Курсы по нейросетям со скидкой до 30%
Курсы по нейросетям со скидкой до 30%
Выбрать курс
Data Science
Machine Learning. Professional

Скидка на курс 15%

Machine Learning. Professional

Научитесь работать с важнейшими моделями машинного обучения, NLP, DL, рекомендательными системами на практике с реальными данными

31 марта

Professional

5 месяцев

Онлайн

Вт/Пт 20:00 Мск

Для кого этот курс?

  • Для специалистов по Data Science, которые хотят глубоко освоить алгоритмы ML, включая нейросети и их применение для таких направлений как работа с временными рядами, построение рекомендательных систем и обработка естественного языка
  • Для ML-инженеров, которые хотят углубиться в детали подготовки данных, построение автоматизацию ML-пайплайнов, оптимизацию моделей для продакшена
  • Для Fullstack-разработчиков, которых интересует разработка end-to-end решений с ML-компонентами — от обучения моделей до их внедрения в интерфейс. Понимание полного цикла ML-разработки для эффективной работы в команде
  • Для аналитиков и системных аналитиков, которые хотят научиться применять ML для автоматизации аналитики, прогнозирования и выявления скрытых паттернов. Генерация инсайтов с помощью ML-моделей и их интерпретация для бизнеса. Навыки внедрения ML в процессы принятия решений и продуктовую аналитику

Необходимые знания:

  • базовое знакомство с Python
  • базовые знания линейной алгебры, математического анализа, математической статистики
  • базовые навыки работы с ML (pandas, sklearn, линейная регрессия, логистическая регрессия)
Хотите изучить или повторить Python,
математический анализ и основны ML?

Посмотрите программу ДПО Machine Learning Специализация

Подходит ли эта программа именно вам?

Пройдите короткий тест, который проверяет ваше знание пререквизитов, а именно математики и Python, которые понадобятся вам на курсе

Что даст вам этот курс ?

Вы последовательно освоите современные инструменты анализа данных и сможете на профессиональном уровне создавать модели машинного обучения. Чтобы лучше закрепить навыки, вы будете практиковаться: использовать каждый алгоритм в работе с реальными данными.

Практики и знаний, которые вы получите, будет достаточно, чтобы самостоятельно решать задачи классического ML и претендовать на Junior+ и Middle позиции в Data Science.

Особенности курса

В курс по машинному обучению входят темы, которые часто обделяют вниманием. Однако знания такого рода необходимы специалисту в повседневных задачах и очень ценятся работодателями

Что вы сможете после обучения:

  • работать с «грязными» данными
  • работать с языковыми моделями (NLP)
  • прогнозировать временные ряды при помощи машинного обучения
  • строить рекомендательные системы
  • готовить модели в продакшн
  • разрабатывать и создавать нейросетевые AI-модели
  • работать с AI-моделями
  • применять широкий спектр нейросетевых AI-моделей для разнообразных задач
Примеры тем некоторых итоговых проектов студентов 2024:
 
  • Обработка сетевых данных с целью обнаружения атак и их классификации
  • Обнаружитель дефектов в буксовых узлах железнодорожных составов
  • Влияние акций на покупки товаров

Недостаточно хардкорно? Посмотрите программы:

Machine Learning Advanced

Computer Vision

Reinforcement Learning

Natural Language Processing

Hard skills

Нейросети, PyTorch, NLP (Архитектура трансформер, BERT, RNN для работы с текстом), обучение с учителем, обучение без учителя, DB-Scan, K-means, рекуррентные сети, временные ряды, рекомендательные системы, Apache Spark

Что нового в 2025?

Обновили материалы занятия «ML в Apache Spark»

Процесс обучения

У нас нет предзаписанных уроков.
Занятия в OTUS – это вебинары.

Преподаватели-практики помогут погрузиться в теорию, обучат на реальных примерах, расскажут о необходимых в работе инструментах. Вы всегда сможете задать вопрос и получить исчерпывающий ответ. И самое главное – сможете практиковаться.

Учитесь онлайн отовсюду. А если вдруг пропустите занятие, просто посмотрите запись.

Оптимальная нагрузка

Возможность совмещать учебу с работой.

Эксперты

Преподаватели из разных сфер, каждый со своим уникальным опытом.

Перспективы

Сможете претендовать на позицию Data Scientist Junior + / Middle+

Партнеры

Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности. 

  • Разместите резюме в базе OTUS: так наши партнёры смогут пригласить вас на собеседование
  • Посещайте карьерные мероприятия OTUS: вам расскажут, как лучше проходить собеседование

Data Scientist

Перспективы направления
Средний уровень зарплат:
100 000 ₽Junior+ специалист
200 000 ₽Middle+ специалист
350 000 ₽Senior специалист
1580
актуальных вакансий

Работодатели курса

Формат обучения

Интерактивные вебинары


2 занятия по 2 академ.часа в неделю.
Доступ к записям и материалам остается навсегда

Практика


Домашние задания с поддержкой и обратной связью наших преподавателей помогут освоить изучаемые технологии

Активное комьюнити


Общение с преподавателями на вебинарах, переписки в закрытом телеграм-чате, развёрнутые ответы при проверке домашних заданий

Программа

Продвинутые методы машинного обучения: обучение с учителем

Первый модуль познакомит вас с различными продвинутыми моделями машинного обучения для задач обучения с учителем (регрессия и классификация), начиная от классических методов деревьев решений и заканчивая продвинутыми методами градиентного бустинга.

Тема 1: Программа курса. Повторение основных концепций машинного обучения на примере задачи регрессии

Тема 2: Метод градиентного спуска

Тема 3: Повторение основных понятий задачи классификации на практике: EDA, cross-validation, метрики качества

Тема 4: Деревья решений

Тема 5: Ансамбли моделей

Тема 6: Градиентный бустинг

Тема 7: Метод опорных векторов

Продвинутые методы машинного обучения: обучение без учителя

Второй модуль посвящен алгоритмам для задачи обучения без учителя, в нем вы познакомитесь с различными способами кластеризации, такими как алгоритм k средних и DBSAN, методами снижения размерности и методами работы с новым типом данных - графами.

Тема 1: Методы уменьшения размерности

Тема 2: Обучение без учителя. K-means

Тема 3: Обучение без учителя. Иерархическая кластеризация. DB-Scan

Тема 4: Поиск аномалий в данных

Тема 5: Практическое занятие - Построение end-to-end пайплайнов и сериализация моделей

Тема 6: Алгоритмы на графах

Тема 7: Алгоритмы на графах: продолжение

Введение в Deep Learning

В этом модуле мы коснёмся методов Deep Learning и работы с нейронными сетями. Вы узнаете принципы работы и обучения нейронных сетей, а также освоите нейросетевые архитектуры для работы с изображениями (сверточные нейросети) и последовательностями (рекуррентные нейросети).

Тема 1: Введение в нейросети

Тема 2: PyTorch (часть 1)

Тема 3: Продвинутые методы оптимизации, backpropagation и обучение нейронных сетей

Тема 4: Борьба с переобучение нейросетей, взрыв и затухание градиентов

Тема 5: PyTorch (часть 2)

Тема 6: Сверточные сети (Convolutional Neural Networks)

Тема 7: Рекуррентные сети

Сбор данных. Анализ текстовых данных

В этом модуле вы научитесь работать с одним из самых распространенных типов данных - текстом. Мы разберём различные способы предобработки текста, которые позволяют использовать его в качестве признаков для моделей машинного обучения. Мы изучим такие полезные задачи, как тематическое моделирование, распознавание именованных сущностей (NER) и работу с векторными представлениями слов. Также вы научитесь заниматься парсингом данных, который позволит вам собирать и создавать свои собственные уникальные датасеты для анализа.

