверок — чат с наставником и разбор заданий
- Помощь
в трудоустройстве
- Практика на реальных данных
От компаний и экспертов
Настоящее за искусственным интеллектом
Специалист по Machine Learning, Data Scientist или ML-инженер анализирует большие объёмы информации, разрабатывает модели машинного обучения, нейросети и создаёт большие GPT-подобные языковые модели. Спрос на таких специалистов есть везде: в бизнесе, медицине, промышленности и других отраслях.
Начните свой путь в IТ с машинного обучения
Все необходимые навыки ML-инженера — в одном курсе
Должность
Специалист по машинному обучению/ML-engineerНавыки
- Уверенно владею Python, SQL
- Извлекаю данные из различных источников (файлы, API, базы данных)
- Умею проводить EDA и визуализировать его результаты
- Провожу очистку и нормализацию данных, готовлю их к обучению и анализу
- Провожу feature engineering и feature generation: оцениваю значимость фичей, отбираю признаки
- Владею всеми классическими методами машинного обучения, умею их применять и адаптировать под задачу
- Использую временные ряды для решения задач прогнозирования
- Строю рекомендательные системы
- Работаю с инструментами Big Data
- Использую и дообучаю нейросети, в том числе трансформеры
- Внедряю модели в прод в бизнесе
- Строю пайплайны сбора и обработки данных, а также обучения ML-алгоритмов и оценки качества их работы
- Замеряю качества работы алгоритмов с помощью модельных метрик и провожу их тестирование
- Работаю с NLP/CV-задачами с помощью классических методов ML и Deep Learning
Инструменты
3 сильных проекта в портфолио
-
Предсказание совершения целевого действия на сайте СберАвтоподпискаВы проведёте обработку данных и разведочный анализ, научитесь предсказывать совершение целевого действия и упакуете модель в сервис.
-
Модель кредитного риск-менеджмента для банкаПроанализируете объёмный датасет и создадите модель кредитного риск-менеджмента. Поможете банку построить scoring-модель для прогнозирования платёжеспособности клиента.
-
Сервис распознавания документовПоработаете с алгоритмами CV- и NLP. Протестируете разные OCR-движки и научитесь извлекать из документов важную информацию.
У них получилось — получится и у вас
Наши студенты создали нейросетевой сериал
В конце 2022 года студенты профессии Data Scientist разработали нейросеть-сценариста, которая написала сериал для телеканала СТС. По сюжету герои пытаются выбраться из ситкома, в котором они внезапно оказались.
Учим на собственной образовательной платформе
- Видео с доступом навсегда
Видеолекции можно смотреть в любое время. У вас нет жёстких дедлайнов. Мы постоянно обновляем курс под требования рынка — доступ ко всем обновлениям курса останется с вами.
- Практика построена на реальных задачах
Методолог и практикующие эксперты приготовили более 80 практических заданий на развитие аналитического мышления и отработки навыков.
- Персональная обратная связь
Подробная обратная связь от кураторов-экспертов в течение 24 часов с момента отправки работы.
Команда поддержки будет рядом
-
Куратор-эксперт будет проверять ваши работы и помогать сделать их лучше. А ещё — проводить воркшопы с разбором домашних заданий. В кураторы мы берём практикующих экспертов с опытом работы от 5 лет. Они проходят методическое обучение — и умеют объяснять сложное. Куратор-эксперт
Подробно разбирает домашние задания, помогает сделать лучше
-
HR-консультант поможет в поиске работы. Вместе вы составите план развития, резюме и портфолио. Консультант подготовит вас к собеседованиям и даст доступ к закрытому каналу с вакансиями. HR-консультант
Помогает в поиске работы: от плана действий до собеседований
-
Служба заботы поддержит в решении всех технических вопросов. Например, поможет установить лицензионные программы или объяснит, как работать с учебной платформой. Служба заботы
Помогает с вопросами по платформе и прохождению курса
Мы хотим, чтобы всё у вас получилось
Оперативно ответим на вопросы по домашнему заданию и пришлём качественный разбор 💙
- Учебное комьюнити для общения и обмена опытом
Встречайтесь в чатах курса, делитесь решениями, объединяйтесь в команды с первых дней обучения
- Помощь по всем техническим вопросам
Поможем установить лицензионные программы, ответим на вопросы о платформе
- Доступ навсегда — к курсу и чату в Telegram
Сможете задавать вопросы в чате и смотреть обновления программы даже после окончания обучения
Учитесь у ML-инженеров из международных компаний
Учим так, чтобы у вас точно всё получилось
- С учётом реальных требований к кандидатам и технологий
Постоянно следим за актуальностью курса и обновляем программу — добавляем только те навыки, которые сейчас нужны рынку.
