Специалист по глубокому обучению

Работа с признаками и построение моделей

Проверка данных, очистка с помощью NumPy и Pandas, снижение размерности (PCA, LDA, NMF), деревья решений, логистическая, линейная и полиномиальная регрессия, Random Forest. 42 часа теории, 37 часов практики.

Разработка и обучение нейросетей

Построение полносвязных сетей (LeNet, AlexNet), введение в Keras, свёрточные и рекуррентные сети, автоэнкодеры, генеративно-состязательные сети. 10 часов теории, 6 часов практики.

Работа с потоковыми данными

Clickhouse, Kafka, Kafka Streams, Spark Streaming, Data Lake & Hadoop. 12 часов теории, 9 часов практики.

Проектирование DWH

Архитектура DWH, Data Quality, Data Governance, инструменты работы с хранилищами данных. 17 часов теории, 32 часа практики.

MLOps

DevOps, Docker, микросервисная архитектура, k8s, CI/CD, мониторинг, инструменты для обучения ML-моделей. 8 часов теории, 25 часов практики.

Специализация: Компьютерное зрение (CV)

Извлечение признаков, поиск по картинкам, сегментация, детекция объектов, свёрточные сети, механизмы внимания. 21 час теории, 12 часов практики.

Специализация: Обработка естественного языка (NLP)

Морфологический и синтаксический анализ, распределённая семантика, информационный поиск, генерация текстов, языковые модели. 21 час теории, 12 часов практики.

Deep learning. Общий модуль специализаций

Основы нейронных сетей, многослойные сети, свёрточные и рекуррентные сети, механизмы внимания, улучшение качества обучения. 16 часов теории, 16 часов практики.

Бонусные темы: Математика для анализа данных

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

Нейросети для технических задач

Использование генеративного ИИ (GPT-4) для написания SQL-запросов и кода, работа с таблицами в Excel и Google Sheets. 2,2 часа теории, 1,5 часа практики.

Поиск работы с помощью генеративного ИИ

Оформление резюме и портфолио, подготовка к собеседованию с помощью нейросетей. 1,4 часа теории, 1,5 часа практики.

Распознавание и генерация звука

Библиотеки pydub и librosa, извлечение речи, биометрия голоса, синтез речи, диалоговые системы. 14 часов теории, 24 часа практики.

Онлайн (видеолекции, без привязки к строгому графику)

• Более 100 экспертов и оркестратор ИИ-агентов

• Проверка и очистка данных (NumPy, Pandas)
• Снижение размерности данных (PCA, LDA, NMF)
• Построение моделей машинного обучения (регрессия, классификация, Random Forest)
• Разработка и обучение нейросетей (Keras, CNN, RNN, GAN)
• Работа с потоковыми данными (Kafka, Spark Streaming, Clickhouse)
• Проектирование хранилищ данных (DWH, Data Lake, Hadoop)
• MLOps (Docker, k8s, CI/CD, мониторинг)
• Компьютерное зрение (детекция, сегментация, распознавание)
• Обработка естественного языка (NLP, генерация текстов, информационный поиск)
• Использование генеративного ИИ (GPT-4) для кода и анализа
• Работа со звуком (распознавание речи, синтез)

• Начинающие специалисты, желающие стартовать в профессии с нуля
• Специалисты, желающие получить дополнительную профильную нишу в сфере глубокого обучения
• Кандидаты на позиции ML-инженера, Data Scientist, CV-инженера или NLP-разработчика