Включает программу трудоустройства
Инженер машинного обучения с нуля
Старт в профессии и комплексные навыки: от создания до внедрения и поддержки ML-моделей. Поддержка ML-инженеров из Яндекса, Сбера, Amazon и других крупных компаний во время всего обучения
Когда
21 октября
Программа
От 14 месяцев
Практика
10+ проектов, задачи партнёров, диплом по своей или учебной теме
Документ
Диплом о профессиональной переподготовке
38 вебинаров, вопрос-ответ встречи и индивидуальные консультации
Будете учиться с постоянной поддержкой экспертов, а команда курса ответит на любые вопросы в течение 24 часов
Актуальная программа по текущим требованиям рынка
Более 100 экспертов и оркестратор ИИ-агентов постоянно анализируют контент курса. Обновляем в среднем за 2 недели
Специализация на выбор и диплом по своей теме
Даём возможность стать более востребованным специалистом, научиться решать сложные и узкопрофильные задачи
GPT-4, Алиса AI, Perplexity — ваши рабочие инструменты
100+ готовых промптов, шаблоны и чек-листы — всегда под рукой
Внедряем ИИ в образование с 2023 года
Победители премии «Лидеры цифровизации» 2026*
Лидеры в ИИ-трансформации 2026*
Работа с готовыми решениями — поддержка для ваших разработок
Популярные ИИ упростят создание и обучение ваших нейросетей и агентов
Формулируйте задачи так, чтобы получать точный результат
Быстро готовьте отчёты, ТЗ и рабочую документацию
Используйте ИИ для продвинутой аналитики и сегментации данных
Пишите код и SQL-запросы без погружения в программирование
Используйте ИИ для поиска работы, оформления резюме и портфолио
Создавайте ассистентов и ИИ-наставников, экономьте время на рутине
Тестовые технические собеседования
Поймёте, как выбирать и использовать инструменты для конкретных задач, попрактикуетесь решать их при поддержке эксперта
Хакатон с призами от Нетологии
Объединитесь с однокурсниками, выполните задание и презентуете своё решение жюри
Проект с поддержкой эксперта
Сможете выполнить проект по своей теме или любой из учебных, получить индивидуальные консультации по теме
Бизнес-игры
Научитесь брифовать заказчиков, проводить анализ, корректно интерпретировать результаты и презентовать исследования
Основы практической статистики
Познакомитесь со статистическими показателями, научитесь проводить статистический анализ данных и проверять гипотезы с помощью различных инструментов.
8 часов теории
14 часов практики
Что такое статистика и для чего она нужна
Основные статистические показатели, виды распределений данных, корреляция
Взаимосвязи данных и формулирование гипотез по SMART
Статистические критерии в Google Таблицах. Проверка гипотез и формулирование выводов
SQL и получение данных
В идеальном мире data scientist получает готовые данные, чтобы строить модели, но мир не идеален. Вы научитесь с помощью SQL получать данные из БД, фильтровать, агрегировать, а также импортировать и экспортировать.
20 часов теории
32 часа практики
Архитектура и структура баз данных (БД)
Простые запросы, join`s, агрегаты
Базовые команды в SQL и встроенные аналитические функции
Импорт и экспорт данных посредством SQL и ETL программ
Принципы работы с различными БД
Основные библиотеки для подключения к БД из Python
Функции SQL и их аналоги в pandas
Консоль: знакомство, основные операторы, утилита psql
Архитектура и проектирование
Нормализация
Зависимости
Подготовка и сдача итогового проекта
Основы Python и аналитические библиотеки
Вы научитесь пользоваться базовыми инструментами и подходами в Python, чтобы начать работать с данными. Разберёте популярные библиотеки, парсинг и работу с API
59 часов теории
47 часов практики
Базовые типы данных и циклы
Продвинутые типы данных: массивы, множества, словари
Библиотека NumPy: вычислительные задачи
Основы парсинга и работы с API
Функции и классы
Регулярные выражения и основы синтаксического разбора
Библиотека Pandas: возможности и оптимизация
Работа с признаками и построение моделей
Научитесь проверять данные на полноту, целостность, валидность, наличие шумов, ошибок и пропусков. Узнаете, как очищать данные с помощью NumPy и Pandas, как сокращать размерности данных алгоритмами PCA, LDA, NMF. Научитесь строить деревья решений и модели логистической, линейной и полиномиальной регрессии. Узнаете, как использовать Random Forest в задачах классификации.
