−40%
−40%
Вы —
Разработчик, инженер ПО, аналитик. У вас есть идея продукта с применением компьютерного зрения, вы владеете языками программирования, но не сталкивались с машинным обучением ранее.
Мы —
Практики и предприниматели, построившие карьеру в разработке и управлении продуктов с машинным обучением в Яндекс, Mail.Ru Group, Alfabank, Ozon, МВидео, Aitarget с опытом преподавания в ВШЭ, МФТИ, Y-DATA.
Вы —
Разработчик, инженер ПО, аналитик. У вас есть идея продукта с применением компьютерного зрения, вы владеете языками программирования, но не сталкивались с машинным обучением ранее.
Мы —
Практики и предприниматели, построившие карьеру в разработке и управлении продуктов с машинным обучением в Яндекс, Mail.Ru Group, Alfabank, Ozon, МВидео, Aitarget с опытом преподавания в ВШЭ, МФТИ, Y-DATA.
Результат курса — MVP, готовый к инвестициям
/
На интенсиве вы разработаете собственный проект с компьютерным зрением для портфолио или с целью монетизировать его
//
Вы пообщаетесь с единомышленниками и менторами на завтраках и митапах
///
Вас проконсультируют десятки профессионалов из сферы машинного обучения
Примеры проектов
Примеры проектов
Преподаватели
Преподаватели
Игорь Слинько
Машинное обучение и компьютерное зрения
Автор курса "Нейронные сети и Компьютерное Зрение" на Stepik.org
/ Образование: МФТИ, ШАД (Яндекс)
/ Data Scientist в Яндекс, Mail.ru, Samsung AI Center, OneSoil, Brickit.app
/ Образование: МФТИ, ШАД (Яндекс)
/ Data Scientist в Яндекс, Mail.ru, Samsung AI Center, OneSoil, Brickit.app
Татьяна Гайнцева
Машинное обучение и компьютерное зрения
Преподаватель МФТИ, dlschool.org
/ AI Scientist в Philips
/ Автор популярных тг-блогов про глубокое обучение
/ AI Scientist в Philips
/ Автор популярных тг-блогов про глубокое обучение
Давид Дале
Машинное обучение и прототипирование
Главный преподаватель Mathshub, преподаватель ШАД, ВШЭ
/ NLP-исследователь в Skoltech
/ Ex-Data Scientist в Yandex
/ Ex-Data Scientist в Alfabank
/ NLP-исследователь в Skoltech
/ Ex-Data Scientist в Yandex
/ Ex-Data Scientist в Alfabank
София Лукьянова
Машинное обучение и программирование
Преподаватель Сбер.Образования
/ Ex-лаборатория робототехники Сбербанка
/ Ex-резидент Сколково
/ Ex-cv engineer в Avanchair
/ Ex-лаборатория робототехники Сбербанка
/ Ex-резидент Сколково
/ Ex-cv engineer в Avanchair
Кежик Кызыл-оол
Математика и программирование на Python
Преподаватель МФТИ, Skoltech
/ Fullstack-разработчик в Startblock.online
/ ex-Front-end разработчик в VK
/ Fullstack-разработчик в Startblock.online
/ ex-Front-end разработчик в VK
Алена Трескова
Анализ данных
Преподаватель Mathshub
/ Старший аналитик в Ozon
/ Ex-Data Scientist в М. Видео-Эльдорадо
/ Ex-Data Scientist в Tele2
/ Старший аналитик в Ozon
/ Ex-Data Scientist в М. Видео-Эльдорадо
/ Ex-Data Scientist в Tele2
Айра Монгуш
Управление продуктом и маркетинг
Преподаватель МФТИ, Mathshub
/ Ex-Product Owner в VK
/ Ex-Head of AI Labs в aitarget.com
/ Ex-Product Owner в VK
/ Ex-Head of AI Labs в aitarget.com
Игорь Слинько
Машинное обучение и компьютерное зрение
Автор курса "Нейронные сети и Компьютерное Зрение" на Stepik.org
/ Образование: МФТИ, ШАД (Яндекс)
/ Data Scientist в Яндекс, Mail.ru, Samsung AI Center, OneSoil, Brickit.app
/ Образование: МФТИ, ШАД (Яндекс)
/ Data Scientist в Яндекс, Mail.ru, Samsung AI Center, OneSoil, Brickit.app
Татьяна Гайнцева
Машинное обучение и компьютерное зрение
Преподаватель МФТИ, dlschool.org
/ AI Scientist в Philips
/ Автор популярных тг-блогов про глубокое обучение
/ AI Scientist в Philips
/ Автор популярных тг-блогов про глубокое обучение
Давид Дале
Машинное обучение и прототипирование
Главный преподаватель Mathshub, преподаватель ШАД, ВШЭ
/ NLP-исследователь в Skoltech
/ Ex-Data Scientist в Yandex
