Базис
Теоретический фундамент для ML / AI Engineer
Полный курс под продуктовую роль: математика, классический ML, deep learning, LLM-системы и вывод моделей в прод.
Собран под твой профиль
Цель, темп и фокус зафиксированы — курс не размазывается между research и no-code.
- Цель
- ML Engineer / AI Engineer в продукте
- Математика
- Средний уровень по всем разделам
- Темп
- 10 часов в неделю
- Фокус
- Общий фундамент
- Стек
- Python уверенно
- Длительность
- 16 недель
Чему научишься
Не набор туториалов, а каркас, на котором держится продуктовая работа с моделями.
- Объяснять, как устроены классические и нейросетевые модели
- Выбирать метрики, данные и архитектуру под продуктовую задачу
- Проектировать путь модели от эксперимента до мониторинга в проде
- Понимать LLM-системы: embeddings, RAG, eval, ограничения
7 модулей · 38 уроков
160 часов теории и продуктового мышления в устойчивом темпе.
01
Карта профессии и мышление инженера
Чем ML Engineer отличается от Data Scientist, как устроен жизненный цикл модели в продукте и как учиться эффективно.
02
Математика для ML без магии
Линейная алгебра, вероятность, статистика и оптимизация — ровно в том объёме, который нужен инженеру.
03
Классический машинный обучение
Supervised/unsupervised, метрики, регуляризация, деревья, бустинг и типичные ловушки продакшена.
04
Глубокое обучение
Нейросети как композиция функций, backpropagation, CNN/RNN/Transformer и практика обучения моделей.
05
Современный AI: LLM и генеративные системы
Токены, embeddings, pretrain/SFT/RLHF, RAG, агенты, оценка качества и продуктовые ограничения.
06
ML Engineer в проде
Пайплайны, serving, мониторинг, воспроизводимость, безопасность и дизайн надёжной ML-системы.
07
Capstone: от теории к дизайн-документу
Соберёшь три продуктовых кейса и один design doc уровня middle ML/AI Engineer.
Начни с карты профессии
Первый модуль занимает одну неделю и сразу выстраивает систему обучения на весь курс.
Создать аккаунт