42 часа теории
37 часов практики
Регрессионный анализ. Линейная, полиномиальная и логарифмическая регрессия
Классификация: логистическая регрессия и SVM
Функции потерь и оптимизация
Оценка точности модели, переобучение, регуляризация
Проблема качества данных
Работа с пропусками и переменными
Разработка и обучение нейросетей
Дополнительно
Научитесь строить простые полносвязанные сети уровня LeNet и AlexNet и экспериментировать с их обучением. Получите теоретическую и практическую базу для использования нейросетей в блоках CV и NLP.
10 часов теории
6 часов практики
Введение в нейронные сети и библиотеку Keras
Углубление в нейронные сети и библиотеку Keras
Введение в свёрточные нейронные сети
Введение в рекуррентные сети
Автокодировщики
Введение в генеративно-состязательные сети
Разбор тестовых заданий
Дополнительно
На трёх воркшопах вместе с экспертами Яндекса, Т-Банка и Сбера попрактикуетесь в решении тестовых заданий из актуальных вакансий. На вебинарах с экспертами мы предложим вам аналоги тестовых заданий для соискателей на позиции в аналитике данных и Data Science. Сначала вы попробуете решить задание самостоятельно, а потом разберёте его с экспертом.
Поймёте, как не теряться при работе с абсолютно незнакомыми данными
Подготовитесь психологически к решению тестовых заданий на собеседовании
Научитесь выбирать и использовать инструменты в соответствии с поставленной задачей
Работа с потоковыми данными
Поймёте особенности работы с потоковыми данными. Разберётесь в логике работы брокеров сообщений.
12 часов теории
9 часов практики
Устройство Clickhouse и загрузка данных в корпоративное хранилище
Устройство Kafka и работа с кластером
Конфигурация Kafka Streams
Kafka Streams Interactive Queries, Kafka Streams Processor API, Kafka Connect
Spark Streaming: характеристики и особенности использования
Создание простого приложения на Spark Structure Streaming + Kafka
Data Lake & Hadoop
Познакомитесь с основным инструментом обработки больших данных. Разберётесь в возможностях управления ресурсами кластера.
14 часов теории
15 часов практики
Основы Hadoop: архитектура
Разница Data Lake (озеро данных) и Data Warehouse (хранилище данных)
DFS: логика работы, Namenode и Datanode
MapReduce: алгоритм и решение задач
Yarn, Pig & Hive
HBase & Cassandra: возможности и основные характеристики
Управление и администрирование кластера
Обзор Apache Ambari, Apache Ranger, Apache Atlas
Проектирование DWH
Познакомитесь с видами хранилищ, поймёте архитектуру DWH (хранилища данных) и его возможности. На практическом кейсе разберёте популярные инструменты работы с DWH.
17 часов теории
32 часа практики
Понятие БД, СУБД, хранилища данных
Архитектура DWH и принципы построения
Виды заказчиков в процессе разработки DWH
Data Quality и Data Governance
Обзор инструментов для работы с хранилищами данных
MLOps
Узнаете, зачем нужен DevOps. Разберётесь в пайплайне разработки ML-моделей.
8 часов теории
25 часов практики
Что такое DevOps и MLOps
Docker и микросервисная архитектура
Технологии контейнеризации, k8s
Оркестраторы
CI/CD
Мониторинг
Инструменты DevOps для обучения ML-моделей
Дипломный проект
Практика
Создадите ML-модель для решения профессиональных задач. Тему выбираете самостоятельно, можете защитить итоговую работу на основе данных с Kaggle. В работе над проектом вам будет помогать дипломный руководитель. Для каждого студента, в зависимости от выбранной программы обучения, предусмотрены от 4 индивидуальных консультаций по дипломной работе.
Математика для анализа данных
Изучите основные операции с векторами, матричными операциями. Рассмотрите генетические алгоритмы, алгоритм дифференциальной эволюции. Узнаете, что такое математическое ожидание, дисперсия и моменты старших порядков. Изучите закон больших чисел.