/ Ex-Data Scientist в Alfabank
/ NLP-исследователь в Skoltech
/ Ex-Data Scientist в Yandex
/ Ex-Data Scientist в Alfabank
София Лукьянова
Машинное обучение и программирование
Преподаватель Сбер.Образования
/ Ex-лаборатория робототехники Сбербанка
/ Ex-резидент Сколково
/ Ex-cv engineer в Avanchair
/ Ex-лаборатория робототехники Сбербанка
/ Ex-резидент Сколково
/ Ex-cv engineer в Avanchair
Кежик Кызыл-оол
Математика и программирование на Python
Преподаватель МФТИ, Skoltech
/ Fullstack-разработчик в Startblock.online
/ ex-Front-end разработчик в VK
/ Fullstack-разработчик в Startblock.online
/ ex-Front-end разработчик в VK
Алена Трескова
Анализ данных
Преподаватель Mathshub
/ Старший аналитик в Ozon
/ Ex-Data Scientist в М. Видео-Эльдорадо
/ Ex-Data Scientist в Tele2
/ Старший аналитик в Ozon
/ Ex-Data Scientist в М. Видео-Эльдорадо
/ Ex-Data Scientist в Tele2
Айра Монгуш
Управление продуктом и маркетинг
Преподаватель МФТИ, Mathshub
/ Ex-Product Owner в VK
/ Ex-Head of AI Labs в aitarget.com
/ Ex-Product Owner в VK
/ Ex-Head of AI Labs в aitarget.com
Приглашенные спикеры
Приглашенные спикеры
Юрий Мельничек
Основатель венчурного фонда Bulba, AI-инвестор, основатель Maps. me, AIMATTER
// Прототипирование сложных ML-продуктов с успешным экзитом. Инвестиции в AI //
Алексей Моисеенков
Основатель Capture Technologies, создатель Prisma.AI
// Как создать ML-продукт, которым будут пользоваться десятки тысяч юзеров //
Олег Шляжко
Senior ML Research Engineer в Yandex, SberDevices и Mail.Ru Group
// Внутрянка команды ruGPT //
Денис Калышкин
Principal в I2BF Global Ventures
Investment committee member в Phystech Leadership Fund
Investment committee member в Phystech Leadership Fund
// Качественные и количественные методы анализа рынка стартапа. AI-рынок //
Ольга Ковех
Старший менеджер продукта данных в Amazon, Берлин, Ex PM в Yandex, Scentbird
// О жизни ML-продакт-менеджера в крупных компаниях //
Отзывы
Отзывы
Руслан Мальсагов
3 «да» про курс:
да — школьного курса математики более, чем достаточно;
да — ты сразу начинаешь писать код и применять рабочие модельки для аналитики — создавать свой продукт машинного обучения;
да — продукт заработает для живых пользователей.
Отличный способ для дальнейшего развития прототипа или более подробной работы над ML-продуктами с дата-саентистами для создания профессиональных продуктов.
да — школьного курса математики более, чем достаточно;
да — ты сразу начинаешь писать код и применять рабочие модельки для аналитики — создавать свой продукт машинного обучения;
да — продукт заработает для живых пользователей.
Отличный способ для дальнейшего развития прототипа или более подробной работы над ML-продуктами с дата-саентистами для создания профессиональных продуктов.
Очень понравился курс!
В рамках курса удалось реализовать прототип решения для улучшения креативов в динамической рекламе facebook и instagram для e-commerce клиентов.
У ребят сильная команда специалистов и хорошая структура обучения с большим объемом практики.
Самое ценное — это отличные вебинары с практикующими экспертами, в ходе которых можно сразу получить ответы на все интересующие вопросы, а также живое общение с сокурсниками, благодаря которым можно улучшить свой продукт.
Курс сложный, содержит много математики и технической информации, но менторы всегда помогают во всем разобраться в ходе очного общения.
Большое спасибо команде за то, что я не только получил хорошую практику по ML прототипированию, но и хорошо провел время в приятной компании грамотных специалистов.
В рамках курса удалось реализовать прототип решения для улучшения креативов в динамической рекламе facebook и instagram для e-commerce клиентов.
У ребят сильная команда специалистов и хорошая структура обучения с большим объемом практики.