Тема 1: Сбор данных

Тема 2: Предобработка и токенизация

Тема 3: Векторные представления слов, работа с предобученными эмбеддингами

Тема 4: Понятие языковой модели, RNN для работы с текстом

Тема 5: Архитектура трансформер

Тема 6: Transfer Learning. Архитектура BERT

Тема 7: Named Entity Recognition

Тема 8: Тематическое моделирование

Анализ временных рядов

В этом модуле вы познакомитесь с еще одним распространенным типом данных - временными рядами. Мы разберем как классические методы работы с временными рядами, включая ARIMA-модель, так и продвинутые способы извлечения признаков и применения машинного обучения. Также мы научимся решать задачу кластеризации, используя временные ряды, на примере финансовых котировок.

Тема 1: Анализ временных рядов. Часть 1: Постановка задачи, простейшие методы. ARIMA-модель

Тема 2: Анализ временных рядов. Часть 2: Извлечение признаков и применение моделей машинного обучения. Автоматическое прогнозирование

Тема 3: Анализ временных рядов Часть 3: Кластеризация временных рядов (ищем связанные котировки акций)

Рекомендательные системы

В этом модуле мы будем работать с различными типами рекомендательных систем. Разберем постановку задачи, познакомимся с популярными метриками качества и основными видами моделей рекомендательных систем. Также мы научимся работать с одной из самых популярных питоновских библиотек для рекомендательных систем.

Тема 1: Введение в рекомендательные системы

Тема 2: Простые рекомендательные модели. Коллаборативная фильтрация

Тема 3: Контентная фильтрация, гибридные подходы. Ассоциативные правила

Тема 4: Методы матричной факторизации

Тема 5: Практическое занятие по рекомендательным системам

Тема 6: ML в Apache Spark

Проектная работа

Заключительный месяц курса посвящен проектной работе. Свой проект — это то, над чем интересно поработать слушателю. То, что можно создать на основе знаний, полученных на курсе. При этом не обязательно закончить его за месяц. В процессе написания по проекту можно получить консультации преподавателей.

Тема 1: Выбор темы и организация проектной работы

Тема 2: Предзащита проектных работ №1

Тема 3: Предзащита проектных работ №2

Тема 4: Защита проектных работ

Также вы можете получить полную программу, чтобы убедиться, что обучение вам подходит

Проектная работа

 

Мы стремимся, чтобы студенты выбирали темы выпускных проектов – сами, а не работали по шаблонным заготовкам. Поэтому все выпускные проекты на курсе– это ценные исследования для ML. О выпускных проектах наших студентов рассказывают на собеседованиях и даже пишут статьи. Вот некоторые из них:

Преподаватели

Руководитель курса

Игорь Стурейко

(к.ф.-м.н.) Teamlead, главный инженер

FinTech

Михаил Лебедев

Tech Lead DS

Банк России

Кирилл Бухтеев

Lead ML Engineer

Т-Банк

Мария Тихонова

Лидер Research кластера

Сбер, ВШЭ

Алексей Кисляков

(д.э.н., к.т.н.) преподаватель/ученый-исследователь

Российская академия народного хозяйства и государственной службы при Президенте РФ (Владимирский филиал)

Антон Витвицкий

(к.ф.-м.н.) Director of Computer Vision

Boost Arria NLG

Вероника Иванова

Data Scientist

Sber AI Lab

Андрей Канашов

Senior Data Scientist

Самолет

Дмитрий Гайнуллин

Machine Learning Engineer

AIC

Евгений Романов

Data Scientist

Газпромбанк

Раиль Сулейманов

Machine Learning Engineer

Garage IT

Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания

Ближайшие мероприятия

Открытый вебинар — это настоящее занятие в режиме он-лайн с преподавателем курса, которое позволяет посмотреть, как проходит процесс обучения. В ходе занятия слушатели имеют возможность задать вопросы и получить знания по реальным практическим кейсам.

