О чём курс

Валерий Бабушкин разбирает методы проектирования и внедрения ML-систем, устойчивых к нагрузке и ошибкам.

О чём курс

Материал охватывает жизненный цикл систем машинного обучения от первичной постановки задачи до промышленной эксплуатации моделей. В центре внимания — оценка рисков на этапе предварительных исследований, составление дизайн-документов, проектирование бейзлайнов и выстраивание воспроизводимых пайплайнов обучения.

Автор подробно рассматривает правила подготовки датасетов, выбор функций потерь и метрик, адекватные схемы валидации и анализ ошибок. Отдельные блоки отведены под фиче-инжиниринг, интеграцию моделей в продукты, оптимизацию инференса по стоимости и скорости, а также построение мониторинга для своевременного выявления деградации качества.

Для кого

  • Начинающие ML-специалисты: вы разберётесь в устройстве систем на практике и избежите типичных ошибок в первых рабочих проектах.
  • Опытные ML-инженеры: систематизируете знания, освоите проектирование решений под высокие нагрузки и поднимете инженерный уровень.
  • Тимлиды и руководители команд: научитесь взвешенно оценивать архитектуру ML-систем, понимать последствия инженерных решений и уверенно вести техническую команду.

Что входит в курс

Программа содержит 60 уроков по проектированию, обучению, развёртыванию и последующей поддержке ML-систем. Обучение включает создание и разбор дизайн-документов на реальных кейсах, детальное обсуждение успехов и неудач при запуске продуктов, ответы преподавателя на вопросы, практические рекомендации и дополнительные материалы от эксперта.

Чему вы научитесь

Вы научитесь видеть ML-проекты целиком: формулировать требования, выделять основные этапы разработки и держать процессы под контролем. Освоите выбор прикладных метрик, настройку надёжных пайплайнов и проведение тестирования для объективной оценки качества моделей.

Кроме того, вы разберётесь в оптимизации деплоя, инструментах мониторинга и правилах подготовки прозрачной отчётности по результатам ML-разработки для бизнеса.

Программа обучения

Тема 1. Пространство проблемы и пространство решения. Научитесь переводить бизнес-задачи в корректные ML-решения и выбирать подходящую архитектуру под реальные ограничения Тема 2. Предварительные исследования. Поймёте, как оценивать данные, риски и возможные подходы ещё до начала разработки, чтобы не тратить время впустую Тема 3. Дизайн-документ. Освоите создание ML-дизайн-документов, которые помогают команде быстрее принимать решения и двигаться в одном направлении Тема 4. Функции потерь и метрики. Научитесь выбирать метрики и функции потерь так, чтобы они отражали реальную ценность модели для продукта и бизнеса Тема 5. Датасеты: работа с данными. Разберётесь, как готовить качественные датасеты и выстраивать процессы работы с данными, от которых напрямую зависит результат Тема 6. Схемы валидаций. Научитесь правильно оценивать модели и избегать ошибок, которые создают иллюзию хорошего качества Тема 7. Бейзлайны. Поймёте, как строить простые и честные бейзлайны для объективной оценки прогресса и пользы ML-решений Тема 8. Анализ ошибок. Научитесь находить реальные причины плохой работы модели и принимать обоснованные решения по её улучшению Тема 9. Пайплайны обучения. Освоите построение удобных и воспроизводимых пайплайнов обучения, готовых к командной работе и продакшену Тема 10. Фиче-инжиниринг. Поймёте, как создавать фичи, которые действительно улучшают качество моделей, а не усложняют систему Тема 11. Репортинг. Научитесь понятно и структурированно доносить результаты ML-работ до команды и бизнеса Тема 12. Интеграция. Разберётесь, как встраивать ML-модели в продукт так, чтобы они стабильно работали и приносили пользу Тема 13. Мониторинг и надежность. Поймёте, как отслеживать качество моделей в продакшене и вовремя реагировать на деградации Тема 14. Обслуживание и оптимизация инференса. Научитесь оптимизировать инференс по скорости, стоимости и устойчивости под реальные нагрузки Тема 15. Управление и обслуживание. Разберётесь, как встраивать ML-модели в продукт так, чтобы они стабильно работали и приносили пользу

Складчина создана 20 мая 2026 г. · описание обновлено 25 октября 2026 г.

Теги курса

Другие материалы автора 3

ВБ Валерий Бабушкин Все материалы
9 944 ₽ 178 500 ₽