Специализация

Machine Learning

С нуля до Middle за 12 месяцев

27 февраля

Basic

12 месяцев

Онлайн

Для кого?

Для тех, кто хочет с нуля сделать карьеру в направлении Machine Learning! На специализации вы получите навыки сбора данных и анализа текстовых данныx, машинного обучения, Python, анализа временных рядов, рекомендательным системам, а также продвинутым методам машинного обучения, которые выделят вас среди начинающих специалистов. К концу обучения вы соберете портфолио из выполненных работ и сделаете готовый проект, который сможете опубликовать и показывать на собеседованиях.

Подходит ли программа именно вам?

Менеджер поможет разобраться!

Какой результат вы получите?

Начало обучения
27 февраля
  • Для тех, кто хочет с нуля сделать карьеру в направлении Machine Learning
Ступень 1
Вт 20:00, Пт 20:00
Junior
  • Освоите Python для Data Science
  • Вспомните математику и научитесь использовать ее для работы с моделями
  • Сможете строить основные модели машинного обучения
Ступень 2
Вт 20:00, Пт 20:00
Middle
  • Создаете модели машинного обучения, используя базовые и продвинутые приемы ML
  • Можете выполнять полный pipeline работ: от подготовки датасета до анализа результатов и подготовки к production
  • Готовы к решению практических задач по машинному обучению
  • Имеете портфолио проектных работ

Увлекательный процесс

Вас ждут творческая атмосфера и тесное сотрудничество с экспертами Data Science

Необходимые знания


Не обязательно иметь профильные знания. Программа подходит для новичков

Помощь с трудоустройством


Комплексная система, которая поможет получить выгодные офферы в перспективных проектах

Трудоустройство

  • Разместите свое резюме в базе OTUS и сможете получать приглашения на собеседования от партнеров
  • Карьерные мероприятия в сообществе
    Публичный разбор резюме
    Публичное прохождение собеседования и воркшопы

Machine Learning

Перспективы направления
Средний уровень зарплат в Москве:
70 000Junior+ специалист
150 000Middle+ специалист
800
актуальных вакансий

Работодатели специализции

Формат обучения

Интерактивные вебинары


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

Хардкорная практика

Учитесь на реальных датасетах и тренируйтесь строить полные пайплайны работы с данными

Активное комьюнити


Общайтесь с преподавателями голосом на вебинарах и в Slack группы

Групповые менторские консультации

На курсе предусмотрено менторское сопровождение в виде групповых разборов домашних заданий. Занятие по групповому разбору ДЗ с ментором проводится  раз в месяц в рамках расписания курса.

 Вы выполняете домашнее задание

Ментор проверяет его в личном кабинете, делает ревью и дает развернутый фидбэк

На занятии ментор отвечает на часто возникающие вопросы, проводит подробный разбор работ студентов и объясняет каждый этап выполнения

С ментором также можно общаться по домашнему заданию в чате. Он даст вам обратную связь по итогам проверки и направит вас в нужное русло 

Программа

1 ступень

Введение в Python

Тема 1: Знакомство. Настройка окружения для работы

Тема 2: Базовые типы и структуры данных. Управление потоком

Тема 3: Работа с функциями и данными

Тема 4: Git, shell

Введение в Python. ООП, модули, базы данных

Тема 1: Основы ООП

Тема 2: Продвинутый ООП, исключения

Тема 3: Продвинутый ООП, продолжение

Тема 4: Модули и импорты

Тема 5: Тесты

Тема 6: Знакомство со встроенными модулями

Тема 7: Файлы и сеть

Основы Python для ML

Тема 1: Основы NumPy

Тема 2: Основы Pandas

Тема 3: Визуализация данных

Теоретический минимум для ML: математика, линал, статистика

Тема 1: Матрицы. Основные понятия и операции

Тема 2: Практика. Матрицы

Тема 3: Дифференцирование и оптимизация функций

Тема 4: Практика. Дифференцирование и оптимизация функций

Тема 5: Алгоритмы и вычислительная сложность

Тема 6: МНК и ММП

Тема 7: Практика. МНК и ММП

Тема 8: Случайные величины и их моделирование

Тема 9: Практика. Случайные величины и их моделирование

Тема 10: Исследование зависимостей: номинальные, порядковые и количественные величины

Тема 11: Практика. Исследование зависимостей: номинальные, порядковые и количественные величины

Тема 12: A/Б-тестирование

Основные методы машинного обучения

Тема 1: Введение в машинное обучение

Тема 2: Exploratory Data Analysis and Preprocessing

Тема 3: Задача регрессии. Линейная регрессия

Тема 4: Задача классификации. Метод ближайших соседей

Тема 5: Логистическая регрессия

Тема 6: Деревья решений

Тема 7: Ансамбли моделей

Тема 8: Feature engineering & advanced preprocessing

Проектная работа

Тема 1: Выбор темы проекта

Тема 2: Консультация в формате предзащиты

Тема 3: Защита проекта

2 ступень

Продвинутые методы машинного обучения

Тема 1: Вводный урок. Программа курса. Повторение основных концепций машинного обучения

Тема 2: Повторение основных понятий задачи классификации на практике: EDA, cross-validation, метрики качества

