Автор: karpov.courses
Название: Симулятор Machine Learning Engineer продвинутая практика (2022)
Описание:
Для кого предназначена эта программа:
- Вы желаете закрепить свои навыки практическим опытом
Если вы уже уверены в навыках обучения и внедрения моделей машинного обучения, способны писать SQL-запросы к базам данных, проводить A/B-тесты и создавать BI-дашборды, но вам хочется укрепить свои знания на практике.
- Вы не имеете опыта работы в индустрии
Если у вас крепкое теоретическое понимание машинного обучения, но вы никогда не работали в индустрии и стремитесь получить опыт решения реальных бизнес-задач.
Процесс обучения выглядит следующим образом:
- Пользуйтесь нашей инфраструктурой
Вы будете работать с необходимыми инструментами на выделенном сервере. Практиковаться на данных, взятых из реальных задач. Отправлять ваши решения на автоматическую проверку через нашу систему.
- Осваивайте навыки на практике
Вы будете решать актуальные задачи, связанные с работой ML-инженера. Ваша практика будет вестись без излишней теории, с акцентом на реальные сценарии. Главная цель - создавать работоспособные решения.
- Выбирайте подходящий уровень сложности
Решайте задачи разной сложности, начиная от уровня Intern и до Senior. Написание как простого кода, так и разработка полноценных ML-сервисов.
В ходе программы вы научитесь:
- Создавать дашборды и писать SQL-запросы.
- Оценивать воздействие моделей на бизнес-показатели с помощью A/B-тестов.
- Внедрять модели и создавать свои собственные микросервисы для машинного обучения.
Примеры задач, которые будут рассматриваться:
- Оптимизация динамического ценообразования
Компания X6 управляет тысячами магазинов по всей стране. Вам предстоит разработать алгоритм, который оптимизирует цены на товары, максимизируя выручку при сохранении прибыли и привлекая покупателей.
- Прогнозирование оттока
Karpov.Courses хочет понимать, почему некоторые студенты стали реже использовать Симулятор. Вам предстоит разработать модель прогнозирования оттока, включая этапы от написания SQL-запросов с использованием оконных функций до построения доверительных интервалов для прогнозов модели и ее внедрения.
- Обеспечение надежности модели
Вы будете заниматься оценкой надежности прогнозов модели градиентного бустинга для объемов продаж маркетплейса в будущем.
- Создание эмбеддингов товаров
Вам потребуется построить векторные представления товаров с использованием методов коллаборативной фильтрации, чтобы помочь ML-команде маркетплейса находить похожие товары.
- Параллельная обработка данных
С вновь полученными знаниями о параллельных вычислениях, вы поможете коллеге ускорить обработку естественного языка.
- Uplift-моделирование через деревья
Вы будете оценивать эффективность SMS-рассылок отдела маркетинга с помощью uplift-моделирования и создавать свою версию uplift-дерева с нуля.
Помимо указанных примеров, программа также включает более 30 задач разной сложности. На симуляторе вы получите доступ к инфраструктуре и задачам, созданным опытными ML-инженерами из ритейла, e-commerce и BigTech-компаний.
Вы сможете практиковаться на задачах, максимально приближенных к реальным, в условиях, максимально схожих с рабочим окружением. Начав с уровня сложности, который вам удобен, вы сможете постепенно повышать его по мере роста ваших навыков. Путем закрепления знаний на кейсах из реальной индустрии, вы подготовитесь к решению аналогичных задач на практике.
Скачать: