Дизайн систем машинного обучения и искусственного интеллекта
ML System Design
Для кого этот курс
Ваши результаты после курса: Разберётесь в полном жизненном цикле ML-систем и научитесь экспертно лидировать внедрение ML- и AI-решений в бизнесе.
ML-ИНЖЕНЕРЫ И DATA SCIENTIST’Ы

Систематизируете опыт решения задач бизнеса с помощью ML, научитесь проектировать ML-системы, проходя путь от формализации постановки задачи до проработанной архитектуры решения.
Тимлиды и руководители команд
Погрузитесь в оценку эффективности и рисков ML-проектов, построение работы над ними и принятие решений по AI-продуктам на основе технических и бизнес-ограничений.
МЕНЕДЖЕРЫ ПРОДУКТОВ И CPO
Прокачаете навык формирования требований к ML-решениям и оценки AI-инициатив.


Что клиенты получат после прохождения курса?
1
УПРАВЛЕНИЕ AI-ПРОЕКТАМИ НА ОСНОВЕ ДАННЫХ
Научитесь оценивать AI-инициативы, формулировать требования к ML-решениям и принимать обоснованные решения на всех этапах разработки продукта.
2
ПОНИМАНИЕ ПОЛНОГО ЖИЗНЕННОГО ЦИКЛА ML-СИСТЕМ
Освоишь навык, как формулировать задачи, выделять ключевые этапы и держать проект под контролем.
3
УВЕРЕННОЕ ВЗАИМОДЕЙСТВИЕ С ML-КОМАНДОЙ
Освоите ключевые принципы проектирования ML-систем, сможете говорить с инженерами и Data Scientists на одном языке и эффективнее управлять проектами.
4
​​ОЦЕНКА КАЧЕСТВА И БИЗНЕС-ЭФФЕКТА AI-РЕШЕНИЙ
Научитесь выбирать метрики, анализировать бизнес-эффект ML и AI систем, понимать, какие решения действительно приносят пользу продукту и бизнесу.
Формат курса
В каком формате проходит обучение?
Длительность: 4 месяца
Форма работы: интерактивные уроки, работа в группах, разбор реальных сценариев, ревью дизайн-документов
Занятия: 2 раза в неделю онлайн с Валерием Бабушкиным
Что будем делать на курсе?
60 уроков по проектированию, обучению, развертыванию и поддержке ML-систем
Создание и разбор дизайн-документов на реальных кейсах
Обсуждение успехов и ошибок при запуске ML-продуктов
Ответы преподавателя на вопросы и рекомендации по практике
Какие каналы коммуникации используются?
В Zoom-формате с живым общением и
ответами на вопросы

Где проходят занятия?
В Телеграм-канале курса
Где проходит оповещение о выходе новых лекций?
В закрытом Телеграм-чате группы и в Телеграм-чате выпускников
Где происходит общение студентов курса?
Программа курса
Научитесь переводить бизнес-задачи в корректные ML-решения и выбирать подходящую архитектуру под реальные ограничения.
Пространство проблемы
и пространство решения
Тема 1
Поймёте, как оценивать данные, риски и возможные подходы ещё до начала разработки, чтобы не тратить время впустую.
Предварительные исследования
Тема 2
Освоите создание ML-дизайн-документов, которые помогают команде быстрее принимать решения и двигаться в одном направлении.
Дизайн-документ
Тема 3
Научитесь выбирать метрики и функции потерь так, чтобы они отражали реальную ценность модели для продукта и бизнеса.
Функции потерь и метрики
Тема 4
Разберётесь, как готовить качественные датасеты и выстраивать процессы работы с данными, от которых напрямую зависит результат.
Датасеты: работа с данными
Тема 5
Научитесь правильно оценивать модели и избегать ошибок, которые создают иллюзию хорошего качества.
Схемы валидаций
Тема 6
Поймёте, как строить простые и честные бейзлайны для объективной оценки прогресса и пользы ML-решений.
Бейзлайны
Тема 7
Научитесь находить реальные причины плохой работы модели и принимать обоснованные решения по её улучшению.
Анализ ошибок
Тема 8
Освоите построение удобных и воспроизводимых пайплайнов обучения, готовых к командной работе и продакшену.
Пайплайны обучения
Тема 9
Поймёте, как создавать фичи, которые действительно улучшают качество моделей, а не усложняют систему.
Фиче-инжиниринг
Тема 10
Научитесь понятно и структурированно доносить результаты ML-работ до команды и бизнеса.
Репортинг
Тема 11
Разберётесь, как встраивать ML-модели в продукт так, чтобы они стабильно работали и приносили пользу.
Интеграция
Тема 12
Поймёте, как отслеживать качество моделей в продакшене и вовремя реагировать на деградации.
Мониторинг и надежность
Тема 13
Научитесь оптимизировать инференс по скорости, стоимости и устойчивости под реальные нагрузки.
Обслуживание и оптимизация инференса
Тема 14
Разберётесь, как встраивать ML-модели в продукт так, чтобы они стабильно работали и приносили пользу.
Управление и обслуживание
Тема 15
Дополнительные материалы от эксперта
Преподаватель
Валерий Бабушкин
Эксперт по машинному обучению
Senior директор по Data & AI в BP
Грандмастер Kaggle
Автор книги Machine Learning System Design
Валерий руководил ML-направлениями в Alibaba Россия и Blockchain.com, строил аналитику в X5 Retail Group и работал в крупнейших технологических компаниях. На курсе он делится своим опытом и показывает, как проектировать ML-системы, которые реально работают.
Реферальная программа
Посоветуй курс другу и верни часть стоимости курса
место на курсе
Стоимость одним платежом:
178 500 ₽
Оставьте заявку — менеджер свяжется с вами, расскажет про курс и ответит на вопросы
Стоимость В рассрочку:
от 7735 ₽ в месяц
при рассрочке на 24 месяца
Стоимость
Вы можете задать вопрос менеджеру об оплате курса, формате, программе или любой другой вопрос
Оставить заявку на повышении квалификации
Вашу квалификацию подтвердит официальный документ
Мы обучаем по государственной лицензии на осуществление образовательной деятельности № Л035-01298-77/01457433

Вы получите удостоверение о повышении квалификации установленного образца, которое можно добавить к резюме и показать при устройстве на работу.
ОСТАЛИСЬ ВОПРОСЫ?
Заполните форму, мы свяжемся с Вами, ответим на все Ваши вопросы и подробнее расскажем о курсе