Обычно у ML-инженера есть несколько направлений работы: он взаимодействует с бизнесом, разрабатывает ML-модели и деплоит их в продакшен. На этом курсе ты изучишь инструменты и подходы, которые помогают интегрировать машинное обучение в реальные проекты и обеспечивают его надёжную работу.

Академическая нагрузка

Пререквизиты

Команда курса

Untitled

Фича курса

Выполняя домашние задания, ты будешь пошагово разрабатывать реальный проект — сервис по выявлению чат-ботов (как в тесте Тьюринга). Ты обучишь ML-модель, разработаешь настоящий ML-пайплайн и подготовишь его к стресс-тесту. В конце курса пройдёт защита лучших проектов.

Проект рекомендуется выполнять в команде, но можно и в одиночку, если у тебя есть достаточно времени и хочется получить от курса максимум пользы.

Проект станет частью твоего портфолио. На собеседованиях ты сможешь рассказать о нём подробно, погружаясь в стек технологий и технические детали имплементации.

Результат курса