Машинное обучение — работа в Москве

Для работы Привет, меня зовут Ислам, я практикующий специалист в области Data Science. На данный момент работаю Senior ML-инженером в отделе развития искусственного интеллекта в Сбере. До этого работал в ВК. Я имею большой опыт в DS и прохождении интервью на middle/senior позиции в топ - российских Big Tech компании. Я помогаю студентам и разработчикам пройти путь от базовых концепций до уверенного владения продвинутыми ML-инструментами. Моя цель - не просто дать теорию, а сделать вас конкурентоспособным кандидатом, который пройдет собеседование и начнет зарабатывать. ML и DL без глубокого понимания теории остается лишь набором знаний каких-то фактов, в которых ты не ориентируешься. Я на понятном и доступном языке буду объяснять материал, в результате чего ты начнешь видеть суть вещей и глубоко понимать машинное и глубокое обучение. Мой опыт из многочисленных собеседований в различные топ-российских компаний позволяет мне давать тебе реальные практичные кейсы и теорию. Чему вы научитесь на практике: — Machine Learning: от линейной регрессии до ансамблей и бустинга. Научимся строить модели, которые реально работают в продакшене, а так же исчерпывающе их понимать. — Deep Learning: нейронные сети, трансформеры, CV и NLP — не просто «посмотрим код», а разберем архитектуру и напишем свою. — Продвинутые бизнес-инструменты: ранжирование, uplift-моделирование, динамическое ценообразование. Это то, за что компании платят Senior-специалистам. — Математика под капотом: эконометрика, A/B-тестирование, статистика — чтобы вы не просто нажимали fit/predict, а понимали, почему модель ошибается. — Алгоритмы и структуры данных: без них не берут в топ-компании. Подготовим к техническим собеседованиям на 100%. - ML-design для собеседований. Как проходят занятия: — 70% времени — разбор теории без занудства, с визуализациями и понятными аналогиями, кодим и решаем реальные задачи (Kaggle, ваши проекты, бизнес-кейсы) под изучаемую тему. — 20-30%— разбираем вопросы из собеседований по изучаемой теме, решаем и изучаем алгоритмы и структуры данных. Разбираем домашку. — 0-10% — разбор вакансий, собеседований , составление резюме, и «подводных камней» на пути к офферу. Для кого: — Новички, которые хотят войти в IT с сильной базой. — Junior-специалисты, которым надоело топтаться на месте и хочется быстрого карьерного роста. — Аналитики и разработчики, желающие перейти в DS/ML. ?? Формат: онлайн индивидуально или в мини-группах. ?? Результат после обучения: портфолио из 3–5 проектов, прокачанный GitHub и четкое понимание, как расти до Senior.

Для себя Консультация по правильной постановке задачи для ml инженера

Подготовка к экзамену

Подготовка к экзамену

Для себя

Для работы Теория вероятностей и Математическая статистика для Machine Learning: Работаю 5+ лет в сфере ML (Computer Vision), где особо не использовал методы из твимс в силу специфики проектов. При этом я не заканчивал чисто направление CS в университете и не было углубленного изучения конкретных подходов из твимс (бакалавр: Инженер-конструктор систем управления, магистратура: Цифровые системы управления в ИТМО) 1) Нужно разобраться и вспомнить базу по ТВИМС (развить интуицию и понимание) 2) Научиться применять методы статистики в анализе алгоритмов машинного обучения (выделить особо важные направления в теории для решения прикладных задач) 3) Научиться правильно проводить A/B, A/A тесты (+понять что это и как с этим работать)

Для работы Теория вероятностей и Математическая статистика для Machine Learning: Работаю 5+ лет в сфере ML (Computer Vision), где особо не использовал методы из твимс в силу специфики проектов. При этом я не заканчивал чисто направление CS в университете и не было углубленного изучения конкретных подходов из твимс (бакалавр: Инженер-конструктор систем управления, магистратура: Цифровые системы управления в ИТМО) 1) Нужно разобраться и вспомнить базу по ТВИМС (развить интуицию и понимание) 2) Научиться применять методы статистики в анализе алгоритмов машинного обучения (выделить особо важные направления в теории для решения прикладных задач) 3) Научиться правильно проводить A/B, A/A тесты (+понять что это и как с этим работать)