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.

Изучение полного жизненного цикла модели машинного обучения и построение продвинутой ML-модели, создание микросервисов в облачной среде.

Курс рассчитан на специалистов, у которых уже есть начальный опыт. Для прохождения необходимо:

• знать язык программирования Python и SQL.
• уметь работать с данными.
• быть знакомым с принципами классического машинного обучения.

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 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.
• «VIP»: 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 HR и ментора, 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 плюс»: все опции тарифа «Базовый», а также 3 консультации с HR, вебинары, онлайн-разбор проекта, развернутое ревью профиля GitHub с рекомендациями, доступ к симулятору Data Science на 3 месяца, персональная встреча с экспертом курса.
• «Продвинутый»: все опции тарифа «Базовый плюс», а также 2 встречи с техническими экспертами в карьерном курсе, индивидуальный чат с HR экспертом на 3 месяца, еще 6 персональных встреч и 3 месяца практики на реальных задачах (симулятор Data Science), курс Deep Learning Engineer (трек NLP или CV на выбор).

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.