Инженер машинного обучения (ML)

1. Основы машинного и глубокого обучения
2. Математика, классические алгоритмы, нейронные сети и их обучение
3. 1

   Введение в машинное и глубокое обучение

   Вводный

   Базовая математика и её применение в машинном обучении, классические алгоритмы машинного обучения, введение в нейронные сети, обучение нейросетей, решение проблем с тренировкой нейросетей.

4. Компьютерное зрение и обработка текста
5. OpenCV, CNN, детекция и сегментация, NLP, трансформеры, аудио
6. 2

   Компьютерное зрение

   Введение в компьютерное зрение, основы и возможности OpenCV, преобразования изображений, свёрточные нейронные сети, классификация изображений, детекция объектов с VGG, ResNet и DenseNet, R-CNN, Fast R-CNN, Faster R-CNN и YOLO, семантическая сегментация U-Net и DeepLab, трёхмерное зрение 3D CNN и PointNet, распознавание действий на видео C3D и I3D, CV в беспилотниках, применение в реальных задачах.

7. 3

   Обработка текста

   Введение в NLP, предобработка текста, анализ настроения, модели векторного пространства, машинный перевод и поиск документов, автокоррекция, скрытые Марковские модели, автодополнение, RNN, LSTM и GRU, глубокое обучение в NLP, трансформеры и attention, BERT и GPT, обработка и анализ звука, глубокое обучение для аудио, интеграция NLP в бизнес-приложения.

8. Развёртывание и итог
9. MLOps-инструменты, проектирование ML-систем, собеседование, дипломный проект
10. 4

    Развёртывание моделей машинного обучения в производственной среде

    Введение в развёртывание ML-моделей, Docker в машинном обучении, A/B-тестирование моделей, тестирование кода с Pytest, мониторинг и версионирование, прунинг и дистилляция моделей, DVC, MLflow, Airflow и Dagster, проектирование систем машинного обучения, пробное техническое собеседование, онлайн-занятие «Поиск работы в ИТ».

11. 5

    Дипломный проект

    Проект по бизнес-задаче в области NLP: обработка данных с визуализацией, валидацией и препроцессингом, обоснованный выбор модели и метрик, доставка модели бизнесу через GitHub, микросервис на Flask, BI-среду или Telegram-бот. Примеры тем: восстановление пунктуации, определение фейковых новостей, обнаружение эмоций в тексте, собственная тема.

12. Только в тарифах ПРО и Мастер
13. Основы Python (7 модулей) и нейросети для анализа и исследований
14. 6

    Основы Python (тарифы ПРО и Мастер)

    Семь модулей: введение в Python (10 уроков, 5 часов), типы данных (12 уроков, 12 часов), функции (7 уроков), условия, циклы и рекурсии (12 уроков), модули и файлы (5 уроков), углублённое программирование (11 уроков), ООП (6 уроков); практические задания в песочнице, Git и GitHub, PyCharm.

15. 7

    Нейросети для анализа и исследований (тарифы ПРО и Мастер)

    Введение в нейросети и промптинг, инструменты для данных и кода, нейросети для сбора и очистки данных, таблиц, разведочного анализа, неструктурированных данных, продуктовой и веб-аналитики, дашбордов, SQL, разработки, нейросотрудники, этика и безопасность, итоговый проект.

Состав модулей зависит от тарифа. Точную программу уточняйте у школы.