Скачать [Яндекс Практикум] ML-инженер с модулем по ИИ. Тариф Расширенный

[Kail]

Ссылка на картинку

Курс «ML-инженер» с модулем по ИИ

За 12 месяцев освоите востребованную профессию и получите реальный опыт:
Пройдёте полный цикл ML‑проекта — от подготовки данных и обучения моделей до внедрения и поддержки

В этом курсе:

• Актуальная программа 2026 года и навыки, которые нужны работодателям
• Обучаем как классическим ML-алгоритмам, так и нейросетям
• 18+ проектов и хакатон на данных из разных индустрий
• Подготовка к техническим собеседованиям и презентация прошлого опыта

Учиться будет несложно, если вы:

• Новичок в ML с технической базой
  Знаете синтаксис Python и можете выполнять базовые операции
• Математик без опыта разработки на Python
  Понимаете линейную алгебру, теорию вероятностей и статистику
• Аналитик без опыта в ML
  Можете писать базовые SQL‑запросы и знаете основы Python

Перед стартом основного курса есть подготовительный модуль. Для комфортного обучения нужны базовые технические знания.

Усилите навыки с помощью нейросетей чтобы они работали вместе с вами, а не вместо вас:

• 73% работодателей поддерживают применение ИИ сотрудниками, а больше половины — обращают внимание на эти навыки при найме
• Будете с помощью ИИ генерировать код на Python, проводить его диагностику и исправлять ошибки
• Сможете применять ИИ для создания SQL‑запросов по требованиям бизнеса
• Научитесь писать промпты для создания визуализаций и графиков
• Освоите популярные AI‑инструменты: ChatGPT, DeepSeek, Cursor, Claude, Алиса AI

Программа:

1. Бесплатная часть: Знакомство с машинным обучением и входное тестирование
2. Подготовительный модуль (необязательный, 2–6 недель)
3. 1 спринт. Обработка данных в SQL
4. 2 спринт. Знакомство с базами данных
5. 3 спринт. Большой проект по обработке данных
6. 4 спринт. Предобработка данных в Python
7. 5 спринт. Исследовательский анализ и визуализация с Python
8. 6 спринт. Инструменты разработки и основы ООП
9. 7 спринт. Большой проект по исследовательскому анализу
10. 8 спринт. Подготовка данных для машинного обучения
11. 9 спринт. Первые модели и оценка качества
12. 10 спринт. Продвинутые линейные модели и регуляризация
13. 11 спринт. Нелинейные модели и деревья решений
14. 12 спринт. Ансамблевые методы
15. 13 спринт. Продвинутый отбор признаков и интерпретация предсказаний модели
16. 14 спринт. Обучение без учителя
17. 15 спринт. Введение в нейронные сети и основы PyTorch
18. 16 спринт. Рекуррентные нейросети и трансформерные модели
19. 17 спринт. Большой проект по ML-алгоритмам
20. Дополнительно. Инструменты для ускорения ML-разработки
21. 18 спринт. Построение ML-пайплайнов и оркестрация
22. 19 спринт. Разработка веб-сервисов на базе REST API
23. 20 спринт. Контейнеризация веб-сервисов
24. 21 спринт. A/B-тесты и мониторинг
25. 22 спринт. Большой проект по внедрению модели в продакшн
26. Дополнительно. Подготовка к техническим собеседованиям
27. 23 спринт. Итоговый проект базового тарифа
28. 24 спринт. Нейросети для ML-инженеров
29. 25 спринт. Основы работы с большими данными
30. 26 спринт. Обработка данных в Apache Spark
31. 27 спринт. Классические методы NLP и подготовка текстов (совместно с ШАД)
32. 28 спринт. Архитектура трансформеров и устройство LLM
33. 29 спринт. Построение RAG-систем и методы поиска
34. 30 спринт. Мультимодальность и дообучение LLM
35. 31 спринт. Проектный месяц

Сергей Бережной:

• Эксперт AI‑модуля
• Директор по взаимодействию с разработчиками Яндекса

Тариф Расширенный:

• 16 месяцев обучения
• Расширенная программа
• 25 проектов
• Модуль по работе с большими данными
• Модуль от Школы анализа данных Яндекса по обработке текстов и LLM

Нагрузка: ~15 часов в неделю.

Показать больше