- Без дедлайнов и жёсткого расписания
Понимаем, как сложно учиться, будучи взрослым, поэтому не отчисляем студентов. Учитесь в любое время и сдавайте домашние работы когда удобно.
- Понятно и профессионально
Мы посмотрели курс глазами новичка и упростили подачу материала, чтобы вы точно разобрались со сложными темами.
Помощь в трудоустройстве
85% выпускников находят работу в течение 3 месяцев после окончания обучения, по данным исследования Высшей школы экономики
- Поможем оформить резюме и портфолио
- Подготовим к собеседованиям
- Пригласим в закрытый канал с вакансиями
Программа профессии
- 12 месяцев обучения
- 3 проекта в портфолио
- Доступ навсегда
- Обновлена в 2024 году
- Уровень 0: Базовая подготовка — 5 месяцев
-
Введение в Data Science Этот блок нужно пройти, чтобы получить основные навыки работы с данными.
- Введение в курс
- Business Understanding. С чего начинается работа с данными
- Data Understanding. Excel
- Введение в Python
- Переменные и типы данных
- Условия
- Циклы
- Алгоритмы и структуры данных
- Функции
- Коллекции в Python
- Чтение файлов в Python и командной строке
- Библиотека Pandas
- Получение данных с помощью API
- Базы данных
- Язык запросов SQL
- Power BI
- Data Preparation
- Разведочный анализ данных: Data Cleaning
- Разведочный анализ данных: Data Visualization
- Разведочный анализ данных. Feature Engineering
- Modeling
- Машинное обучение
- Линейные модели и нейронные сети
- Метрики в аналитике
- Маркетинговая аналитика
- Продуктовая аналитика
- Modeling. Заключение
- Evaluation
- Deployment
- Модель как API
- Мониторинг моделей
- Airflow
- Заключение
-
Финальная работа совместно с СберАвтоподписка Вам предстоит изучить предоставленный датасет, ответить на вопросы из общей части (подразумевающей базовую обработку данных и их разведочный анализ) и выполнить задание по специализации.
-
Основы математики для Data Science Пройдите этот блок, чтобы разобраться, как работают различные методы анализа данных, как строятся модели прогнозирования и как выявляются связи между разными переменными.
- Аналитика и ML. Базовые математические объекты и SymPy. Дроби и преобразования
- Аналитика и ML. Базовые математические объекты и SymPy. Необходимые функции и некоторые дополнительные объекты
- Аналитика и ML. Функции одной переменной, их свойства и графики
- ML. Интерполяция и полиномы
- ML. Аппроксимация и преобразования функций
- ML. Аппроксимация и производные
- ML. Функции нескольких переменных, их свойства и графики
- ML. Частные производные функции нескольких переменных
- ML. Векторы и Матрицы. Градиент
- ML. Линейная регрессия и системы линейных уравнений
- Задача аппроксимации как матричное уравнение
-
Основы статистики и теории вероятностей Из этого блока вы узнаете, как измерить вероятность разных событий и оценить надёжность полученных выводов.
- Введение в теорию вероятностей
- Случайные события
- Случайная величина
- Непрерывные распределения. Общие сведения
- Основные виды непрерывных распределений
- Статистические тесты
-
- Уровень 1: погружение в Machine Learning и трудоустройство — 4 месяца
-
Machine Learning: Junior Получите все необходимые навыки для работы на позиции Machine Learning Junior.
