Ищем участника для открытого ML-собеседования Если вы уже изучаете машинное обучение, но пока не работаете ML-инженером, приглашаем подать заявку. Ищем человека с базовыми знаниями ML – не новичка с нуля, но и не действующего ML-инженера. Главное – желание получить честную обратную связь и не бояться разбирать свои ответы публично. Если готовы поучаствовать, заполните форму: forms.yandex.ru/...a73 Из всех заявок выберем одного участника и свяжемся с ним.
Метрики выросли. Код работает. Можно катить в прод? Если вы не можете ответить «да» с цифрами в руках – вы не закончили работу. Вы её только начали. Чтобы отвечать на этот вопрос уверенно, в специализации появился новый блок, посвящённый A/B-тестированию. В нём всё, что нужно, чтобы грамотно проектировать эксперименты, анализировать их результаты и понимать, действительно ли изменения приносят пользу продукту. Зачем это вам: Даже если метрики выросли, это ещё не означает, что новая модель лучше. Разница в 0,3% может оказаться обычной случайностью, а команда потратит месяцы на оптимизацию, которая не приносит значимой пользы. Именно A/B-тестирование помогает отделить реальные улучшения от статистического шума и понять, действительно ли изменения работают. В новом блоке вас ждут 24 урока и 7 часов практики, на которых разберём: ▪️Основы экспериментов: — как проектировать A/B-тесты; — какие статистические критерии выбирать; — какие ошибки чаще всего допускают и как их избежать. ▪️Продвинутые методы: — бутстрэп и доверительные интервалы; — ускорение экспериментов с помощью CUPED; — последовательный анализ на практике. ▪️Индустриальную практику: — инструменты продуктовых команд: GrowthBook и аналоги; — реальные кейсы из индустрии, включая опыт МТС. Что в итоге: Это один из тех блоков, после которого меняется сам подход к работе с ML-моделями. Вместо «кажется, стало лучше» вы сможете проектировать эксперименты, выбирать корректные статистические критерии, интерпретировать результаты и принимать решения на основе данных. Новый блок по A/B-тестированию уже доступен в специализации «AI и анализ данных». Переходите по ссылке, чтобы посмотреть полную программу, сравнить варианты подписки и выбрать подходящий формат обучения: mlinside.ru/...k-5
Кажется, что машинное обучение – это что-то очень сложное? Множество формул, непонятная математика и тысячи строк кода? На самом деле начать можно гораздо проще. В четверг, 9 июля в 19:00 (МСК) приглашаем на вебинар «Обучаем первую модель машинного обучения за час» где спикер – Андрей Жогов, ML-инженер в Сбере и преподаватель Физтеха сделает именно то, что указано в названии. Андрей не только работает ML-инженером в Сбере, но и имеет большой опыт обучения начинающих специалистов. До Сбера он занимался...
Старт курса ML System Design переносится на 17 июля. Если вы планировали присоединиться, у вас появилось ещё немного времени, чтобы принять решение и подготовиться к обучению. В следующий понедельник, 6 июля проведем на YouTube прямой эфир. Виктор задаст Валерию вопросы о ML System Design, а Валерий ответит на них и поделится своим опытом в проектировании ML-систем. Плюс, ответим на ваши вопросы. О чем еще поговорим на эфире: ▪️зачем ML-инженеру вообще нужен System Design; ▪️как меняются требования...
«Кажется, я слишком поздно начал изучать ML» Это одна из самых частых фраз, которые мы слышим от новых студентов. Кто-то откладывал обучение несколько лет. Кто-то думал, что без сильной математики в машинном обучении делать нечего. Кто-то смотрел на вакансии и был уверен, что индустрия уже переполнена специалистами. Но каждый новый поток показывает одно и то же: в ML приходят люди с очень разным опытом и стартовыми знаниями. Аналитики, разработчики, инженеры, менеджеры и даже те, кто раньше вообще не работал с данными. Главное не то, когда вы начали, а то насколько системно вы учитесь. И мы рады сообщить, что открываем набор на 5 поток курса «База ML». Это курс для тех, кто хочет разобраться в машинном обучении последовательно и без бесконечных пробелов в знаниях. От основ Python и математики до построения собственных моделей и понимания того, как ML применяется в реальных продуктах. 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 5 потоке мы также усилили программу темами, которые сегодня активно используются в индустрии: -применение AI-инструментов в работе ML-специалиста; -основы ML System Design; -разбор реальных бизнес-кейсов; -больше практики и поддержки от кураторов. Мы не обещаем, что путь будет простым. Машинное обучение требует времени, практики и настойчивости. Но если вы давно хотели разобраться в ML и не знали, с чего начать, сейчас хороший момент сделать первый шаг. Набор на 5 поток уже открыт, заполните форму для предзаписи: forms.yandex.ru/...ad6 Подробности о программе, формате обучения и тарифах на сайте: mlinside.ru/...026 А если у вас есть вопросы о курсе, задавайте их в комментариях. Постараемся ответить на каждый.