Самое ценное — это отличные вебинары с практикующими экспертами, в ходе которых можно сразу получить ответы на все интересующие вопросы, а также живое общение с сокурсниками, благодаря которым можно улучшить свой продукт.
Курс сложный, содержит много математики и технической информации, но менторы всегда помогают во всем разобраться в ходе очного общения.
Большое спасибо команде за то, что я не только получил хорошую практику по ML прототипированию, но и хорошо провел время в приятной компании грамотных специалистов.
Однозначно рекомендую курс тем, кто готов приступить к ML-проекту.
Курс дал отличную базу и мотивацию для того, чтобы продолжать создавать ML-прототипы самостоятельно. Разбираясь во всем многообразии моделей и подходов, которым уделено особое внимание на лекциях, можно осознанно выбрать вектор, в котором интересно развиваться дальше, свободно читать (и главное — понимать) код, написанный другими разработчиками, статьи и книги уже на более продвинутом уровне.
Занятия помогли собрать воедино и систематизировать фрагментарные знания по ИИ, а лабораторные работы позволили преодолеть барьер неуверенности и наконец-то перейти от теории к практике и запустить свои первые модельки.
Полученные знания дают возможность не только разговаривать со специалистами на одном языке и разобраться, как работают проекты, связанные с ИИ, что очень важно для менеджеров, которые ими управляют, но и самому почувствовать себя исследователем, проверяя собственные гипотезы в рабочих и pet-проектах.
Курс дал отличную базу и мотивацию для того, чтобы продолжать создавать ML-прототипы самостоятельно. Разбираясь во всем многообразии моделей и подходов, которым уделено особое внимание на лекциях, можно осознанно выбрать вектор, в котором интересно развиваться дальше, свободно читать (и главное — понимать) код, написанный другими разработчиками, статьи и книги уже на более продвинутом уровне.
Занятия помогли собрать воедино и систематизировать фрагментарные знания по ИИ, а лабораторные работы позволили преодолеть барьер неуверенности и наконец-то перейти от теории к практике и запустить свои первые модельки.
Полученные знания дают возможность не только разговаривать со специалистами на одном языке и разобраться, как работают проекты, связанные с ИИ, что очень важно для менеджеров, которые ими управляют, но и самому почувствовать себя исследователем, проверяя собственные гипотезы в рабочих и pet-проектах.
Курс особенно подойдет для тех, кто находится со стороны бизнеса — руководителям продуктов и предпринимателям, но стремится применить машинное обучение и улучшить текущие процессы в своей компании за счет применения алгоритмов ML.
На мой взгляд, этот курс является хорошей отправной точкой для погружения как в создание ML-продукта, так и в машинное обучение, но больший упор делается всё же на продуктовую и бизнес-составляющие.
На мой взгляд, этот курс является хорошей отправной точкой для погружения как в создание ML-продукта, так и в машинное обучение, но больший упор делается всё же на продуктовую и бизнес-составляющие.
Я прошёл этот курс, так как думаю, что современный менеджер продукта должен как минимум «на перспективу» знать о машинном обучении, чтобы не отстать от рынка в будущем. Курс позволил мне ещё раз структурировать свои знания об управлении продуктом, понять основы технологий машинного обучения, а также узнать о применимости этих технологий для решения разных задач бизнеса и продукта. Материал хорошо подготовлен и структурирован; чувствуется, что уже проведено несколько итераций подготовки. Преподаватели помогают понять сложные вопросы, дают обратную связь и с готовностью принимают её в ответ.
Отметил для себя в курсе полезные инструменты (список курсов в начале, инструмент Google Colab, поскольку реально головная боль устанавливать кучу ПО для занятия). Очень понравился обзор helicopter view on technologies, популярные библиотеки + примеры их использования: связка код + результат. Оценить Churn rate хорошая идея — может быть, стоит подыскать примеры того, какие вещи делают компании, чтобы удержать клиента, чтобы приземлить задачу на практику.
Рекомендую этот курс, так как понравилось заложенное в программе повторение важных аспектов продакт-менеджмента. Появился впервые опыт написания кода. Сформировалось примерное понимание разных моделей анализа. Лучше понял для себя, в чем заключается работа аналитика данных. Очень круто, что появляется сразу опыт программирования и что в принципе видишь сам код.
Для меня были важны количество пройденных алгоритмов. Понравились разобранные метрики в продакт-менеджменте, предоставленные источники и ресурсы, сложность кода и его глубина. Рекомендую курс для продакт-менеджеров.
