[Teachmeskills] Machine Learning (Максим)

​ Курс Machine Learning в школе TMS сделает тебя заправским ML-инженером, причем всего за 8 месяцев. Преподаватели (действующие сотрудники крупных компаний вроде 21vek) ждут студентов с навыками программирования и техническим образованием. Твой результат в конце курса: 1. Выучишь основные алгоритмы машинного обучения и натренируешь свои модели 2. Построишь и обучишь глубокие нейронные сети, определишь архитектурные параметры 3. Узнаешь и будешь использовать лучшие методики для оценки качества моделей и их оптимизации 4. Научишься стратегиям end-to-end, транcфера и многозадачного машинного обучения 5. Построишь модели для анализа фото-, видео-, аудио и текстового потоков, используя фреймворки PyTorch и TensorFlow 6. Получишь практику внедрения алгоритмов и установки выполнения пайплайнов на периодической основе, используя AirFlow Типы Архитектуры RNN 35. LSTM и GRU: что это и для чего нужны Изучение и применение LSTM Изучение и применение GRU 36. Глубокое обучение в NLP: архитектуры и библиотеки Введение в глубокое обучение Основные концепции и архитектуры DL Библиотеки DL в python 37. Трансформеры и аттеншн-механизмы. Часть 1 Тензорный анализ Рассмотрение трансформеров и его применения Изучение техники аттеншен и ее влияния на NLP 38. Трансформеры и аттеншн-механизмы. Часть 2 Тензорный анализ Рассмотрение трансформеров и его применения Изучение техники аттеншен и ее влияния на NLP 39. BERT, GPT и другие модели на основе трансформеров. Часть 1 Изучение и применение BERT Практика 40. BERT, GPT и другие модели на основе трансформеров. Часть 2 Изучение и применение GPT Практика 41. BERT, GPT и другие модели на основе трансформеров. Часть 3 Рассмотрение других моделей и перспектива создания своих на основе Практика 42. Обработка и анализ звука: основные понятия и инструменты. Часть 1 Основы цифровой обработки сигналов Практическое применение 43. Обработка и анализ звука: основные понятия и инструменты. Часть 2 Рассмотрение различных фильтров Практическое применение 44. Обработка и анализ звука: основные понятия и инструменты. Часть 3 Спектральный анализ аудио Практическое применение 45. Глубокое обучение для обработки аудио. Часть 1 Управление данными и маркировка Извлечение признаков 46. Глубокое обучение для обработки аудио. Часть 2 Сегментация Архитектуры для работы с аудио 47. Глубокое обучение для обработки аудио. Часть 3 Практическое применение 48. Интеграция NLP в бизнес-приложения Рассмотрение реальных кейсов Примеры интеграции Блок 4 - Развертывание моделей машинного обучения в производственной среде 49. Введение в развертывание ML моделей Принципы Потребности бизнеса Особенности. 50. Docker в машинном обучении. Часть 1 Основы работы с контейнерами Создание Docker-образов Интеграция с ML/DL фреймворками 51. Docker в машинном обучении. Часть 2 Основы работы с контейнерами Создание Docker-образов Интеграция с ML/DL фреймворками 52. A/B тестирование ML моделей Методология Практики Метрики и интерпретация результатов. 53. Тестирование ML кода с использованием Pytest Написание тестов Параметризация Фикстуры 54. Мониторинг и версионирование моделей Инструменты и лучшие практики. 55. Прунинг и дистилляция моделей Оптимизация размера и производительности моделей 56. DVC (Data Version Control) Управление данными и версиями моделей в машинном обучении. 57. MLflow Управление жизненным циклом ML моделей Отслеживание экспериментов. 58. Airflow и Dagster Автоматизация ML рабочих процессов Построение пайплайнов. 59. System design для ML систем Архитектура Инфраструктура и проектирование систем. 60. Пробное техническое собеседование Подведение итогов курса Консультации по дипломному проекту Вопросы технического собеседования 61. Онлайн-занятие «Поиск работы в IT» Составление резюме и сервисы для создания резюме; Создание и правильное оформление профиля в LinkedIn; Составление мотивационного письма; Работа с поиском вакансий на различных джоб-бордах; Личные рекомендации Карьерного центра по поиску первой работы в IT 62. Защита дипломного проекта