За год подготовитесь к работе ML-инженером: получите необходимую математическую подготовку, освоите Python, научитесь работать с данными и создадите свои первые модели машинного обучения.

Длительность: 9 месяцев

Результат: 2 итоговых проекта

Авторы курса: эксперты из Сбера, ЮMoney, Visa

Обновили курс: в 2022 году

О профессии

Специалист по Machine Learning, или ML-инженер анализирует большие объёмы информации, создаёт модели для прогнозирования в бизнесе, медицине, промышленности.
Задача ML-инженера — обучать нейросети, проектировать аналитические системы и рекомендательные сервисы на основе алгоритмов машинного обучения.

• более 2 000 вакансий для ML-инженеров доступно на hh.ru
• от 60 000 рублей зарплата после первого года обучения

Что даёт профессия ML-инженер?

• Востребованную работу, которой не грозит вымирание. Не зря Data Science назвали самой сексуальной профессией XXI века. Причина — всё больше компаний принимают решения на основе данных и используют искусственный интеллект для автоматизации процессов. На ваши навыки всегда будет спрос — опытный Data Scientist может зарабатывать до 500 000 рублей.

• Свободу выбирать направление. Вы можете разворачивать нейросети для выявления опасных заболеваний, а если надоест — перейти в музыкальный стартап и создавать рекомендательный сервис. Сфера применения моделей машинного обучения не ограничивается одним направлением. А ещё тут нет рутины — каждый проект интересен и по-своему уникален.

• Возможность видеть результат своей работы. Дата-сайентист прямо влияет на жизнь компаний и людей. Алгоритмы нейросетей рекомендуют сериал на вечер, формируют новостную ленту в соцсетях и прокладывают оптимальный маршрут для курьеров, чтобы груз не застрял в пробке и приехал вовремя.

Программма курса

Первый уровень: базовая подготовка

Введение в Data Science

• Познакомитесь с основными направлениями Data Science, узнаете, какие задачи решают дата-аналитики, дата-инженеры и специалисты по машинному обучению.
• Пройдёте все этапы работы с данными. Научитесь выявлять проблемы, собирать бизнес-требования. Будете выгружать данные из различных источников, проводить разведочный анализ и готовить датасет к дальнейшему использованию. Обучите и внедрите готовую ML-модель, попробуете себя в роли продуктового и маркетингового аналитика. Узнаете, как формулировать и проверять гипотезы. Освоите базовые инструменты для работы: Python, SQL, Excel, Power Bi, Airflow.

Основы статистики и теории вероятностей

• Поймёте принципы работы со случайными величинами и событиями. Познакомитесь с некоторыми видами распределений и статистическими тестами, которые пригодятся при составлении моделей и проверке гипотез.

Основы математики для Data Science

• Получите базовые знания по математике для работы с машинным обучением. Поймёте, что такое аппроксимация, интерполяция, функции, регрессии, матрицы и векторы. Научитесь работать с математическими сущностями в Python-библиотеке SymPy.