Курс Cloud.ru ML System Design
Бесплатный доступ
Получите полный комплект учебных материалов курса без скрытых платежей и ограничений
Удобный график
Учитесь в своем темпе: начните и завершите курс тогда, когда комфортно
Применимая польза
Научитесь создавать ML-модели и внедрять их в продакшн-среду
Именной сертификат
Сохраните именной сертификат после прохождения курса и выполнения всех тестов
Кому подойдет курс
Менеджерам продуктов
Запускать продукты с ML под капотом и взаимодействовать с командами, отвечающими за данные и разработку
Менеджерам проектов
Координировать ML-проекты и понимать потенциальные возможности, риски и ограничения
Backend-разработчикам
Понимать, из чего состоит ML-система, как она функционирует и как с ней работать
Frontend-разработчикам
Внедрять ML в интерфейсы для улучшения взаимодействия с продуктом
Продуктовым дизайнерам
Разрабатывать адаптивные интерфейсы под предпочтения пользователей
DS-разработчикам
Эксплуатировать и обновлять модели, быстро меняя их под требования бизнеса
Что вы узнаете на курсе
Как устроены ML-системы
Пройдете все этапы жизненного цикла ML-системы: от сбора и обработки данных до разработки модели, ее оценки, инференса, мониторинга и поддержки в продакшн
Как оценивать ML-модели
Поймете, как проводить оценку ML-моделей офлайн и онлайн. Узнаете, как измерять уверенность модели в своих прогнозах
Как выполнять конструирование признаков (feature engineering)
Разберетесь в создании новых признаков и узнаете, как работать, если некоторых данных нет
Как проектировать данные (data engineering)
Освоите методы подготовки качественных и репрезентативных наборов данных для более точного и эффективного обучения ML-моделей
Как обслуживать модель в облаке
Научитесь мониторить точность прогнозов, оптимизировать производительность ML-модели и настраивать автоскейлинг ресурсов в облаке
Как отслеживать и внедрять изменения
Овладеете практиками применения CI/CD для безопасного и эффективного внесения изменений в ML-системы. Научитесь управлять версиями моделей и данных
Как проходит обучение
Курс доступен сразу после регистрации на платформе LMS. Все уроки и прогресс обучения отражаются в личном кабинете
Ожидаемый уровень вашей подготовки
Понимание базовых ML-алгоритмов: Linear regression, Logistic regression, SVM, Decision Tree, Random Forest, GBDT, KNN, K-Means
Знание основ Python и знакомство по крайней мере с одним фреймворком, например, TensorFlow, PyTorch, JAX или Catalyst
Наличие базовых знаний теории вероятностей, включая понимание нормального и равномерного распределений
Потребуется знакомство с облачными технологиями (масштабируемость, виртуализация, безопасность) и базовые навыки работы с Docker-контейнерами