Инженер машинного обучения PRO

Работа с признаками и построение моделей

Проверка данных, очистка с помощью NumPy и Pandas, снижение размерности (PCA, LDA, NMF), построение деревьев решений, логистической, линейной и полиномиальной регрессии, использование Random Forest.

Разработка и обучение нейросетей

Построение полносвязных сетей (LeNet, AlexNet), введение в Keras, свёрточные и рекуррентные сети, автоэнкодеры, генеративно-состязательные сети (GAN).

Работа с потоковыми данными

Устройство Clickhouse и Kafka, конфигурация Kafka Streams, Spark Streaming, создание приложений на Spark Structure Streaming + Kafka.

Data Lake & Hadoop

Архитектура Hadoop, различия Data Lake и Data Warehouse, MapReduce, Yarn, Pig & Hive, HBase & Cassandra, управление кластером, обзор Apache Ambari, Ranger, Atlas.

Проектирование DWH

Архитектура DWH, принципы построения, Data Quality и Data Governance, инструменты для работы с хранилищами данных.

MLOps

DevOps и MLOps, Docker, микросервисная архитектура, k8s, оркестраторы CI/CD, мониторинг, инструменты для обучения ML-моделей.

Дипломный проект

Создание ML-модели для решения профессиональных задач с индивидуальным руководством и консультациями.

Специализация: Компьютерное зрение (CV)

Извлечение признаков, поиск по картинкам, сегментация, детекция объектов, Image Captioning, обучение свёрточных сетей.

Специализация: Обработка естественного языка (NLP)

Морфологический и синтаксический анализ, распределённая семантика, информационный поиск, классификация, извлечение информации, генерация текстов, языковые модели.

Deep learning. Общий модуль специализаций

Основы нейронных сетей, многослойные сети, свёрточные сети, архитектуры, улучшение качества обучения, механизм внимания.

Бонусные темы: Математика для анализа данных

Векторные и матричные операции, генетические алгоритмы, теория вероятностей, линейная алгебра, математический анализ, теория оптимизации.

Новое в программе: Генеративный ИИ

Использование ChatGPT и GPT-4 для работы с таблицами, написание SQL и кода, поиск работы с помощью ИИ.

Новое в программе: Поиск работы с помощью генеративного ИИ

Оформление резюме и портфолио, подготовка к собеседованию с помощью нейросетей.

A/B-тесты

Data-driven процессы, приоритизация гипотез, основы A/B-тестирования, статистика, инструменты для A/B-тестирования, анализ результатов.

Распознавание и генерация звука

Работа с pydub и librosa, транскрибация, распознавание аудио, синтез речи, обработка звуковых сигналов, диалоговые системы.

Онлайн (видеолекции, без привязки к строгому графику)

• ML-инженеры из Amazon, Яндекс, Сбер; эксперты Яндекс, Т-Банка и Сбера (на воркшопах)

• Очистка и проверка данных (NumPy, Pandas)
• Снижение размерности (PCA, LDA, NMF)
• Построение моделей (Random Forest, логистическая/линейная/полиномиальная регрессия)
• Разработка и обучение нейросетей (Keras, CNN, RNN, GAN)
• Работа с потоковыми данными (Kafka, Spark Streaming, Clickhouse)
• Управление кластерами Hadoop (MapReduce, Yarn, HBase, Cassandra)
• Проектирование DWH и Data Lake
• MLOps (Docker, k8s, CI/CD, мониторинг)
• Компьютерное зрение (детекция, сегментация, Image Captioning)
• Обработка естественного языка (NLP, языковые модели, извлечение информации)
• Использование генеративного ИИ (GPT-4, ChatGPT) для кода, SQL и аналитики
• A/B-тестирование и статистический анализ
• Работа со звуком (распознавание, синтез речи, диалоговые системы)

• Специалисты с опытом в IT
• Кандидаты на позиции ML-инженера, CV-инженера, NLP-разработчика

Опыт работы в IT