Машинное обучение. Экспертный уровень

Name: Машинное обучение. Экспертный уровень
Price: 12297 RUB
Availability: PreOrder

17 участников

МЛ Автор Михаил Лебедев, Мария Тихонова, Игорь Стурейко Школа Otus

О чём курс

Курс «Продвинутые ML приемы для Data Scientists» разработан для специалистов, стремящихся выйти на уровень Middle+ и Senior. Программа ориентирована на аналитиков, желающих освоить методы машинного обучения для прогнозирования, программистов, стремящихся научиться строить end-to-end пайплайны и выводить модели в production, а также на действующих Data Science и ML-инженеров, планирующих карьерный рост. Обучение требует уверенного владения Python (pandas, sklearn, numpy), понимания базовых алгоритмов ML, а также знаний в области математического анализа, линейной алгебры и теории вероятностей.

В ходе курса студенты получают глубокие знания по широкому спектру продвинутых тем: от байесовских методов и обучения с подкреплением до работы с графами и современными языковыми моделями. Особое внимание уделяется практической составляющей: после каждого вебинара слушатели получают Jupyter Notebook с детальным разбором кейса. Программа дает навыки настройки окружения, написания production-кода, работы с AutoML, а также решения сложных прикладных задач, таких как ранжирование, динамическое ценообразование, оптимизация логистики и прогнозирование торговых операций. Вы научитесь создавать нейросетевые AI-модели и применять их для разнообразных бизнес-задач.

Формат обучения включает теоретические блоки, практические занятия и работу над собственным проектом. Проектная работа позволяет применить полученные знания на практике под руководством опытных преподавателей, что является отличным дополнением к портфолио. По итогам курса вы будете обладать обширной базой знаний, необходимой для уверенного решения нестандартных задач на ведущих позициях в индустрии. Курс помогает систематизировать опыт, освоить современные инструменты (Docker, Kubernetes, DVC, MLFlow, Langchain и др.) и научиться выстраивать полноценные ML-системы, готовые к внедрению в реальный бизнес-процесс. Это интенсивная программа для тех, кто хочет перестать использовать ML как «черный ящик» и начать профессионально управлять жизненным циклом моделей.

Программа обучения

Бонусный модуль NLP Тема 1: Нейросетевые языковые модели и стратегии генерации текста Тема 2: Машинный перевод и seq2seq Тема 3: Архитектура Transformer и концепция attention mechanism Тема 4: Transfer learning; BERT model Тема 5: Генеративные языковые модели GPT3 и методы few, zero-shot learning Тема 6: Towards ChatGPT Тема 7: Теория промптинга LLM Тема 8: Sentence-transformers Тема 9: Langchain Тема 10: RAG - генерация на основе базы знаний Бонусный модуль Графы Тема 1: Введение в графы: основные понятия. NetworkX, Stellar Тема 2: Анализ графов и интерпретация. Community Detection Тема 3: Link Prediction и Node Classification Временные ряды Тема 1: Извлечение признаков. Fourier и Wavelet transformation, Automatic Feature generation - tsfresh Тема 2: Unsupervised подходы: Кластеризация временных рядов Тема 3: Unsupervised подходы: Сегментация временных рядов Тема 4: Прогнозирование временных рядов Тема 5: Поиск аномалий во временных рядах Рекомендательные системы. Задача ранжирования Тема 1: Введение в теорию рекомендательных систем и их практическое применение Тема 2: Проблема холодного старта. Метод поиска ближайших соседей Тема 3: SVD и ALS алгоритмы Тема 4: Практическое занятие по рекомендательным системам. Двухуровневая модель Тема 5: Обзор нейросетевых моделей Bayesian Learning, PyMC Тема 1: Введение в вероятностное моделирование, апостериорные оценки, сэмплирование Тема 2: Markov Chain Monte-Carlo (MCMC), Metropolis–Hastings Тема 3: Байесовское АB-тестирование Тема 4: Generalized linear model (GLM) - байесовские регрессии, вывод апостериорных оценок коэффициентов Тема 5: Практическое занятие по GLM Тема 6: Практическое занятие по логит-регрессии Тема 7: Байесовская сеть доверия: практическое занятие Reinforcement Learning Тема 1: Введение в обучение с подкреплением Тема 2: Multi-armed bandits для оптимизации AB-тестирования, от теории - сразу в бой Тема 3: Практическое занятие: Multi-armed bandits в ecommerce: search оптимизация Тема 4: Markov Decision Process, Value function, Bellman equation Тема 5: Value iteration, Policy iteration Тема 6: Monte Carlo Methods Тема 7: Temporal Difference (TD) и Q-learning Тема 8: SARSA и Практическое занятие: финансовый кейс TD и Q-learning Тема 9: Deep Q-Network (DQN) алгоритм Тема 10: Deep Policy Gradient (PG) алгоритм Тема 11: Actor-Critic алгоритм Production Тема 1: Production Code проекта на примере задачи классификации/регрессии, Virtual environments, dependency management, pypi/gemfury Тема 2: REST-архитектура: Flask API Тема 3: Docker: Структура, применение, деплой Тема 4: Сети и Docker compose Тема 5: Практическое занятие по работе в проде: деплой докера в Yandex Cloud Тема 6: Колоночные БД и объектные хранилища Тема 7: Версионирование данных. DVC Тема 8: Воспроизводимость и версионирование. MLFlow Production. AutoML Тема 1: Практическое занятие - Оптимизация кода, parallelization, multiprocessing, ускорение pandas, Modin для Pandas Тема 2: Advanced Data Preprocessing. Categorical Encodings Тема 3: Featuretools - а вы что, за меня и признаки придумывать будете? Тема 4: H2O и TPOT - а вы что, за меня и модели строить будете? Тема 5: Поиск нечетких дублей Тема 6: Практическое занятие - Построение end-to-end пайплайнов и сериализация моделей Проектная работа Тема 1: Выбор темы проекта Тема 2: Предзащита проектных работ №1 Тема 3: Предзащита проектный работ №2 Тема 4: Защита проектных работ

Складчина создана 14 апреля 2026 г. · описание обновлено 23 апреля 2026 г.

Теги курса

Отзывов пока нет. Будьте первым!

Как получить курс?

Влада Администратор сайта

Этот курс сейчас в процессе организации складчины. Нажмите кнопку «Записаться» и ожидайте старта — вам придёт уведомление. Когда складчина стартует, в карточке курса будет указан актуальный взнос. Текущая цена пока в процессе формирования и может отличаться от финальной.

Финальный взнос будет ниже, чем 126 000 ₽?

Влада Администратор сайта

Да, мы стремимся, чтобы финальный взнос был не больше ≈10% от оригинальной цены курса. Чем больше участников записывается в складчину, тем ниже выходит взнос для каждого.

Как я могу ускорить сбор складчины и уменьшить взнос?

Влада Администратор сайта

Нажмите кнопку «Записаться» и авторизуйтесь на сайте через email (через ту же почту, которую будете использовать для входа). В личном кабинете вас будут ждать инструкции, как пригласить других участников — чем больше людей записалось, тем быстрее стартует складчина и тем ниже взнос. Как только складчина готова к приобретению, вам придёт уведомление.