Метод градиентного спуска: лучше гор могут быть только горы…
Алексей Кисляков
Градиентный спуск – не просто строчка кода model.fit(). Это краеугольный камень, на котором держится почти все машинное обучение и глубокое обучение. Можно годами использовать библиотеки, не понимая, как и почему ваша модель находит решение, а главное – находит ли она лучшее из возможных? Без глубокого понимания градиентного спуска вы ходите по тонкому льду: не можете правильно диагностировать сходимость, подобрать скорость обучения или спасти модель от вечного блуждания в «долинах» локальных минимумов.

📍 Программа вебинара:
- За пределами черного ящика: Разберем, как алгоритм «изучает многомерный ландшафт» ошибок и находит путь к минимуму ошибки. Поймем, почему этот путь редко бывает прямым, и что такое осцилляции и «зигзаги» градиента.
- Скорость (шаг) обучения (Learning Rate): Узнаем, правильное управление этим параметром - главный ключ к успеху. Разберем сценарии и как найти золотую середину.
- Эволюция метода: От классического и стохастического градиентного спуска к их продвинутым «потомкам». Поймем, как они используют «инерцию» и адаптацию, чтобы стать быстрее и устойчивее.
- Примеры на Python: Увидим всё своими глазами! Разберем модельные примеры, где мы в реальном времени будем управлять параметрами и анализировать результаты.
- Ответы на ваши вопросы: Какие модификации метода градиентного спуска выбрать? Как понять, что модель сошлась, а не застряла?

👥 Кому будет полезно:
- Data scientist’ам, которые хотят заложить фундаментальное понимание того, как на самом деле «учатся» некоторые классические ML-модели и нейронные сети и, выйдя за рамки абстрактного model.fit().
- Практикующим ML-инженерам, которые хотят осознанно настраивать процесс обучения, улучшать сходимость моделей и глубже диагностировать проблемы при тренировке.
- Всем, кто готовится к собеседованиям, где вопросы о градиентном спуске, его вариациях и тонкостях — обязательная классика и освежить знания по этому вопросу необходимо обязательно.
Любознательным разработчикам и аналитикам, желающим понять философию итеративной оптимизации, которая лежит в основе не только ML, но и многих других прикладных задач.

✅ Что узнаете по итогам вебинара:
- Поймете философию и механику градиентного спуска: от вычисления производной до обновления весов модели.
- Научитесь осознанно выбирать и настраивать оптимизатор под конкретную задачу.
- Сможете диагностировать проблемы процесса обучения.
- Получите готовый код с примерами, который станет вашим мощным инструментом для интуитивного понимания сложных концепций.

Присоединяйтесь, чтобы перестать воспринимать процесс обучения моделей как «черный ящик» и начать осознанно управлять путешествием по многомерным ландшафтам ошибок!...
12 марта в 17:00
Открытый вебинар
Random Forest - мощный метод ансамблирования в ML
Мария Тихонова
Занятие посвящено популярной модели BERT, которая широко применяется для решения самых разных задач текстовой аналитики.
Вы узнаете как работает перед и как легко и просто его можно адаптировать под ваши NLP задачи: разберем в теории и применим на практике для решения задачи классификации.

👥 Кому подходит этот урок:
- IT-специалистам которые хотят перейти в Data Science
- Начинающим дата-сайентистам и специалиста по машинному обучению, желающим углубиться в профессию
- Тем кто самостоятельно изучает Data Science
- Кто хочет войти в IT, но не знает что выбрать

✅ Результаты урока:
- Познакомитесь с моделью BERT
- Научитесь дообучать BERT для задач классификации
- Поймете основные принципы дообучения предобученных моделей...
18 марта в 15:00
Открытый вебинар

Прошедшие
мероприятия

Мария Тихонова
Открытый вебинар
Оптимизируем построение модели через Pipeline
Мария Тихонова
Открытый вебинар
KNN - интерпретируемый метод для задачи классификации и регрессии
Для доступа ко всем прошедшим мероприятиям необходимо пройти входное тестирование
Возможность пройти вступительное тестирование повторно появится только через 3 дня
Результаты тестирования будут отправлены вам на email, указанный при регистрации.
Тест рассчитан на 30 минут, после начала тестирования отложить тестирование не получится!