Спасибо Айре за проведенное занятие! Впечатлила общая логика работы с данными и построения модели. Рекомендую курсы Айры для диджитал-специалистов.
Программа
Программа
Математика и Python для DS
Вы получите практические знания в математике, необходимые для создания ML-прототипа, без воды и лирики.
УРОКИ
/ Математический анализ
/ Теория вероятностей и математическая статистика
/ Python для анализа данных
УРОКИ
/ Математический анализ
/ Теория вероятностей и математическая статистика
/ Python для анализа данных
Классическое машинное обучение
Вы получите основные и самые необходимые знания о машинном обучении (классификация деревьей, регрессии, ансамбли алгоритмов и случайный лес, определение важности параметров, и многое другое)
УРОКИ
/ Базовое машинное обучение
/ Классификация, деревья решений, и kNN
/ Линейная регрессия и классификация. MLE, Разложение дисперсии смещения, Регуляризация, Validation and learning curves
/ Ансамбли алгоритмов и случайный лес. Бэггинг. Бустинг. Определение важности параметров
/ Feature Engineering
/ Работа с большими данными
УРОКИ
/ Базовое машинное обучение
/ Классификация, деревья решений, и kNN
/ Линейная регрессия и классификация. MLE, Разложение дисперсии смещения, Регуляризация, Validation and learning curves
/ Ансамбли алгоритмов и случайный лес. Бэггинг. Бустинг. Определение важности параметров
/ Feature Engineering
/ Работа с большими данными
Анализ данных: A/B-тесты и эконометрика
Тестирование - важная часть длясоздания проекта. Вы познакомитесь с формулированием гипотех и методом их тестирования
УРОКИ
/ A/B-тесты
УРОКИ
/ A/B-тесты
Глубокое обучение — общее
Глубокие знание о нейросетях, базовые CNN
УРОКИ
/ Введение в нейросети
/ CNN
УРОКИ
/ Введение в нейросети
/ CNN
Глубокое обучение — Computer Vision
Вы познакомитесь с практическими кейсами по распознованию лиц, изучите способы из создания
УРОКИ
/ Краткая история развития CV (ImageNet, CNN, Transformer)
/ Работа классических методов CV (edge detection, классическая свертка), обзор возможностей openCV
/ CNN: принцип работы свертки и построение сверточной нейросети
/ Обзор архитектур для классификации: VGG, ResNet. Residual connections
/ Transfer Learning. Принцип дообучения (fine-tuning)
/ Обзор задач CV: детекция, сегментация, генерация изображений
/ Transposed convolution и SegNet (сеть для сегментации)
/ Автоэнкодеры: какие задачи можно ими решать
/ GAN: механика и применение
УРОКИ
/ Краткая история развития CV (ImageNet, CNN, Transformer)
/ Работа классических методов CV (edge detection, классическая свертка), обзор возможностей openCV
/ CNN: принцип работы свертки и построение сверточной нейросети
/ Обзор архитектур для классификации: VGG, ResNet. Residual connections
/ Transfer Learning. Принцип дообучения (fine-tuning)
/ Обзор задач CV: детекция, сегментация, генерация изображений
/ Transposed convolution и SegNet (сеть для сегментации)
/ Автоэнкодеры: какие задачи можно ими решать
/ GAN: механика и применение
MLOps
Создание ML-пайплайна с нуля
УРОКИ
/ Создание ML-пайплайна с нуля
/ Развитие ML-пайплайна
УРОКИ
/ Создание ML-пайплайна с нуля
/ Развитие ML-пайплайна
Продуктовое мышление и маркетинг
Вы научитесь анализировать рынок, формулировать гипотезы и тестировать их разными способами. Наша команда поделится рабочими практиками по продвижению продуктов, начиная с построения воронки продаж, до анализа необходимых маркетинговых метрик и релиза проекта
УРОКИ
/ Анализ рынка
/ Проверка гипотез, прототипирование
/ Маркетинг и продажи
УРОКИ
/ Анализ рынка
/ Проверка гипотез, прототипирование
/ Маркетинг и продажи
Мы обучаем
Мы обучаем
Выберите подходящий тариф
Живые занятия
- Теоретические занятия курса
- Занятия и code-review с инструкторами курса
- Гостевая программа с лучшими специалистами в DS
- Поддержка кураторов
- Участие в чатах Mathshub
Не доступны опции:
- 3 консультации со специалистом по ML-проекту или материалам курса
6 660 р*
11 111 р
11 111 р
*Рассрочка на 6 месяцев
со скидкой 40%
Выбрать со скидкой 40%
Живые занятия с ментором
- Теоретические занятия курса
- Занятия и code-review с инструкторами курса
- Гостевая программа с лучшими специалистами в DS
- Поддержка кураторов
- Участие в чатах Mathshub
- 3 консультации со специалистом по ML-проекту или материалам курса
9 990 р*
16 666 р
16 666 р
*Рассрочка на 6 месяцев
со скидкой 40%
Выбрать со скидкой 40%
Оставьте заявку и получите скидку
Нажимая кнопку, вы принимаете условия обработки данных
Вопрос-ответ
Вопрос-ответ
Для кого этот курс?