Линейная алгебра. Векторы
Продвинутая линейная алгебра
Производная функции нескольких аргументов
Теория вероятностей. Дискретные и непрерывные случайные величины
Линейная алгебра. Матрицы
Математический анализ. Производная
Теория оптимизации
Центральная предельная теорема и закон больших чисел
Нейросети для технических задач
Новое в программе
Научитесь решать задачи разработки и аналитики с помощью генеративного искусственного интеллекта. Сможете писать SQL запросы и код с помощью ИИ, даже если вы новичок в этой теме.
2,2 часа теории
1,5 часа практики
Изучите возможности ChatGPT в работе с таблицами в Excel и Google Sheets
Узнаете, какие возможности для продвинутой работы с данными предоставляет GPT-4
Поиск работы с помощью генеративного ИИ
Новое в программе
Узнаете, как с помощью генеративных нейросетей оформить резюме и портфолио, эффективно подготовиться к собеседованию.
Этот курс проходит в формате видеолекций и не привязан к строгому графику, вы можете изучить материалы в своём темпе.
1,4 часа теории
1,5 часа практики
Специализация на выбор
Входит в расширенную программу курса
Профильные навыки в одной из областей машинного обучения. Вы сможете работать в самых передовых ИИ-направлениях, которые развиваются и растут с каждым днём
Компьютерное зрение
CV-инженер
Вы освоите основные техники машинного зрения — извлечение признаков, поиск по картинкам, сегментирование, детекция объектов. Такие навыки востребованы для видеонаблюдения, автопилотируемой техники, медицинской диагностики, генерации контента.
21 час теории
12 часов практики
Выделение признаков и поиск похожих изображений
Задачи детекции и сегментации
Сегментация и детекция объектов
Рекуррентные нейронные сети в задачах компьютерного зрения (Image Captioning)
Свёрточные нейронные сети
Порождающие модели
Обучение свёрточной сети на практике
Обработка естественного языка
NLP-разработчик
Вы освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск, научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты. Это востребовано для перевода, виртуальных ассистентов, онлайн-ботов поддержки, транскрибации видео.
21 час теории
12 часов практики
Введение в автоматическую обработку текста
Тематическое моделирование
Структура слова. Морфология
Информационный поиск
Синтаксический анализ
Классификация в АОТ
Дистрибутивная семантика
Языковые модели
Извлечение ключевых слов
Извлечение информации
Словари. Подкрепление знаний
Глубокое обучение (Deep learning). Общий модуль специализаций
16 часов теории
16 часов практики
Для компьютерного зрения
— Основы нейронных сетей
— Многослойная нейронная сеть
— Свёрточные сети
— Архитектуры свёрточных сетей
— Улучшение качества обучения нейросети
— Компьютерное зрение
— Механизм внимания
Для обработки естественного языка
— Основы нейронных сетей
— Многослойная нейронная сеть
— Рекуррентные сети
— Механизм внимания
— Работа с текстом
— Улучшение качества обучения нейросети
Поэтому мы создали гибкую систему поддержки студентов
Вернём деньги
В течение первых трёх занятий вернём вам полную сумму, а начиная с четвёртого —рассчитаем сумму возврата или поможем выбрать другой курс взамен.
Читать условия
Поможем оформить налоговый вычет — 13%
Чтобы получить вычет в течение трёх лет после даты оплаты обучения, нужно официально работать и уплачивать подоходный налог
Поменяем программу обучения
Если вы сомневаетесь или вам не подошла профессия, вы можете выбрать другую. Сменить курс можно один раз в процессе обучения
1Запись на обучение
2Выбор способа оплаты
3Оплата
...
Частями без переплат
3 688 ₽/месяц
7 376 ₽ на 36 месяцев
Одним платежом
со скидкой 15%
112 849
₽265 527 ₽
Вернём деньги, если обучение не подойдёт
Возможность получить налоговый вычет — 13%
19 месяцев обучения
Инженер машинного обучения
Частями без переплат
3 688 ₽/месяц
7 376 ₽ на 36 месяцев
Одним платежом
со скидкой 15%
112 849
₽265 527 ₽
Вернём деньги, если обучение не подойдёт
Возможность получить налоговый вычет — 13%
Запишитесь или получите консультацию
