Инженер машинного обучения работает с ML-моделями на всём цикле: от сбора данных до внедрения. Его работа — помогать бизнесу, медицине, промышленности и другим сферам принимать верные решения. На курсе научат работать с машинным обучением «от и до», создавать и обслуживать эффективные решения.

Можно выбрать расширенный тариф (от 16 месяцев), в рамках которой можно дополнительно изучать одну из специализаций — компьютерное зрение или обработка естественного языка.

ML-инженер разрабатывает модели машинного обучения, развивает их и внедряет в бизнес-процессы. Цель специалиста — выбрать подходящие алгоритмы для работы и настроить их так, чтобы модель смогла самостоятельно принимать решения.

Для успешного обучения необходимо владение на начальном уровне любым языком программирования, плюсом будет знание таких языков, как Python, Pascal, Java, MatLab, C/C++.

Программа реализована в партнерстве с TeachMeSkills.

Освоение практик для разработки, внедрения в продакшн и мониторинга ML‑решений. Изучение ClearML, MLflow, ClickHouse, Mage, Superset, Yandex Cloud и других инструментов.

Для обучения необходимо знать основы SQL и объектно-ориентированного программирования, уметь использовать Python для решения ML‑задач, быть знакомым с проектированием веб‑сервисов на Flask, FastAPI или Django, работать в Git на уровне открытого PR и с простыми пайплайнами по обработке данных в оркестраторах общего применения AirFlow или Prefect.

На курсе можно попробовать силы в аналитике данных, машинном обучении и подробно изучить направление, которое нравится больше.

Курс научит использовать методы науки о данных (Data Science), строить и тестировать математические модели. После базовой программы на выбор предоставляется более узкая специализация в Data Science: ML Engineer или CV Engineer.

Стоимость курса указана по тарифу «Базовый». Можно выбрать обучение на других тарифах:

• «Оптимальный»: все опции «Базового» тарифа, а также 12 часов индивидуальных консультаций с ментором, карьерная консультация, тестовое техническое собеседование с экспертом, мини-курсы SQL-pro и Data Engineer.
• «VIP»: опции других тарифов, а также персональные консультации с ментором 1 раз в неделю, реализация личного/рабочего проекта с экспертом.

На курсе расскажут, как создавать модели машинного обучения, строить рекомендательные системы и обучать нейронные сети.

Стоимость указана по тарифу «Базовый». Также доступны тарифы с доп. опциями:

• «Продвинутый»: 3 индивидуальных созвона с ментором, проверка работ вне дедлайнов, карьерный курс по прохождению собеседований и самопрезентации, пожизненный доступ к живым мастер-классам и обновлениям материалов, расширенная карьерная поддержка, доступ к любому модулю из курсов-симуляторов на выбор.
• «VIP»: все из тарифа «Продвинутый» + еще 9 созвонов с ментором, индивидуальный план обучения, персональное сопровождение во время обучения ментором и трекинг прогресса, индивидуальный итоговый проект, полная карьерная поддержка, доступ к материалам первого потока тренинга «Как делать аналитику».

Деятельность ML-инженеров объединяет анализ данных и разработку. Они создают модели машинного обучения, которые предсказывают события и автоматически принимают решения в самых разных областях.

Цена указана по тарифу «Базовый». Также доступны тарифы:

• «Расширенный»: все опции тарифа «Базовый», а также 3 консультации с HR, вебинары, онлайн-разбор проекта, развернутое ревью профиля GitHub с рекомендациями и доступ к симулятору Data Science на 1 месяц.
• «Персональный»: все опции тарифа «Расширенный», а также 2 встречи с техническими экспертами в карьерном курсе, индивидуальный чат с HR экспертом на 3 месяца, 5 персональных встреч с практикующими аналитиками данных, еще 5 месяцев практики на реальных задачах (симулятор Data Science).

На курсе расскажут, как обучать нейронные сети, анализировать большие объемы информации, создавать модели ML для прогнозирования в бизнесе, медицине, промышленности.

Слушатели курса разберутся в тонкостях соревновательного анализа данных и прокачают свои навыки в построении моделей машинного обучения с максимальной точностью.

По окончании курса слушатели смогут:

• знать нормативно-правовое регулирование MLSecOps, а также этические аспекты применения искусственного интеллекта на предприятиях;
• классифицировать атаки MLSecOps и выбирать необходимые меры противодействия;
• применять теоретические знания при решении прикладных задач обеспечения безопасности искусственного интеллекта и др.