Менеджеры технологических продуктов и проектов, разработчики, инженеры ПО, аналитики. У вас есть идея продукта с применением CV, вы стремитесь создать продукты с машинным обучением или улучшить текущие продукты с помощью алгоритмов машинного обучения
Зачем покупать этот курс?
Если вы нуждаетесь в следующих навыках:
— обладать достаточной технологической экспертизой для создания руками ML-прототипа или оценки потенциала любого продукта с машинным обучением
— управлять командой инженеров и аналитиков данных
— планировать создание и управлять продуктом с машинным обучением, чтобы масштабировать его в разы
— то скорей всего вы не пожалеете, пройдя курс.
— обладать достаточной технологической экспертизой для создания руками ML-прототипа или оценки потенциала любого продукта с машинным обучением
— управлять командой инженеров и аналитиков данных
— планировать создание и управлять продуктом с машинным обучением, чтобы масштабировать его в разы
— то скорей всего вы не пожалеете, пройдя курс.
Чем вы отличаетесь от других программ?
Мы одна из первых программ в мире по прототипированию с машинным обучением.
Программа уникальна, в первую очередь благодаря интересному опыту команды: у преподавателя курса, рецензентов и организаторов объединенный опыт разработки и управления продуктами в Mail.Ru Group, Yandex.Alisa, AI Labs Aitarget, скоринговом отделе Alfabank, а также бизнесовый в венчурных инвестициях, консалтинге и образовании.
В программе предусмотрены сессии с вопросами-ответами с менеджерами продуктов с машинным обучением компаний Amazon, Uber и т.д.
В программе предусмотрены несколько встреч с предпринимателями в сфере искусственного интеллекта, с менеджерами продуктов и инженерами данных технологических компаний, таких как Amazon и тд.
Программа уникальна, в первую очередь благодаря интересному опыту команды: у преподавателя курса, рецензентов и организаторов объединенный опыт разработки и управления продуктами в Mail.Ru Group, Yandex.Alisa, AI Labs Aitarget, скоринговом отделе Alfabank, а также бизнесовый в венчурных инвестициях, консалтинге и образовании.
В программе предусмотрены сессии с вопросами-ответами с менеджерами продуктов с машинным обучением компаний Amazon, Uber и т.д.
В программе предусмотрены несколько встреч с предпринимателями в сфере искусственного интеллекта, с менеджерами продуктов и инженерами данных технологических компаний, таких как Amazon и тд.
Нужно ли знание программирования и статистики для прохождения курса?
Понадобятся знания по Python и математике. Необходимо пройти входной тест и показать свои навыки, чтобы приступить к прототипированию. Почти все лабораторные будут предоставлены в формате Codelab.
Для тех, кто не чувствует себя уверено, мы заложили в начало курса интенсив-подготовку, но важно обратить внимание, что программа вместе с интенсивом получается дороже.
Для тех, кто не чувствует себя уверено, мы заложили в начало курса интенсив-подготовку, но важно обратить внимание, что программа вместе с интенсивом получается дороже.
Когда будут проходить занятия и в каком формате?
Занятия будут проходить два раза в неделю в понедельник и четверг с 19:00 по 22:00 по zoom. Все уроки будут доступны в записи
Сколько часов обучения включает курс?
56 академических часов и более 40 часов практики, которые включают 8 лабораторий на реальных данных и системах, десятки личных консультаций по созданию своего продукта с машинным обучением. Защита проекта перед преподавателями и студентами
Получу ли я сертификат?
Да, вы получите онлайн-сертификат. Но мы не обладаем образовательной лицензией, предоставляем консультационные услуги
Пишите ваши вопросы на почту
support@maths-h.com
или пишите в Telegram на @terrainco
с пометкой «Курс по созданию ML-продукта»
Пишите ваши вопросы на почту
support@maths-h.com
или пишите в Telegram на @terrainco
с пометкой «Курс по созданию ML-продукта»