"Управление продуктом в ML для диджитал-специалистов на кейсах"
Курс для менеджеров продукта, предпринимателей и специалистов, стремящихся перейти в управление ML-продуктом
Официальный сертификат МФТИ о прохождении курса
Оставить заявку
Ближайшие даты курса
1августа – 15 сентября 2021
15 августа — 1 октября 2021
1 сентября — 15 октября 2021
Физтех-школа прикладной математики и информатики (ФПМИ) МФТИ – безусловно, ведущий мировой центр науки и образования в области математики и информатики.

Особенность нашей школы заключается в том, что она сочетает в себе активную научную деятельность и тесную связь с индустрией. На сегодняшний день школа включает в себя 27 кафедр и 21 лабораторию от ключевых академических институтов и ключевых представителей IT-индустрии: Яндекс, Тинькофф, Сбербанк, VK, ABBYY, 1C, Huawei и другие.

Наша школа и МФТИ гордимся своими выпускниками. Например, мы занимаем первое место в рейтинге вузов России по уровню зарплат занятых в IT-отрасли специалистов
Андрей Райгородский
Доктор физико-математических наук, профессор, директор Физтех-школы прикладной математики и информатики (ФПМИ).

О КУРСЕ

"81% компаний, не научившихся работать с данными, исчезнут".

Havas Group, Meaningful Brands 2019 report

Программа курса создана для повышения своей ценности на рынке через навыки управления ML-продуктом специально для
  • переходящих в управление ML-продукта,
  • предпринимателей,
  • и других диджитал-специалистов.
Вам не нужен опыт программирования и достаточен школьный уровень математики
Курс создан для наработки
управленческих навыков в ML через
интенсивную практику и интерактивные занятия
56
академических часов
и более 40 часов практики
12
домашних заданий
и защита личного проекта
8
лабораторий в формате Codelabs на реальных данных и системах
и 10+ case-study
Пройдя курс, вы сможете:
принимать решения на основе анализа данных:
  • формулировать цели для аналитики продукта на разных этапах готовности данных к обработке;
  • грамотно формулировать техническое задание для специалиста по аналитике данных и ML;
  • запускать эксперименты продукта, пользуясь знанием математики и языком статистических гипотез
самостоятельно оценивать технологические аспекты продуктов на базе ML
  • построить экспертизу для инвестиций в успешный и интересный проект/направление
  • видеть бизнесовые и технологические связи между готовыми решениями на рынке и вашей задачей
  • самостоятельно проверять бизнес-гипотезы и запускать продукты с помощью готовых технологий
понимать процессы в анализе данных через практику:
  • погрузиться в процесс работы специалиста данных через разбор алгоритмов на примерах;
  • решать задачи для работы с данными, такие как: обработка и манипуляция с данными, тренировка алгоритмов на данных примеров и оценка их эффективности
Также вы получите артефакты:
Мы хотим, чтобы ваша экспертиза была полезна и оценена рынком
Вы получите официальный сертификат
Московского Физико-Технического Института
Все материалы лекций в виде презентаций и кода и доступ к сообществу курса
Скидки на остальные курсы МФТИ
Команда курса
Давид Дале
Преподаватель

Давид работал над виртуальными помощниками, проектами ML для промышленности, подсчетом розничных кредитов. Специализируется на сокращении разрыва между математикой и ее приложениями.

  • Сейчас Давид работает в NLP-лаборатории в Сколтехе инженером-исследователем.
  • Занимается проблемами переноса стиля на текстах.
  • Разрабатывает чатботы (в т.ч. навыки Алисы) и NLP-инструменты.

Дале Давид (daviddale.ru)
ex-Data Scientist в Yandex,
ex-Data Scientist в Alfabank
окончил Факультет компьютерных наук ВШЭ, ШАД
Айра Монгуш
Преподаватель

Айра — специалист по разработке и развитию продуктов с 8-летним опытом. Закончила механико-математический факультет МГУ в 2014 году. Начинала работу разработчиком GIS c 2012 года.
С 2015 года была руководителем лаборатории ИИ-продуктов в aitarget.com, маркетинговом партнере Facebook&Instagram — где работала над экспериментами в оптимизации рекламы и анализа контента с помощью компьютерного зрения.
В 2017-2019 В Mail.Ru Group работала продакт-оунером в myTarget.
Сейчас Айра развивает стартап по подбору тьюторов по анализу данных и статистике.

