Инженер машинного обучения

Программа курса

Ознакомьтесь с программой курса «Инженер машинного обучения» от KARPOVCOURSES - karpov.courses

1. Что делает ML-инженер. Составите первое представление о работе инженера по машинному обучению, узнаете, какие навыки, технологии и инструменты необходимы для работы, а также изучите основные шаги и операции при работе с данными и научитесь выбирать нужные инс…
2. Прикладная разработка на Python. Изучите основы программирования на Python, освоите библиотеки для анализа данных и машинного обучения. Узнаете, как строить архитектуру приложений и контролировать версии в Git. Напишете прототип будущего сервиса по машинному…
3. Машинное обучение. Познакомитесь с классическими алгоритмами машинного обучения, освоите подготовку данных для моделей, разберетесь в тонкостях разработки рекомендательных систем и обучите модель на данных социальной сети.
4. Основы deep learning. Разберете популярные архитектуры нейросетей, научитесь работать с предобученными моделями и тренировать собственные. Усовершенствуете созданный на предыдущих этапах обучения механизм рекомендаций.
5. Статистика и A/B-тесты. Рассмотрите основные понятия теории вероятностей и математической статистики, научитесь проводить тесты и оценивать влияние моделей по машинному обучению на продукт и бизнес. Реализуете свою систему тестирования и оцените ее эффективно…
6. Подготовка к собеседованиям. Узнаете, как проходят собеседования на инженера по машинному обучению для начинающих специалистов (уровня junior). Разберете алгоритмические задачи на Python и популярные вопросы по теме машинного обучения, статистике и A/B-тестам…

Чему вы научитесь

• Имеете опыт в программировании и разработке приложений, но хотите применить свои знания в новой области и научиться выявлять потребности бизнеса.
• > Разбираюсь в основах теории вероятностей и математической статистики , знаю основные статистические критерии и условия их применимости.
• Освоите продвинутые методы и инструменты и выйдете на качественно новый уровень в своей специальности.
• Понимать синтаксис Python: освоим циклы, коллекции, функции, библиотеки и ООП.
• > Имею опыт применения продвинутых ML-моделей методом градиентного бустинга.
• Перейдете от теории к практике и научитесь решать реальные бизнес-задачи.
• Оценивать влияние моделей на бизнес с помощью статистики и A/B-тестов.
• > Умею проводить A/B-тесты и оценивать влияние ML-моделей на продукт.
• Открытая программная библиотека, разработанная компанией Яндекс.
• Изучайте разборы идеальных решений в видео и текстовом формате.