Этот курс может оплатить ваш работодатель

Обучайтесь за счёт работодателя или разделите оплату 50/50
  • Подробно расскажем об интересующем вас курсе
  • Объясним, как договориться с работодателем
  • Сообщим стоимость обучения и варианты оплаты
  • Ответим на вопросы
  • Предоставим шаблон договора и счёт на оплату

Отзывы

Екатерина Кожевникова

30.09.2025
Мой муж проходил курс на платформе OTUS и был под впечатлением. Поскольку моя работа связана с прогнозированием, то мы в своих процессах используем модели ML. Я понимала, что мне не хватает знаний для реализации своих задумок. По этой причине я решила прислушаться к совету своего супруга и пройти курс на вашей платформе по машинному обучению. Мне было важно, чтобы в программе курса был блок, связанный с прогнозированием временных рядов. Очень трудно было найти курс, в котором это выделено в отдельный блок. В обучении у вас мне понравилась доступность материала. ДЗ интересные, порою сложные. Но благодаря им ты учишься, преодолеваешь себя, узнаешь что-то новое и закрепляешь материал, который рассказали на лекции. Курс дал мне новые знания, позволил продвинуться вверх по карьерной лестнице. Знания, которые я получила, уже успешно применяю в рабочих задачах. Я счастлива!

Владислав Смелов

30.09.2025
OTUS выбрал, так как только тут можно подобрать курс под свой бэкграунд и задачи. Понравилось, что обучение проходит в виде вебинаров. Не записей, а именно живых уроков. Всегда можно спросить непонятные вопросы прямо во время лекции. Курс помог систематизировать знания и узнать несколько интересных подходов технологий.

Александр Иванов

23.05.2025
Очень хороший курс, интересный. В целом доволен. Преподаватели настроены на то, чтобы изложить информацию по теме так, чтобы было понятно обучающимся, хотя есть моменты, когда на одном занятии получаешь столько новой информации, что, чтобы задать вопросы, необходимо сперва переварить ее. Хотелось бы, чтобы, иногда, презентацию выдавали за пару дней до занятия, чтобы потом было легче студентам на самой лекции. Курс помогает окунуться во многие направления ML и понять, какое из них тебе более интересно.

Игорь Ясинский

26.04.2025
Я интересуюсь машинным обучением очень давно, более десяти лет. За это время разработал ряд решений в медицинской области, техническом зрении и гидродинамике. Как известно, саморазвитие это бесконечное путешествие. И чтобы его продолжить, мне требовалось освоить современные программные инструменты, а также актуализировать теоретические знания в области искусственного интеллекта. Для этой цели я выбрал курс Otus. Machine Learning Professional. Решил сразу пойти на профессиональную версию, поскольку подготовка позволяла. На курсе я узнал много нового из области аналитики. Подробное рассмотрение таких тем как EDA, прогнозирование функций, сверточные и рекуррентные сети, и, конечно, анализ естественного языка (NLP) позволило хорошо разобраться и в теории, и попробовать реализовать эти методы на практике. До курса я был не очень знаком с языком Python, поэтому были сомнения, что я осилю задания. Однако, я смог сделать их все! Некоторые были действительно сложные - особенно классификация спутниковых снимков облаков с помощью сверточной нейронной сети, где надо было выделять различные формы облачных образований. Зато это очень приятно, когда понимаешь, что решил такую непростую задачу! Осваивать Питон и Google Colab вполне реально, особенно с советами преподавателей и кураторов Otus. Не всегда получалось смотреть в онлайн режиме лекции курса, поэтому очень понравилась функция для просмотра записи вебинаров. Буду говорить только за свой курс, но все преподаватели, кто вëл занятия у нашей группы, были очень компетентны в своей профессии. К занятию всегда прикладывают дополнительный материал из программ, презентаций и полезных ссылок. Благодаря такой помощи я и сумел сделать все предложенные задания и понять их суть и практическую значимость. Считаю, что полученные знания позволят мне продвигаться в любимом деле и развиться как в профессиональном, так и карьерном плане. Еще раз спасибо, Otus!