Айра Монгуш (Linkedin)
Основательница maths-h.com, mentors.ru
ex-Product Owner в Mail.ru Group
ex-Head of AI Labs в aitarget.com
ментор с 6 летним стажем
  • Татьяна Комаристая
    программный менеджер
    Аналитик Da Vinci Capital,
    ex-Аналитик Aton
    студент B.Sc. Data Science & Business Analytics LSE
Примеры выступлений преподавателей
Отзывы о занятиях
Об МФТИ
Здание МФТИ в г. Долгопрудном
Московский физико-технический институт — ведущий технический вуз страны, который входит в престижные рейтинги лучших университетов мира.

Здесь обучают фундаментальной и прикладной физике, математике, информатике, химии, биологии, компьютерным технологиям и другим естественным и точным наукам.

Сегодня Физтех — это передовой научный центр. В МФТИ организована научная деятельность, посвященная в том числе проблемам старения и возрастных заболеваний, прикладной и фундаментальной физике, двумерным материалам, квантовым технологиям, искусственному интеллекту, геномной инженерии, арктическим и космическим исследованиям.

Программа курса


Блоки программы

Расписание курса
1 занятие, 2 часа
Вступление. Бизнес-логика
Во вступлении мы сформулируем основные принципы принятия решений в анализе данных.

— Объясним целеполагание курса. Рассмотрим принятие решений в анализе данных.
— Научимся и потренируемся структурированию логики запросов со стороны менеджера продукта специалисту по работе с данными.
— Погрузимся в принципы современной продуктовой аналитики.

Домашнее задание
2 занятие, 2 часа
Метрики продукта
Погрузимся в процесс формирования продуктовых метрик и научимся выявлять связи между ними. Обсуждаем структуру метрик. Разбираем основные фреймворки для формулирования метрик. Обсуждаем связи между метриками.

Лаборатория 1. Выбираем собственные проекты.

Домашнее задание
3 занятие, 2 часа
Экспериментальное управление продуктом 1
В данной главе научимся переносить бизнес-логику на статистический язык и запускать эксперименты продукта, пользуясь знанием математики и языком статистических гипотез. Глава состоит из трех частей.

Кейс 1. Оценки и распределения. Работа с данными

Домашнее задание
4 занятие, 2 часа
Экспериментальное управление продуктом 2
— Формулируем гипотезы продукта на трех примерах.
— Рассмотрим на тех же примерах доверительные интервалы, посчитаем коэффициенты доверия, интервалы в нормальной модели, методы построения интервалов
— Проверим гипотезы для продукта: нулевая гипотеза, альтернативная гипотеза.

Кейс 2. Проверяем гипотезы продукта на кейсе.

Домашнее задание
5 занятие, 2 часа
Экспериментальное управление продуктом 3
— Поймем, что такое А/Б-тесты в управлении продуктом на простейших примерах.
— Разберем тесты с помощью предсказаний ML на примерах продуктов.

Кейс 3. Проверка гипотез на группах аудиторий продукта на готовом кейсе.

Домашнее задание
6 занятие, 2 часа
ML для предсказания метрик 1
Мы погружаемся в структуру алгоритмов машинного обучения, разбираем свойства алгоритмов, как выглядит процесс работы аналитика данных, специалиста по машинному обучению через разбор алгоритмов на примерах и разбор их оценок, а в домашних заданиях доделываем код и закрепляем понимание материалов. Глава состоит из 4 частей.

Лаборатория 2. Решим на 2-3-мерных примерах задачи регресиии и бинарной классификации.

