UserPartName
ML System Design
Проектирование систем машинного обучения
31 августа
2 месяца
Онлайн
Для кого этот курс?
- ML Engineer, ML Ops Engineer, Data Engineer, желающие научиться создавать ML-систему, которая устойчива к деградации моделей и масштабируема
- Team Lead, Tech Lead, Solution Architect, которые хотят уметь проектировать ML-системы на уровне команды и продукта
- Data Scientist, заинтересованные научиться строить архитектуру ML-систем, оценивать масштабируемость и надежность решений
Необходимые знания
- Базовые знания машинного обучения
- Опыт в одной из следующих сфер: CV, NLP, RecSys, Speech Recognition
Чему научится студент на курсе?
- Понимать и применять концепцию ML System Design (MLSD): оценивать требования и ограничения проектов, строить архитектуру ML-систем, планировать жизненный цикл ML-проекта
- Проектировать архитектуру и конвейеры ML-систем: выбирать модели и слои, организовывать сервисы и доступ к данным, строить data pipeline с EDA, feature engineering и схемами валидации
- Обеспечивать надежность и наблюдаемость ML-систем: внедрять CI/CD для ML, оркестрацию пайплайнов, мониторинг деградации моделей, интеграцию с сервисами
- Решать реальные бизнес-задачи через MLSD: строить ML-конвейеры для визуального поиска, фильтрации контента, корпоративных ассистентов и предиктивных моделей на сенсорных данных
- Анализировать и повышать эффективность моделей: оценивать производительность и безопасность моделей, проводить обработку больших данных и мультимодальных источников
Почему стоит освоить?
Прохождение курса позволит вам не ограничиваться обучением моделей, а начать проектировать ML-системы целиком. Вы сможете самостоятельно проектировать архитектуру, управлять данными, а также внедрять решения, которые реально работают в компании.
Курс идеально подойдет для тех, кто заинтересован в переходе на следующий уровень в сфере ML.
Процесс обучения
Занятия в OTUS — это не заранее отснятый материал. Вебинары проходят в режиме реального времени, где преподаватели-практики рассказывают об актуальных кейсах и инструментах, которые нужны им в работе сейчас. Вы сможете активно участвовать голосом, практиковаться, задавать вопросы и получать обратную связь. Такой формат дает реальный результат.
А если вы не смогли посетить занятие в реальном времени, то сможете посмотреть его в записи и задать вопрос преподавателю в закрытом Telegram-чате.
А если вы не смогли посетить занятие в реальном времени, то сможете посмотреть его в записи и задать вопрос преподавателю в закрытом Telegram-чате.
Портфолио
Индивидуальная разработка итоговой проектной работы
Обучайтесь у экспертов
Программу ведут действующие специалисты
Перспективы
Получите знания, которые помогут повысить вашу востребованность и доход
Партнеры
Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности.
- Карьерные мероприятия в сообществе
Публичный разбор резюме
Публичное прохождение собеседования и воркшопы - Разместите свое резюме в базе OTUS и сможете получать приглашения на собеседования от партнеров
* Информация в этом разделе не предназначена для корпоративного обучения
Формат обучения
Интерактивные вебинары
2 онлайн-трансляции по 2 ак.часа в неделю. Доступ к записям и материалам остается навсегда
Активное комьюнити
Живое общение с преподавателями на вебинарах, переписки в чате и развёрнутые ответы при проверке ДЗ
Активное комьюнити
Живое общение с преподавателями на вебинарах, переписки в чате и развёрнутые ответы при проверке ДЗ
Программа
Основы ML и ML System Design
Тема 1: Фундаментальные понятия в ML: задачи ML, общий pipeline, метрики и функции потерь
Тема 2: Что такое ML System Design (MLSD): подходы и этапы построения ML-систем, жизненный цикл ML проекта
Тема 3: Анализ проекта с точки зрения MLSD: как оценивать требования, ограничения и архитектуру проекта для системного дизайна
Архитектура ML-систем и MLSD
Тема 1: Проектирование архитектуры ML-систем: выбор моделей, слоев, сервисов и хранение/доступ к данным
Тема 2: Data pipeline и подготовка данных: EDA, feature engineering, схемы валидации, управление качеством данных
Тема 3: Мониторинг, надежность и интеграция: CI/CD, оркестрация пайплайнов, наблюдаемость, метрики деградации, интеграция с сервисами
Тема 4: QA-сессия (кейс: необходимость в MLSD и алгоритм проведения технического интервью)
Разбор бизнес-задач через MLSD
Тема 1: Разработка ML-конвейера и оценка производительности модели (проект: система визуального поиска на маркетплейсе)
Тема 2: Обнаружение и фильтрация вредоносного контента, безопасность моделей (проект: система поиска вредоносного контента на площадке RuTube)
Тема 3: Построение корпоративного ассистента и интеграция с базой знаний (проект: поиск в Confluence и обработка административных заявок)
Тема 4: Обработка сенсорных и видео данных, построение предиктивных моделей (проект: система определения усталости водителя дальнего следования)
Тема 5: QA-сессия
Проектная работа
Тема 1: Выбор темы и организация проектной работы
Тема 2: Консультации по проектам и домашним заданиям
Тема 3: Защита проектных работ
Тема 4: Подведение итогов курса
Также вы можете получить полную программу, чтобы убедиться, что обучение вам подходит
Проектная работа
На основе умений и знаний полученных в курсе студент выбирает какой проект будет реализовывать. С нашей стороны будет помощь и наставничество в реализации проекта. Проект станет хорошим пополнением вашего портфолио.
