| Хардкорный machine learning (блок Ранжирование и матчинг) | https://karpov.courses/ml-hard | ML-разработчик, ML Team Lead | Курс «Хардкорный machine learning» подойдет для тех, кто уже имеет опыт работы в машинном обучении и хочет: научиться решать нестандартные задачи бизнеса, освоить новую область в ML, получить повышение или найти новую работу как в России, так и за рубежом. Студенты разберут различные кейсы применения систем матчинга и ранжирования, рассмотрят технические тонкости их архитектур, познакомятся с передовыми подходами к обучению моделей и реализуют свою систему поисковых подсказок. |
| Хардкорный machine learning (блок Динамическое ценообразование) | https://karpov.courses/ml-hard | ML-разработчик, ML Team Lead | Курс «Хардкорный machine learning» подойдет для тех, кто уже имеет опыт работы в машинном обучении и хочет: научиться решать нестандартные задачи бизнеса, освоить новую область в ML, получить повышение или найти новую работу как в России, так и за рубежом. Студенты научатся создавать пайплайн динамического ценообразования с нуля для решения бизнес-задачи, а также решать задачу динамического ценообразования через построение модели спроса/ определение эластичности/ многоруких бандитов. |
| Хардкорный machine learning (блок Uplift-моделирование) | https://karpov.courses/ml-hard | ML-разработчик, ML Team Lead | Курс «Хардкорный machine learning» подойдет для тех, кто уже имеет опыт работы в машинном обучении и хочет: научиться решать нестандартные задачи бизнеса, освоить новую область в ML, получить повышение или найти новую работу как в России, так и за рубежом. Студенты научатся оценивать величину этого эффекта с помощью uplift-моделей, разберут интересные кейсы из практики, спроектируют библиотеку факторов и построят свой алгоритм для поиска оптимальной аудитории. |
| Хардкорный machine learning (блок Продвинутое A/B тестирование) | https://karpov.courses/ml-hard | ML-разработчик, ML Team Lead | Курс «Хардкорный machine learning» подойдет для тех, кто уже имеет опыт работы в машинном обучении и хочет: научиться решать нестандартные задачи бизнеса, освоить новую область в ML, получить повышение или найти новую работу как в России, так и за рубежом. Студенты научатся применять современные методы повышения чувствительности A/B-тестов, рассмотрят полный пайплайн тестирования и реализуют свой сервис для оценки экспериментов. |
| Хардкорный machine learning (блок Рекомендательные системы) | https://karpov.courses/ml-hard | ML-разработчик, ML Team Lead | Курс «Хардкорный machine learning» подойдет для тех, кто уже имеет опыт работы в машинном обучении и хочет: научиться решать нестандартные задачи бизнеса, освоить новую область в ML, получить повышение или найти новую работу как в России, так и за рубежом. Студенты разберутся, как построить свою рекомендательную систему, используя все возможные знания о пользователях и объектах рекомендации. А также на практике научатся использовать алгоритмы контентной фильтрации и матричной факторизации. |
| Хардкорный machine learning (блок MLOPs) | https://karpov.courses/ml-hard | ML-разработчик, ML Team Lead | Курс «Хардкорный machine learning» подойдет для тех, кто уже имеет опыт работы в машинном обучении и хочет: научиться решать нестандартные задачи бизнеса, освоить новую область в ML, получить повышение или найти новую работу как в России, так и за рубежом. Студенты освоят практики и инструменты MLOps, научатся внедрять и поддерживать модели машинного обучения в производственной среде, обеспечивая их воспроизводимость, масштабируемость и удобство сопровождения. |
| System design | https://karpov.courses/systemdesign | ML-разработчик, Разработчик, Системный аналитик, Продакт-менеджер | Курс «System design» - это готовый план подготовки к решению задач нового уровня. По завершению обучения выпускники смогут: оценивать трафик и требования к необходимому железу, исходя из предположений о количестве пользователей и их паттернах использования, выбирать подходящие системы управления базами данных, масштабировать и повышать отзывчивость и строить подсистемы готовых данных, поиска и аналитики. На курсе можно консультироваться с экспертами – обсуждать задачи и задавать любые вопросы. |
| Принятие решений на основе данных (Блок Аналитика) | https://karpov.courses/data-driven | Руководители, тимлиды, менежеры, Продакт-менеджеры, продакт-оунеры | На курсе «Принятие решений на основе данных» в блоке «Аналитика» студенты разберутся, как работает аналитика — освоят необходимый минимум, смогут понять, что происходит с продуктом на разных стадиях жизненного цикла, научатся эффективно взаимодействовать с аналитиками, узнают, какие бывают метрики и данные, и как они связаны друг с другом, поймут, как формулировать продуктовые гипотезы, приоритизировать их и проверять, освоят навык перевода с языка данных на бизнес-язык и обратно. |
| Принятие решений на основе данных (Блок Data Science) | https://karpov.courses/data-driven | Руководители, тимлиды, менежеры, Продакт-менеджеры, продакт-оунеры | На курсе «Принятие решений на основе данных» в блоке «Data Science» студенты разберутся, как работают модели машинного обучения, и как применять их с пользой для бизнеса, освоят навыки сбора, разметки и анализа данных, которые позволят погрузиться в тему более глубоко, узнают, как формулировать и приоритизировать задачи, а также оценивать их финансовый эффект и поймут, почему так важны тестирование и мониторинг моделей. |
| Принятие решений на основе данных (Блок Аналитика + Data Science) | https://karpov.courses/data-driven | Руководители, тимлиды, менежеры, Продакт-менеджеры, продакт-оунеры | На курсе «Принятие решений на основе данных» студенты научатся управлять бизнесом, командами и процессами, опираясь на точные данные и усовершенствуют свои навыки менеджера или руководителя за несколько месяцев. Курс подойдет продакт-менеджерам, руководителям, менеджерам и предпринимателям. Специалисты с опытом в индустрии делятся опытом и помогают справиться с задачами, а ревьюеры оценивают проделанную работу и дают развернутую обратную связь. |
| Deep learning engineer (трек NLP) | https://karpov.courses/deep-learning | Старт карьеры, Уже работаете ML-инженером, аналитиком данных, дата-инженером или другим специалистом в Data Science | На курсе «Deep learning engineer» студенты узнают, как обучают глубокие нейросети и освоят базовые и продвинутые инструменты глубинного обучения, а также познакомятся с областью NLP: какие в ней бывают задачи и в чем заключаются особенности каждой из них. На курсе расскажут, как устроены методы решения задач NLP от самый простых, до наиболее современных, применяющихся в крупных компаниях. |
| Deep learning engineer (трек CV) | https://karpov.courses/deep-learning | Старт карьеры, Уже работаете ML-инженером, аналитиком данных, дата-инженером или другим специалистом в Data Science | На курсе «Deep learning engineer» студенты узнают, как обучают глубокие нейросети и освоят базовые и продвинутые инструменты глубинного обучения. Также на курсе студенты подготовятся к роли CV-инженера, способного решать задачи классификации, сегментации и детекции, разрабатывать оптимальные пайплайны для компьютерного зрения, а также применять классические и современные методы CV, понимая устройство и особенности архитектур, применимых в индустрии. |
