ML-инженер с модулем по ИИ

О чём курс

Вы пройдете полный жизненный цикл ML-проектов: выполните предварительную обработку данных, обучите модели, внедрите их в продакшн и настроите мониторинг. В программу подготовки специалистов по машинному обучению входит разбор классических алгоритмов машинного обучения, глубоких нейросетей и прикладных инструментов искусственного интеллекта.

Для кого

Программа рассчитана на специалистов, обладающих базовыми техническими знаниями:

• новичков в машинном обучении с опытом написания базового синтаксиса Python;
• математиков с пониманием линейной алгебры, теории вероятностей и математической статистики, желающих освоить разработку;
• аналитиков данных, умеющих составлять SQL-запросы и знающих основы Python.

Перед началом основного обучения предусмотрен подготовительный модуль для выравнивания знаний по математике и программированию.

Что внутри

Обучение начинается с работы с базами данных на SQL и исследовательского анализа данных на Python. Далее рассматриваются задачи подготовки признаков, обучение линейных и нелинейных моделей, ансамблевые методы, обучение без учителя, а также проектирование нейросетей с использованием библиотеки PyTorch и архитектуры трансформеров.

Инженерный блок программы включает разработку REST API, контейнеризацию сервисов с помощью Docker, автоматизацию пайплайнов, проведение A/B-тестирования и настройку мониторинга. В расширенной части курса изучаются распределённая обработка больших данных в Apache Spark, классические методы обработки естественного языка, построение RAG-систем и дообучение больших языковых моделей (LLM).

Отдельный блок посвящён интеграции генеративных нейросетей в повседневную работу инженера: написанию промптов, генерации кода и запросов, отладке и автоматизации рутинных задач.

Формат

Программа рассчитана на срок от 12 до 16 месяцев при примерной учебной нагрузке около 15 часов в неделю. Практическая часть включает от 18 до 25 прикладных проектов, решение сквозных бизнес-кейсов, участие в хакатоне и блок подготовки к техническим собеседованиям.