Data Scientist / ML Engineer

Data Scientist / ML Engineer

Что нужно знать, чтобы строить ML-модели в эпоху LLM и вайбкодинга? Нужно знать, что нейросеть сама себя за вас не проверит, особенно если ее не попросить: какая метрика подходит под задачу (и подходит ли текущая), переобучается ли модель, верно ли выстроена схема валидации, сколько и как тестировать модель в продакшене. ❗️Заметить и исправить ошибки нейросетки сможет только тот, кто имеет крепкий фундамент знаний в ML 🤓 Получить его можно на курсе «База ML» от MLinside: 5 поток стартовал 23 сентября, но набор еще открыт – можно подключиться сейчас и догнать группу Курс основан на многолетнем опыте преподавания ML в МФТИ, ВШЭ и работы в топовых компаниях. Программа подойдет новичкам в ML, а также разработчикам и аналитикам, которые хотят разобраться в машинном обучении, узнать, как ML применяется в реальных продуктах, и перейти в эту сферу. За время обучения вы: ▪️освоите ключевые алгоритмы машинного обучения; ▪️научитесь работать с данными и строить модели на Python; ▪️разберетесь в метриках и оценке качества моделей; ▪️познакомитесь с нейронными сетями; ▪️поймете, как устроены современные ML-системы; ▪️выполните практические задания и соберете проект для портфолио. В новом потоке в программе появились: ▪️ работа с AI-инструментами в задачах ML-специалиста ▪️ основы ML System Design А ещё в новом потоке в курс добавили разборы самых частых применений ML в бизнесе, стало больше практики и поддержки от кураторов. Курс ведут практики с опытом работы в Яндексе, МТС и Сбере и преподавания в МФТИ и ВШЭ. Среди них Виктор Кантор, Никита Зелинский и Илья Ирхин, сами прошедшие путь от Data Scientist до CDO и понимающие все стадии развития в Data Science изнутри. Задать уточняющие вопросы или оставить заявку можно написав напрямую менеджеру школы, он ответит на вопросы, поможет выбрать тариф и забронирует место. Подробности о программе, формате обучения и тарифах — на сайте курса