- Постановка задачи машинного обучения
- Основные термины машинного обучения
- Выгрузка данных с помощью SQL
- Линейная регрессия
- Регуляризация линейной регрессии
- Метрическая классификация. Метод ближайших соседей и его развитие
- Библиотека numpy
- Линейная классификация. Логистическая регрессия
- Линейная классификация. Метод опорных векторов
- Логическая классификация. Деревья решений
- Деревья решений и случайный лес
- Очистка данных
- Кластеризация. Метод k-средних
- Интерпретация. Метод k-средних
- Кластеризация. DBSCAN
- Несбалансированные выборки
- Нейрон и нейронная сеть
- Основы анализа текстов
-
Соревнование на Kaggle Самостоятельно построите модель для решения задачи. Проведёте сбор и разведочный анализ данных, выберете ML-алгоритм и обучите свою модель, оцените её качество и поработаете над улучшениями.
-
Итоговый проект. Модель кредитного риск-менеджмента для банка. Проанализируете объёмный датасет и создадите модель кредитного риск-менеджмента. Поможете банку спрогнозировать платёжеспособность клиента.
-
- Карьерный консультант поможет подготовиться к собеседованию в компании-партнёре. Разберёте частые вопросы и научитесь меньше переживать на интервью.
- Напишете сопроводительное письмо и грамотно оформите резюме.
- Будете готовы пройти собеседование — карьерный консультант организует встречу с работодателем.
- На интервью презентуете проекты, над которыми вы работали на курсе, а знания и навыки пригодятся для выполнения тестовых задач.
-
- Уровень 2: углубление знаний — 3 месяца
-
Machine Learning. Advanced Освоите алгоритмы для построения рекомендательных систем и прогнозирования временных рядов.
- Введение
- Auto ML. Часть 1
- Auto ML. Часть 2
- Введение в Computer Vision
- Нейронные сети и Computer Vision
- Нейронные сети и NLP. Часть 1
- Нейронные сети и NLP. Часть 2
- Введение в рекомендательные системы
- Коллаборативная фильтрация
- Бизнес оценка рекомендательных систем
- Продвинутые инструменты ML инженера
- Временные ряды
- Прогнозирование временных рядов с помощью других методов
- Мониторинг качества. Бонус-модуль
-
Deep Learning Научитесь работать с нейросетями
- Нейронные сети: введение
- Инструменты для глубокого обучения
- Свёрточные нейронные сети
- Задача оптимизации
- Fine-tuning & Transfer Learning
- Natural Language Processing
- Сегментация и детекция
- Reinforcement Learning
- Advanced: продвинутые нейронные сети
-
- Дополнительные курсы
-
Основы статистики и теории вероятностей Advanced Научитесь применять основные принципы статистики и теории вероятностей при работе с задачами Data Science. Поймете, как устроены алгоритмы машинного обучения, как в них применяются математическая статистика и теория вероятностей.
- Gentle introduction. Теория вероятностей в Python
- Оценивание
- Проверка гипотез: теория
- Проверка гипотез: практика
- Совместные распределения
- Исследование зависимостей
- Временные ряды
- Дополнительные главы (частотный и байесовский подходы, энтропия и дивергенция, формула Байеса)
-
Карьера разработчика: трудоустройство и развитие Узнаете, как выбрать подходящую вакансию, подготовиться к собеседованию и вести переговоры с работодателем. Сможете быстрее получить должность, которая соответствует вашим ожиданиям и умениям.
- Подготовка к поиску работы
- Составление резюме
- Поиск работы
- Выполнение тестовых заданий
- Подготовка к собеседованию и его прохождение
- Принятие оффера и выход на работу
- Профессиональное развитие и карьерный рост
- Типичные вопросы на собеседованиях
- Требования к программистам разных направлений
-
Специалисты по ML меняют мир в лучшую сторону
-
Упрощают поиск контента
Создают рекомендательные системы для онлайн-кинотеатров, стриминговых сервисов и интернет-магазинов.
-
Экономят деньги компаниям
Автоматизируют рутину, обучают нейросети распозновать договора, оптимизировать цепочки поставок и предсказывать успешные инвестиции.