Владимир Федин

13.01.2025
Я работаю в компании “ИТ-Экспертиза” на позиции “ML инженер”. Курс выбрал, потому что возникла необходимость в повышении квалификации, и Otus — единственное место, где были вступительные тесты. Курс мне понравился — я углубился в трансформерные модели и сейчас работаю над проектом с их применением.

Александр Дементьев

16.09.2024
Работаю консультантом по внедрению (SAP, 1С). Выбрал курс, потому что тема стала хайповая, в рамках рабочих задач решил прокачать в этом направлении свои навыки, чтоб что-то сделать полезное в рамках своего бизнес-направления, а также стать более востребованным специалистом. Понравился видеоформат обучения; что к лекциям прикладывают ноутбуки (фрагменты кода) Я продолжаю двигаться в том же направлении, которое определил до обучения — сделать полезный продукт.

Павел Ломов

05.09.2024
Работаю в институте старшим научным сотрудником, преподаю инф. технологии и сети в университете, программирую на GoLang, Java (немного Scala), Python. Область интересов: онтологическое моделирование, semantic web, linked data, ontology learning, представление знаний, NLP, машинное обучение. Курс ML Professional выбрал для того, чтобы систематизировать свои знания в области ML, порешать практические задания, избавиться от синдрома самозванца. 90% пользы дало решения домашних заданий, которые обычно включали каждый раз полный цикл действий для получения приемлемой ML модели. Т.е. понравился общий подход к ДЗ + большая часть их формулировок с поэтапным описанием. Понравились также ответы преподавателей из их личного опыта использования ML моделей. После прохождения курса,наконец, изучил "базу" ML и могу более эффективно "троллить" коллег и студентов, научился использовать ML модели в качестве компонентов своего ПО, вместо кодинга, расширил технологический кругозор в сфере решения практических задач с применением AI.

Василий Петухов

07.08.2024
Работаю бэкэнд-разработчиком. Хотел получить базовые знания об ML, может пригодится в будущем. По курсу могу сказать следующее:лекции очень хорошо структурированы. Лекция начинается с плана и оканчивается выводами; у преподавателей хорошая дикция и они четко формулируют мысль; есть обратная связь по ДЗ, проверяющий дает советы; полезна часть по NLP и про архитектуру "трансформер"

Артём Старовойтов

03.07.2024
На данный момент занимаюсь бэкенд-разработкой (python, django) в компании “Arenadata”. Окончил НИЯУ МИФИ. Интересуюсь темой машинного обучения, хотелось улучшить и упорядочить свои знания. Выбрал Otus, потому что искал курс уровня “prof” (определенный уровень знаний у меня был. И миллион одинаковых курсов "с нуля" мне не интересен). Я уже проходил обучение здесь ранее — знал, что можно найти продвинутый курс. Оценил программу курса: она достаточно объёмна. Понравилось и то, что ДЗ подразумевают существенные трудозатраты — без потраченного времени их ценность была бы ниже. Хотя моя текущая позиция не подразумевает, что ml мне как-то пригодится в ближайшем будущем, верю, что найду применение полученным знаниям. И это позволит мне не только выполнять интересные задачи, но и обеспечит конкурентное преимущество на рынке труда.