Преподаватели
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.
Базовая структура ML: задачи, pipeline, метрики и функции потерь
Михаил Лебедев
Высокая точность модели ещё не означает, что она решает нужную задачу. Ошибка может появиться гораздо раньше — при выборе постановки, метрики или функции потерь.
6 августа в 20:00 на открытом уроке курса «ML System Design» разберёте базовую структуру ML-системы. Увидите, как связаны тип задачи, подготовка данных, обучение и оценка модели. Поймёте, почему метрику нужно выбирать с учётом бизнес-цели и какую роль в обучении играет функция потерь.
После занятия у вас будет цельная схема работы — от определения задачи до интерпретации результата. Вы сможете осознаннее выбирать подход к обучению, оценивать качество модели и не путать метрики с функциями потерь.
6 августа в 20:00 на открытом уроке курса «ML System Design» разберёте базовую структуру ML-системы. Увидите, как связаны тип задачи, подготовка данных, обучение и оценка модели. Поймёте, почему метрику нужно выбирать с учётом бизнес-цели и какую роль в обучении играет функция потерь.
После занятия у вас будет цельная схема работы — от определения задачи до интерпретации результата. Вы сможете осознаннее выбирать подход к обучению, оценивать качество модели и не путать метрики с функциями потерь.
6 августа в 20:00
Открытый вебинар
Почему 90% ML-проектов не доходят до продакшена? Разбираем архитектуру настоящей ML-системы
Игорь Стурейко
Модель показывает отличную точность в ноутбуке, но так и не становится рабочим сервисом. Причина часто не в качестве самой модели, а в архитектуре системы вокруг неё.
19 августа в 20:00 на открытом уроке курса «ML System Design» вы разберёте, как превратить модель на Python в полноценный ML-сервис. Увидите, как связаны хранение данных, обучение, реестр моделей, сервис инференса и мониторинг.
На занятии рассмотрите весь жизненный цикл модели — от обучения до эксплуатации в постоянно меняющихся условиях. Поймёте, почему высокая точность ещё не гарантирует успешного внедрения и какие инженерные задачи возникают при работе с реальными пользователями и большими объёмами данных.
Урок будет полезен специалистам по данным, ML- и MLOps-инженерам, разработчикам и архитекторам.
Урок проведёт Игорь Стурейко.
19 августа в 20:00 на открытом уроке курса «ML System Design» вы разберёте, как превратить модель на Python в полноценный ML-сервис. Увидите, как связаны хранение данных, обучение, реестр моделей, сервис инференса и мониторинг.
На занятии рассмотрите весь жизненный цикл модели — от обучения до эксплуатации в постоянно меняющихся условиях. Поймёте, почему высокая точность ещё не гарантирует успешного внедрения и какие инженерные задачи возникают при работе с реальными пользователями и большими объёмами данных.
Урок будет полезен специалистам по данным, ML- и MLOps-инженерам, разработчикам и архитекторам.
Урок проведёт Игорь Стурейко.
19 августа в 20:00
Открытый вебинар
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
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:
-
Удостоверение о повышении квалификации: если вы успешно защитили выпускной проект и готовы предоставить копию документа о высшем или среднем профессиональном образовании
-
Доступ к учебным материалам курса
-
Ваш личный проект, который поможет проходить собеседования
ML System Design
В рассрочку
Полная
Компаниям
Стоимость в рассрочку
от 6 666,67 ₽/мес
Доступные способы оплаты.
Стоимость указана для оплаты физическими лицами
Стоимость указана для оплаты физическими лицами
Верните с помощью налогового
вычета до 13% стоимости обучения. Оставьте заявку и менеджер вас проконсультирует
вычета до 13% стоимости обучения. Оставьте заявку и менеджер вас проконсультирует
Есть вопросы? Позвоните!
+7 499 938-92-02 бесплатно
+7 499 938-92-02 бесплатно
Запишитесь сегодня
Старт занятий 31 августа
Доступные способы оплаты.
Стоимость указана для оплаты физическими лицами
Стоимость указана для оплаты физическими лицами
Верните с помощью налогового
вычета до 13% стоимости обучения. Оставьте заявку и менеджер вас проконсультирует
вычета до 13% стоимости обучения. Оставьте заявку и менеджер вас проконсультирует
Есть вопросы? Позвоните!
+7 499 938-92-02 бесплатно
+7 499 938-92-02 бесплатно
Частые вопросы
Смогу ли я совмещать учебу с работой?
Да. Программа курса рассчитана на студентов, у которых мало времени. Лекции проводим дважды в неделю, домашние задания — не чаще 1 раза в неделю.
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.
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 курса, которое вы ещё не успели отучиться. Например, если курс длится пять месяцев, а вы отучились один, мы вернём деньги за оставшиеся четыре месяца за вычетом фактически понесенных расходов.
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 исчерпывающую информацию.