-
Спасают людям жизни
Обучают модели, которые способны распознать онкологические заболевания на ранних стадиях, тренируют алгоритмы компьютерного зрения обнаруживать преступников в толпе.
-
Делают города комфортнее для жизни
Обучают нейросети анализировать трафик, отслеживать и прогнозировать уровни загрязнения воздуха и воды.
Кем можно работать после курса
- Специалистом по Machine Learning
Будете обучать алгоритмы классического машинного обучения и создавать сервисы на их основе: прогнозировать курс валют и акций, оптимизировать цепочки поставок или, например, создавать рекомендательные системы для музыкальных стримингов.
- Специалистом по компьютерному зрению
Будете работать с алгоритмами которые позволяют контролировать безопасность на производстве, усталости водителей и повреждений трубопроводов на нефтезаводах. Потенциально сможете поучаствовать в создании беспилотных автомобилей и другого транспорта.
- Специалистом по NLP
Будете улучшать такие большие языковые модели, как LLaMA и работать с другими GPT-подобными моделями, а также работать с алгоритмами, которые извлекают информацию из документов, анализируют комментарии пользователей в соцсетях, и будете строить поисковые движки и создавать виртуальных помощников для бизнеса.
Общение, комьюнити и нетворкинг
Доступ в студенческий чат с экспертами и поддержка кураторов на протяжении всего обучения.
- 4,7
- 4,7
- 4,8
- 4,5
- 4,7
- 5,0
- 4,5
- 4,7
Часто задаваемые вопросы
-
У меня нет опыта работы с данными. Подходит ли мне этот курс?
Курс по машинному обучению подходит новичкам без специальных знаний, высшего образования и талантов. Главное — не пожалейте времени на первый этап. Внимательно выполняйте практические работы и не забывайте читать дополнительную литературу. Чем лучше вы поймёте основы, тем легче вам будет учиться дальше. -
Можно ли стать ML-инженером за 2 года и найти работу?
Мы составили программу профессии «Machine Learning Engineer» с учётом требований работодателей, а итоговые проекты и практические работы основаны на реальных проблемах, которые решают дата-сайентисты. Если заниматься регулярно, практиковаться и не пропускать теоретические видео, то у вас будут все необходимые знания и сильное портфолио, чтобы удачно пройти собеседование. Всё остальное мы берём на себя: поможем составить резюме, подберём вакансии, подготовим к интервью и позовём заказчиков из бизнеса на презентацию итоговых проектов. -
Требуется ли знание математики?
Для того, чтобы начать осваивать профессию ML-инженера на начальных этапах от вас не требуется продвинутых знаний — достаточно школьного курса математики. Не пугайтесь, если вам придётся разобраться в темах, которые вы забыли или не проходили, — куратор поможет освежить знания или даст ссылки на полезные материалы. -
Нужно ли знать английский язык?
Значения важных англоязычных терминов объясним на курсах. В практических работах перевести незнакомые слова поможет Google Переводчик. Но со знанием языка инженеру машинного обучения проще ориентироваться в среде разработки, читать документацию, участвовать в международных проектах.
-
Сколько часов в неделю мне нужно будет уделять учёбе?
Всё зависит только от вас. В среднем участники курса по машинному обучению занимаются от 2 до 3 часов в день. -
Кто будет проверять практические задания?
В обучении профессии «Machine Learning Engineer» нет никаких автоматических проверок и скриптов. Куратор-практик не только укажет на ошибки, но и поможет разобраться в сложных темах, ответит на вопросы. Проверка практических заданий и доступ к Telegram-чату уже входят в стоимость курса — ничего доплачивать не нужно. -
Действуют ли какие-нибудь программы рассрочки?
Да, вы можете купить курс в рассрочку — и спланировать свой бюджет, разбив всю сумму на небольшие ежемесячные платежи.
- Баку
- Ереван
- Душанбе
- Тбилиси
- Ташкент
- Астана
- Минск
- Кутаиси
- Батуми
- Рустави
- Зугдиди
- Сенаки
- Телави
- Гори
- Алматы
- Самарканд
- Гюмри
- Гомель
- Ош
- Шымкент
- Гянджа