Наталья Иваникова

23.04.2024
Курс мне понравился. Он подходит даже новичкам, которые не имеют представления о Data Science. Мотивация у студентов должна быть достаточно высокой, так как требуется много самостоятельной работы, впрочем как и везде. Спасибо преподавателям!

Жанна Боташева

03.04.2024
Обучаясь на курсе, получила много полезной информации — изучала информацию, полученную на вебинарах, и после занятий. Более детально. Многие вопросы отпали. Хотелось больше практических примеров. Полезной информации было настолько много, что не хватало времени всё изучить. Буду пересматривать курс в записи.

Николай Задубровский

01.04.2024
Открывая новый учебный год в 2023 г., решил углубить свои знания в области машинного обучения. После долгих поисков различных курсов, я остановился на курсе машинного обучения в OTUS. Очень радуюсь, что выбрал именно этот курс. Курс в OTUS сбалансирован между теорией и практикой, что позволяет мне вникнуть в материал, а не просто пройти его. Это важно, потому что в области машинного обучения теория и практика тесно связаны, и без практического применения теоретические знания могут быть забыты. Отличное в курсе - это домашние задания. Они позволяют мне углубиться в материал, не просто пробежаться по нему. Это особенно важно в области машинного обучения, где практика - это ключ к успеху. Курс помог мне углубить свои знания в области машинного обучения и подготовил меня к дальнейшей работе в этой области. Рекомендую этот курс всем, кто хочет изучить машинное обучение.

Артём Колос

19.03.2024
Курс отлично подходит для тех, кто уже имеет некоторый опыт работы с данными и хочет расширить знания в Data Science и получить инструментарий для работы с различными типами данных. Рекомендую.

Кирилл Четвертков

08.11.2023
Это реально очень классный курс, дает базу. И NLP затронут, и модели.  Выступления Тихоновой очень интересны, видно что ей самой очень интересно давать материал. Я не успевал выполнять ДЗ, но итоговую работу сделать - дело чести. После курса ML professional записался на курс CV, потому что он ближе всего к Deep Learning. Пока моя работа не связана с применением ML, я Kotlin разработчик, но мне очень интересно разобраться как ML и DL работает.

Наталья Золотарева

08.11.2023
Мне всегда было интересно попробовать свои силы в работе с ИИ и анализе данных, но не хватало смелости сделать шаг к обучению в этом направлении. Когда же я решилась, то выбрала специальность Machine Learning от Otus. Я четко знала направление, которое хочу изучить, поэтому выбрала сразу специальность из 2-х этапов. Одной из причин моего выбора была программа, рассчитанная на новичков. До обучения в Otus я не была связана с IT и работала в сфере аналитической химии на производстве, поэтому всерьез опасалась, что не справлюсь. На этом курсе обучение начиналось с основ и, хотя, мне пришлось немного подтянуть python, подача материала была настолько доступной, что у меня не возникло трудностей с пониманием. Очень понравился формат обучения: лекции 2 раза в неделю, доступные затем в записи, и домашние задания с мягким дедлайном. Если нет времени посетить занятие или задание требует дополнительного изучения, всегда можно заниматься в своем темпе. Если говорить о домашних заданиях, то они совсем не простые. Именно выполнение заданий давало мне понимание материала. В моем случае, при просмотре лекций я ухватывала суть, но не могла уловить нюансы реализации, а на практических задачах они все и выплывали. Были, конечно, и очень сложные для меня темы, когда я над одним заданием работала по 3 недели, но для меня это был основной компонент обучения. И их именно столько сколько нужно, с большим количеством домашних заданий я бы не справилась. Это была моя любимая часть учебы. Было очень интересно! Еще один момент, который мне бы хотелось отметить, это итоговый проект. Здорово, что выбор темы ничем не ограничен. Было увлекательно провести полностью самостоятельное исследование и систематизировать результаты. Теперь, окончив курс, я знаю современное состояние отрасли ML, понимаю как работают основные технологии в этом направлении и могу использовать их в своей работе.

