Инженер машинного обучения [Яндекс Практикум]

Складчина: Инженер машинного обучения [Яндекс Практикум]

• Будете обучать продвинутые модели и создавать микросервисы в облачной среде
• Освоите Docker, FastAPI, AirFlow, MLflow, Yandex Cloud и другие инструменты
• Решите актуальные бизнес-задачи и разработаете 3 сервиса для портфолио

После курса вы будете уметь:
• Собирать данные и запускать с ними регулярные процессы, обучать модели в стабильной инфраструктуре, выводить модели в продакшен
• Находить ошибки в процессах, улучшать базовый pipeline машинного обучения и сами модели
• Создавать и контейнеризировать микросервисы
• Строить модели uplift-моделирования
• Строить модели неперсонализированных рекомендаций, контентной и коллаборативной фильтрации

Познакомитесь с популярными инструментами и технологиями
Освоите всё то, что инженеры машинного обучения регулярно используют в работе:
• Docker
• FastAPI
• AirFlow
• MLflow
• Yandex Cloud



Что делает инженер машинного обучения

Работает с данными и создаёт на их основе алгоритмы машинного обучения, которые помогают решать прикладные задачи.

Инженерная составляющая подразумевает подготовку и вывод модели в работу, поддержка её качества, улучшение эффективности. ML-Engineer часто работает в паре со специалистами по Data Science, аналитиками данных и дата-инженерами.

Скрытая ссылка