Курс позволит изучить алгоритмы машинного обучения и научит использовать лучшие методики для оценки качества моделей.

Для прохождения обучения необходимо владеть Python, Java, C#, JavaScript или другим языком программирования.

Программа реализована в партнерстве с TeachMeSkills.

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) с дополнительной специализацией на выбор — компьютерное зрение или обработка естественного языка.

Обучение нейросетей на облачной инфраструктуре и фундаментальные основы Deep Learning.

Для обучения необходимо:

• Писать код на Python, знать основы ООП и классическое ML.
• Иметь опыт в анализе данных, их визуализации и манипуляции ими.
• Обладать базовыми знаниями в математике и линейной алгебре.

Курс позволит начать обучение с основ математики и статистики, а затем выбрать специализацию: Machine Learning или Data Analyst.

На курсе расскажут, как создавать модели машинного обучения, строить рекомендательные системы и работать с нейронными сетями.

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

• «Продвинутый»: бессрочная поддержка и проверка проектов от преподавателей, 3 индивидуальных созвона с преподавателем любого модуля или ментором потока, расширенная карьерная поддержка, доступ к ежемесячным закрытым мастер-классам в течение 12 месяцев.
• «Вип»: все из тарифа «Продвинутый» + 12 созвонов с ментором или преподавателями, индивидуальный план обучения, персональный ментор и индивидуальное сопровождение во время обучения, индивидуальный итоговый проект, пожизненный доступ к ежемесячным закрытым мастер-классам, полная карьерная поддержка, доступ к модулю по Spark.

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:

• «Базовый+»: все из тарифа «Базовый», 2 доп. вебинара, персональная встреча с экспертом курса, доступ к тренажеру по анализу данных и машинному обучению на 3 месяца, 3 консультации с карьерным специалистом, развернутое ревью профиля GitHub с рекомендациями.
• «Продвинутый»: все из тарифа «Базовый+», еще 6 встреч с экспертом курса, еще 3 месяца практики на тренажере, курс Deep Learning Engineer (трек NLP или CV на выбор), 2 встречи с техническими экспертами в карьерном курсе, индивидуальный чат с экспертом по карьере на 3 месяца.

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.

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

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

Углубление знаний в работе с нейросетями и отработка навыков на практике.

Курс подойдёт программистам, аналитикам и дата-сайентистам.

Для обучения на курсе важно:

• уметь программировать на Python, знать библиотеки Pandas, NumPy, Scikit-learn;
• разбираться в основах и типах задач машинного обучения;
• владеть терминологией и понимать основные метрики машинного обучения: accuracy, precision, recall, MSE.