Тема 3: Деревья решений

Тема 4: Ансамбли моделей

Тема 5: Градиентный бустинг

Тема 6: Метод опорных векторов

Тема 7: Методы уменьшения размерности

Тема 8: Обучение без учителя. K-means

Тема 9: Обучение без учителя. Иерархическая кластеризация. DB-Scan

Тема 10: Поиск аномалий в данных

Тема 11: Практическое занятие - Построение end-to-end пайплайнов и сериализация моделей

Тема 12: Алгоритмы на графах

Сбор данных. Анализ текстовых данных

Тема 1: Сбор данных

Тема 2: Анализ текстовых данных. Часть 1: Предобработка и токенизация

Тема 3: Анализ текстовых данных. Часть 2: Векторные представления слов, работа с предобученными эмбеддингами

Тема 4: Анализ текстовых данных. Часть 3: Named Entity Recognition

Тема 5: Анализ текстовых данных. Часть 4: Тематическое моделирование

Тема 6: Q&A + бонусная практика по трансформерам

Анализ временных рядов

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

Тема 1: Рекомендательные системы. Часть 1: Постановка задачи, метрики качества. Коллаборативная фильтрация. Холодный старт

Тема 2: Рекомендательные системы. Часть 2: Контентная фильтрация, гибридные подходы. Ассоциативные правила

Тема 3: Рекомендательные системы. Часть 3: Implicit feedback (извлекаем предпочтения из поведения пользователя)

Тема 4: Практическое занятие по рекомендательным системам. Surpsise

Тема 5: Q&A

Дополнительные темы

Тема 1: Введение в Deep Learning №1

Тема 2: Введение в Deep Learning №2

Тема 3: ML в Apache Spark

Тема 4: Поиск Data Science работы

Проектная работа

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


Каждая ступень завершается финальным проектом, который предстоит защитить перед командой преподавателей. Практический опыт и портфолио проектов помогут вам произвести впечатление на собеседовании.
Вы можете выбрать одну из предложенных преподавателем тем или реализовать свою идею.

Преподаватели

Дмитрий Сергеев

Евгений Ревняков

Андрей Сухобок

Андрей Канашов

Борис Цейтлин

Руководитель

Мария Тихонова

Александр Миленькин

Глеб Карпов

Максим Бекетов

Евгений Романов

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

Ближайшие мероприятия

Открытый вебинар — это настоящее занятие в режиме онлайн 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.

Легкий старт в Data Science
Евгений Романов
На открытом уроке мы разберем основы Машинного Обучения и поговорим о такой востребованной области, как Data Science.
Изучите основные подходы и принципы методов машинного обучения. Сможете применить свои знания на практике и обучить свою первую ML-модель для решения задачи классификации. На открытом уроке и вы уже сделаете первый шаг в Data Sciece!
...
9 февраля в 17:00
Открытый вебинар
Что скрывают деревья решений?
Мария Тихонова
Освоите популярный ML-алгоритм - "дерево решений". Узнаете, для каких задач его используют в машинном обучении и как правильно его применять на практике.

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: вы устройство алгоритма "дерева решений". Поймёте, для каких задач в машинном обучении его можно использовать и научитесь применять его на практике.
...
20 февраля в 15:00
Открытый вебинар

Прошедшие
мероприятия

Мария Тихонова
Открытый вебинар
Первичный анализ данных с Pandas
Мария Тихонова
Открытый вебинар
Data Science - это проще, чем кажется
Оставьте заявку, чтобы получить доступ к записям прошедших мероприятий. Записи всех мероприятий появятся в этом блоке

Корпоративное обучение для ваших сотрудников

Отус помогает развивать высокотехнологичные Команды. Почему нам удаётся это делать успешно:
  • Курсы OTUS верифицированы крупными игроками ИТ-рынка и предлагают инструменты и практики, актуальные на данный момент
  • Студенты работают в группах, могут получить консультации не только преподавателей, но и профессионального сообщества
  • OTUS проверяет знания студентов перед стартом обучения и после его завершения
  • Простой и удобный личный кабинет компании, в котором можно видеть статистику по обучению сотрудников
  • Сертификат нашего выпускника за 5 лет стал гарантом качества знаний в обществе
  • OTUS создал в IT более 120 курсов по 7 направлениям, линейка которых расширяется по 40-50 курсов в год

Диплом о профессиональной переподготовке

OTUS осуществляет лицензированную образовательную деятельность. В конце прохождения специализации вы получите сертификат OTUS и официальный диплом о получении новой специальности.

Почему специализация выгоднее, чем отдельные курсы?

  • Стоимость ниже, чем покупка курсов по отдельности
  • Диплом о профессиональной переподготовке
  • Расширенная опция помощи с трудоустройством

Частые вопросы

Что понадобится для обучения?
Программа предусмотрена для новичков и дает все необходимые базовые знания. Поэтому для занятий вам понадобится только компьютер.
Что, если в середине курса я не смогу продолжать обучение?
У вас есть право одного бесплатного трансфера в другую группу на каждой ступени обучения.
Обязательно ли защищать все проектные работы?
Для получения диплома о переквалификации необходимо сдать проекты. В остальном — это часть по вашему желанию. Кроме того, проекты не обязательно защищать при аудитории, а можно сдать в чате с преподавателем.
С какого момента я смогу заниматься трудоустройством?
Получить карьерную консультацию вы сможете уже в начале обучения. Остальные опции: помощь с резюме, добавление резюме в нашу базу специалистов и т.д. будут доступны после окончания первой ступени
Я могу вернуть деньги?
Да, вы можете сделать возврат средств пропорционально оставшимся месяцам обучения.