ХАРДКОРНЫЙ MACHINE LEARNING. ОБУЧЕНИЕ У НАС =|

Не просто обучаем модели, а решаем сложные и важные для бизнеса ML-задачи.
ФОРМАТ ОБУЧЕНИЯ
ОНЛАЙН
КОМУ ПОДОЙДЁТ
MIDDLE/SENIOR
Пакетные предложения
от 1 до 6 блоков
СТАРТ ПОТОКА
2 ОКТЯБРЯ

Для тех, кто уже имеет опыт работы в машинном обучении и хочет:

Научиться решать специфические и нестандартные задачи бизнеса
Освоить новую область в ML под руководством ведущих специалистов

НАУЧИТЕСЬ СТРОИТЬ ML-СЕРВИСЫ ДЛЯ РЕШЕНИЯ РЕАЛЬНЫХ ЗАДАЧ

Hard ML — это нестандартный 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!
//
Senior Principal в BP, хэдлайнер курса
Преподаватель курса Валерий Бабушкин
ВАЛЕРИЙ БАБУШКИН
//
// Цель нашего курса — помочь опытным аналитикам расширить свои компетенции и задать правильное направление для дальнейшего развития в профессии. Полученный практический опыт позволит углубить знания в области продуктовой аналитики и научиться подбирать правильные инструменты для решения задач в самых неопределённых условиях и незнакомых отраслях. //

ВЫБИРАЙТЕ ТО, ЧТО ИНТЕРЕСНО >

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.
Преподаватель
Игорь Котенков
6 недель
Продолжительность модуля
внутри:
10 уроков и финальный проект
Программа модуля
Финальный проект модуля
Используем полученные знания для разработки сервиса на основе моделей ранжирования. В качестве бонуса обсудим задачи, которые можно решить с минимальными изменениями текущего пайплайна.
инструменты:
ДИНАМИЧЕСКОЕ ЦЕНООБРАЗОВАНИЕ
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.
Преподаватель
Станислав Гафаров
6 недель
Продолжительность модуля
внутри:
9 уроков и финальный проект
Программа модуля
Финальный проект модуля
На основе пройденного материала создадим собственный сервис по предсказанию цен для 1000 товаров. Построим для него несколько моделей и постараемся решить задачу максимальных продаж без провисания маржи.
инструменты:
UPLIFT-МОДЕЛИРОВАНИЕ
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.
Преподаватель
Ваге Брсоян
6 недель
Продолжительность модуля
внутри:
5 уроков и финальный проект
Программа модуля
Финальный проект модуля
Напишем свой веб-сервис для запуска uplift-модели и организуем маркетинговую кампанию на основе транзакционных данных клиентов.
инструменты:
ПРОДВИНУТОЕ A/B-ТЕСТИРОВАНИЕ
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.
Преподаватель
Александр Сахнов
6 недель
Продолжительность модуля
внутри:
10 уроков и финальный проект
Программа модуля
Финальный проект модуля
Применим все полученные знания на практике и реализуем собственный веб-сервис для оценки большого числа экспериментов.
инструменты:
СЦЕНАРИИ ДЕПЛОЯ ML-СЕРВИСОВ
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.
Преподаватель
Владислав Ладенков
6 недель
Продолжительность модуля
внутри:
5 уроков и финальный проект
Программа блока
Финальный проект модуля
Построим и развернём на сервере прототип QA-системы, реализуем механизм её бесшовного обновления.
инструменты:
РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ
Сегодня рекомендательные системы встречаются во многих приложениях, где есть поиск и персонализация. Мы разберёмся, как построить свою рекомендательную систему, используя все возможные знания о пользователях и объектах рекомендации. На практике научимся использовать алгоритмы контентной фильтрации, матричной факторизации, обучим глубокие сети и модели ранжирования. А потом — рассмотрим проблемы, которые могут возникать в проде.
Преподаватель
Алексей Лопатин
Продолжительность модуля
6 недель
внутри:
10 уроков и финальный проект
Новый блок
Если вы проходили обучение на курсе HardML, для вас будет действовать специальное предложение!
Программа блока
Финальный проект
Используем полученные знания для разработки небольшого сервиса на основе рекомендательной системы. В качестве бонуса, обсудим, как добавить механизм АБ-тестирования

