- Суть
- Обучение ML-инженеров полному жизненному циклу ML-проектов и прикладному искусственному интеллекту
- На выходе
- Выполнение предварительной обработки данных; Обучение моделей; Внедрение моделей в продакшн; Настройка мониторинга; От 18 до 25 прикладных проектов
- Навыки
- Python · PyTorch · Docker · Apache Spark · A/B-тестирование · Построение RAG-систем · Дообучение LLM
- Кому подойдёт
- Новички в машинном обучении с опытом написания базового синтаксиса Python; Математики с пониманием линейной алгебры, теории вероятностей и математической статистики; Аналитики данных, умеющие составлять SQL-запросы и знающие основы Python
- Знать заранее
- Опыт написания базового синтаксиса Python; Понимание линейной алгебры, теории вероятностей и математической статистики; Умение составлять SQL-запросы и знание основ Python