В реальной жизни компаниям не интересны такие метрики, как ROC-AUC в третьем знаке. ML-модели существуют в сложной и динамичной бизнес-среде: они должны решать проблемы бизнеса и приносить ему ощутимую пользу, после того как закончен этап моделирования.
Наш курс познакомит тебя с экосистемой ML-модели и её жизненным циклом. Ты узнаешь, какие вопросы нужно задавать бизнесу на старте проекта, чтобы модель попала в продакшен. На примере реальных кейсов разберёшь, что может пойти не так с ML-проектом.
Курс будет полезен как студентам ML-направления, так и студентам продуктового направления. Ты будешь писать код на Python и обучать модели, а ещё отвечать на вопросы, которые важны бизнесу. В каждом случае требуется глубоко погружаться в задачи, поэтому курс предполагает командную работу над проектом.
В рамках курса можно заниматься собственной идеей ML-приложения или выбрать из тех, которые мы предложим.
Этот курс подойдёт тем, кто хочет:
В этом курсе тебя ждёт много практики. Ты выберешь идею для проекта, напишешь для него дизайн-документ и сделаешь демоверсию, которую можно будет добавить в портфолио и показывать на собеседованиях (или друзьям!).
Среди преподавателей курса — только практики. Они перевели массу задач с бизнес-языка на язык математики и на своём опыте знают, что может произойти, если пренебречь дизайн-документом. А ещё преподаватели поделятся наблюдениями, как проводятся собеседования по ML System Design, и советами, как их проходить.