РЕКОМЕНДУЕМЫЙ УРОВЕНЬ:

Отличается для каждого блока

PYTHON
— Знание синтаксиса языка
 Понимание базовых структур данных (список, словарь, кортеж)
— Умение отлаживать код и писать тесты
— Знание основ ООП (класс, объект)
— Владение библиотеками Pandas, Scikit-learn, PyTorch
ТЕОРИЯ
— Знание основ теории вероятностей и математической статистики
ИНФРАСТРУКТУРА
— Базовые знания Bash, Docker, Git
— Знание классических ML-алгоритмов
— Базовые знания в глубоких нейросетях
— Понимание клиент-серверных запросов
— Минимальный опыт работы с веб-фреймворками (например, Flask)

ПОДРОБНЕЕ О КАЖДОМ БЛОКЕ

Валерий Бабушкин расскажет о курсе и его содержании. Вы узнаете, в чём ценность каждого блока, какие задачи предстоит решать и сколько времени понадобится на освоение программы.

Хотите купить только часть курса? Теперь это можно сделать

КАК ПРОХОДИТ ОБУЧЕНИЕ >

УЧИТЕСЬ В УДОБНОМ ФОРМАТЕ

Выбирайте любую последовательность прохождения блоков
Изучайте новую тему с помощью лекций и конспектов в удобное время
Закрепляйте практикой на нашей образовательной платформе после каждого урока

ПОЛУЧАЙТЕ ОБРАТНУЮ СВЯЗЬ

Отправляйте свое решение на проверку
Сразу получайте подробную ОС от нашей проверяющей системы
Обсуждайте задачи с экспертами в любой день недели
Приходите на ежемесячные Q&A-сессии с Валерием Бабушкиным
УЧИТЕСЬ В УДОБНОМ ФОРМАТЕ
Выбирайте любую последовательность прохождения блоков
Изучайте новую тему с помощью лекций и конспектов в удобное время
Закрепляйте практикой на нашей образовательной платформе после каждого урока
ПОЛУЧАЙТЕ ОБРАТНУЮ СВЯЗЬ
Отправляйте свое решение на проверку
Сразу получайте подробную ОС от нашей проверяющей системы
Обсуждайте задачи с экспертами в любой день недели
Приходите на ежемесячные Q&A-сессии с Валерием Бабушкиным

Авторы курса >

ВАЛЕРИЙ БАБУШКИН
Senior Principal в BP
НЕРСЕС БАГИЯН
Head of DS в Raiffeisen CIB
Читать подробнее →
Работа с командой DWH и обработка больших данных
Модуль:
СТАНИСЛАВ ГАФАРОВ
Lead Data Scientist в Capital.com
ВАГЕ БРСОЯН
Яндекс.Маркет, ex. Х5 Retail Group
ИГОРЬ КОТЕНКОВ
Senior ML Engineer в AliExpress Russia
АЛЕКСАНДР САХНОВ
Руководитель отдела мультивариативного анализа X5 Retail Group
ВЛАДИСЛАВ ЛАДЕНКОВ
Yandex.ru, ex-Blockchain.com
Алексей Лопатин
Senior ML Engineer
в Constructor.io

ОТЗЫВЫ СТУДЕНТОВ /

  • 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...

    Читать полностью
    ИГОРЬ МОИСЕЕВ
  • Полезный курс с практической направленностью

    Понравилась практическая направленность. В выбранных тематиках было достаточно современных подходов, теории и задач.
    Понравилось, что были разборы ДЗ — это реально помогало...

    Читать полностью
    МИХАИЛ КОЛОМАСОВ
  • Получил удовольствие от решения сложных задач

    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...

    Читать полностью
    ПАВЕЛ ЧАБУРКО
  • 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.
    ИГОРЬ МОИСЕЕВ