Домашнее задание
7 занятие, 2 часа
ML для предсказания метрик 2
Лаборатория 3. Разберем новые задачи и посчитаем их оценки точности:
— Задача кластеризации
— Уменьшения размерности
— Задача выявления аномалий

Домашнее задание
8 занятие, 2 часа
ML для предсказания метрик 3
Лаборатория 4. Разберем:
— Деревья решений
— Случайный лес
— Градиентный бустинг

Домашнее задание
9 занятие, 2 часа
ML для предсказания метрик 4
Лаборатория 5. Построим на примерных новые три модели и посчитаем их матрицу ошибок и оценки точности:
— Методы оптимизации
— SVM
— LightGBM

Домашнее задание
10 занятие, 2 часа
Продукты, построенные на алгоритмах ML 1
Разберемся, как грамотно формулировать техническое задание для специалиста по аналитике данных и ML, опираясь на принципы принятия решений в анализе данных, а также учимся самостоятельно запускать продукты с помощью готовых решений, видеть бизнесовые и технические связи между готовыми решениями на рынке, чтобы стать независимой единицей для валидация собственных идей. Глава состоит из 3 частей

Лаборатория 6. Компьютерное зрение. Мы построим детектор изображений для ритейл-компании с помощью возможностей Tensorflow.

Домашнее задание 10. Составить ТЗ для вариации данного кейса.
11 занятие, 2 часа
Продукты, построенные на алгоритмах ML 2
Мы знакомимся с NLP. Изучаем готовые решения на рынке.
Знакомимся с алгоритмом создания ТЗ для аналитиков

Лаборатория 7. Мы создадим веб-мессенджер на Node.js и для него создадим fraud-детектор с помощью возможностей Tensorflow.

Домашнее задание. Подготовить ТЗ для своего проекта.
12 занятие, 2 часа
Продукты, построенные на алгоритмах ML 3
Лаборатория 8. Мы работаем каждый над собственным проектом. Составляем его схему и реализуем его с помощью готовых решений.

Домашнее задание. Доделать свой проект и подготовить его презентацию.
13 занятие, 2 часа
Улучшение опыта пользователей с помощью ML 1
В финальной главе мы научимся формулировать цели для команды, которая разрабатывает продукт, основанный на данных и включает в себя решения на базе машинного обучения. Также мы Научимся формулировать цели продуктовой команде и data-инженеру в зависимости от этапа готовностей данных.

Мы презентуем собственные проекты.

Домашнее задание. Составление карты целей и задач для своего проекта на будущее.
Финал
Приемка лабораторий и домашних заданий. Выдача сертификатов.
Какие навыки вы получите
по итогу курса:
МЕНЕДЖЕРСКИЕ НАВЫКИ
Вы пересмотрите метрики продукта и аналитику с точки зрения экспериментального анализа, научитесь писать грамотные ТЗ для аналитика данных.

ТЕХНИЧЕСКИЕ НАВЫКИ
Вы узнаете основы ML и научитесь применять алгоритмы на реальных кейсах реальных компаний.

НАВЫКИ ПРОТОТИПИРОВАНИЯ
Вы запустите самостоятельно свои эксперименты, а также свои продукты, которые работают с ML,
Мы хотим, чтобы ваша экспертиза была полезна и оценена вашими коллегами
Вы получите официальный сертификат
Московского Физико-Технического Института
Все материалы лекций в виде презентаций и кода
Скидки на остальные курсы Московского Физико-Технического Института
FAQ
Для тех, кто улучшает свой продукт, переходит или планирует управлять продуктом и его метриками с ML-функционалом (от уровня автоматизации до deeptech).
Мы с вами свяжемся
Оставьте контактные данные
Нажимая кнопку "Оставить заявку", вы даете согласие на получение информационных писем от ФПМИ МФТИ и Mathshub по e-mail и мессенджерах.
Мы будем использовать ваши контакты только для релевантных сообщений.
Поделитесь этой страницей с друзьями,
если вы считаете, что эта страница может быть полезна!
Пишите ваши вопросы на почту support@maths-h.com
или пишите в Telegram на @terrainco с пометкой "Курс МФТИ"