Елена Черная

12.04.2023
Курс очень хороший. Я обучалась ML с полного нуля. У меня был опыт на питоне и университетская мат. база, мне этого хватило для полного понимания тем. Хорошие большие практические задания, при их выполнении приходит ясное понимание что и для чего ты делаешь. Но просто слушать уроки недостаточно, некоторые уроки приходится просматривать несколько раз (для усвоения информации) и довольно большое количество доп. материалов, на которые тоже нужно уделять время. В целом, мне все понравилось, спасибо.

Васильев Владимир

13.11.2022
Курс охватывает как теоретические основы, так и детали практического применения методов ML. Объем материала огромен, впихнуть его в две лекции в неделю невозможно, поэтому нужно быть готовым к ежедневной самостоятельной работе 1-2 часа. ДЗ интересные - некоторые очень даже творческие, некоторые взяты с kaggle, но это не отменяет того, что нужно сесть и разобраться в том, как все это работает. Kaggle еще и помогает посмотреть, как это решали другие. В целом курс оправдал ожидания, теперь создание моделей машинного обучения, формализация задач стала рутинной и простой задачей для меня. Спасибо команде курса!

Тагир Шарифуллин

16.08.2022
Хочу выразить благодарность всему коллективу ОТУС и Machine Learning. Professional и в особенности руководителю программы Марие Тихоновой. Благодаря выполненным проектам на курсе и полученным знаниям я смог получить свою первую работу в IT сфере!

Подтверждение знаний и навыков

OTUS осуществляет лицензированную образовательную деятельность.
Вы получите сертификат о прохождении обучения, а также можете получить удостоверение о повышении квалификации.

После обучения вы:

  • заберете с собой полный комплект обучающих материалов: видеозаписи всех вебинаров, презентации к занятиям и другие дополнительные материалы
  • освоите все необходимые навыки, чтобы создавать модели машинного обучения
  • пополните свое портфолио новыми работами для будущего работодателя
  • получите сертификат о прохождении курса

Частые вопросы

Почему OTUS?
Мы обучаем IT-сотрудников уже 6 лет, через OTUS прошли 20000 студентов. Специализируемся на программах для людей с опытом, а ещё – быстро переформатируем учебные программы под изменения в сфере информационных технологий.
Что является наиболее ценным по мнению выпускников?
На курсе «Machine Learning. Professional» вы получите знания, которые можно сразу же применить в работе. Наши преподаватели развёрнуто анализируют домашние задания, активно общаются со студентами в телеграм-чатах и на вебинарах, помогают с выпускными проектами.
Обязательно ли выполнять и защищать выпускной проект?
Для получения сертификата OTUS и УПК (удостоверение повышения квалификации государственного образца) необходимо сдать проект. Кроме того, проект необязательно защищать перед аудиторией, а можно сдать в чате с преподавателем. Для получения УПК также понадобится предъявить документ об образовании.
Обязательно ли выполнять все домашние задания?
Да, если хотите хорошо отточить навыки. На курсе будут практические домашние задания, их выполнение занимает примерно 2-3 часа.
Смогу ли я совмещать учёбу с работой?
Да. Программа рассчитана на студентов, у которых мало времени. Раз в модуль мы даём домашние задания, а лекции проводим дважды в неделю.
Что если в середине курса я не смогу продолжать обучение?
Вы можете бесплатно перейти в другую группу. Но только один раз.
Я могу вернуть деньги?
Да, мы можем вернуть деньги за то время, которое вы ещё не успели отучиться. Например, если курс длится пять месяцев, а вы отучились один, мы вернём деньги за оставшиеся четыре месяца.
Может ли мой работодатель оплатить курс?
Да. Когда свяжетесь с нашим менеджером, уточните, что оплачивать курс будет ваш работодатель.
Остались вопросы?
Оставляйте заявку и задавайте вопросы менеджеру, команда курса с ним на связи и постарается дать вам дать исчерпывающую информацию.