Привет, Хабр! ML Engineering — тренд, который долго еще будет в топе. AI Talent Hub и karpov.courses создали курс «ML Engineering: от технической базы до AI-продукта», где за 9 месяцев можно освоить техническую базу, понять потребности рынка и создать востребованный продукт. Реальные истории студентов, которые освоили профессию ML-инженера, а также гайд, как запрыгнуть в вагон ML-знаний. 

ML — это база 

Гуглить или спросить ChatGPT? В последние пару лет вы, вероятно, всё чаще выбираете второе. Не вы одни — нейросети охватывают всё более широкую аудиторию, и всё больше компаний стремятся внедрить эти технологии в свои продукты. Поэтому профессии, связанные с ML/AI/DS, становятся востребованными, а специалисты — ценным капиталом для компаний. 

ML-инженеры — важное звено для компаний и команд разработки. 

Они: 

• анализируют большие объёмы данных и ищут в них закономерности;

• оценивают влияние новых алгоритмов на продукт и проводят эксперименты;

• разрабатывают приложения и инфраструктуру для автоматизации работы ML-решений;

• создают модели машинного обучения и нейронные сети, которые помогают бизнесу принимать решения.

Выступление Алексея Натёкина и ответвления в DS/ML

При этом, разработка в ML претерпевает серьёзные изменения. Одной из ключевых составляющих успеха стал продуктовый подход — обучение через практику на реальных данных. 

Поддерживая тренд на получение знаний через решение актуальных задач бизнеса, мы разработали курс «ML Engineering: от технической базы до AI-продукта». Он является стартовой точкой развития в машинном обучении для тех, кто хочет сменить вектор или только входит в сферу ИТ. 

Курс разработан от лидеров IT-образования в России: 

• AI Talent Hub — крупнейшая магистратура по ИИ от ИТМО и Napoleon IT, которая задает тренд на обучение через практику на реальных задачах бизнеса, развитие продуктового мышления и включение студентов в ML-комьюнити — сообщество практиков, менторов, единомышленников.

• karpov.courses — школа Data Science для любого уровня подготовки. Команда karpov.courses создаёт онлайн-курсы по аналитике данных и машинному обучению, которые помогут вам начать карьеру в IT или углубить уже имеющиеся знания. Преподаватели — опытные специалисты из ведущих российских и иностранных компаний.

Из первых уст 

Истории наших выпускников говорят, что всё возможно — сменить вектор карьеры и прийти в IT, создать AI-стартап и получить первые инвестиции, получить оффер в компанию мечты. 

Дмитрий Мартынов, выпускник курса «ML-Engineering: от технической базы до AI-продукта»:

«Я окончил технический бакалавриат по направлению электроэнергетика и электротехника. Работал программистом около 4 лет до понимания, что, во-первых, хочу развиваться в ML, а, во-вторых, хочу получить образование в топовом вузе страны — ИТМО. Однако у меня не было базы по машинному обучению и математике, что затрудняло самостоятельный процесс подготовки к вступительным испытаниям. 

Вовремя увидел предложение о курсе, с помощью которого можно поступить в ИТМО. Понравилось, что тут есть выстроенная система менторской поддержки, и это держало меня в тонусе. 

На курсе я получил навык построения моделей и научился работать с данными. Результатом стал мой проект — предсказание стоимости загородной недвижимости в РФ. Из технологий использовал AutoML, Amazon, AutoGlion. Обучил модель на данных из объявлений по недвижимости, а затем разработал параметры, по которым можно предсказать стоимость дома. В итоге, теперь я студент престижной магистратуры по ИИ, чему очень рад!» 

Анна Сенина, выпускница курса «ML-Engineering: от технической базы до AI-продукта»:

«Я окончила специальность «Прикладная математика» в Южно-Уральском государственном университете. В IT работаю давно: была разработчиком на AS 3.0, QA, сейчас занимаю позицию Go Backend Engineer в команде, которая делает инфраструктуру для ML-инженеров. 

У меня сразу была цель сделать в рамках курса проект и с ним идти на Junior ML Contest, чтобы поступить в магистратуру. Из-за интенсивного обучения был страх не успеть выполнить все задания. Приходилось даже брать дополнительные выходные на работе и учиться в праздники. 

В итоге я создала социальный проект — чат-бот, который помогает пользователю выбрать животное из приюта. Пользователь загружает свое фото, а бот подбирает похожих на него животных. Под капотом — ML-модель, которая сопоставляет фотографии и выбирает максимально схожие. 

Приятным бонусом на курсе были лекции и практики с преподавателями в режиме реального времени. Менторы помогали разбирать индивидуальные вопросы и проблемы, и это позволяло двигаться быстрее. В каждой теме — свой эксперт, поэтому углубиться в нюансы получилось достаточно глубоко. 

Все получилось! Теперь я — часть магистратуры AI Talent Hub». 

Владислав Бакенев, выпускник курса «ML-Engineering: от технической базы до AI-продукта»:

«Я уже более 3 лет работаю ML инженером, окончил бакалавриат СФУ в 2022 по направлению «Прикладная информатика». Моей основной целью было поступление на ускоренную программу магистратуры и закрепление знаний в области машинного обучения. Курс мне в этом помог.
На курсе я разработал проект «Статейкин» — это телеграм-бот по генерации контента для социальных сетей. Его цель — автоматизировать процесс создания постов, основываясь на актуальной информации и последних новостях из интернета с адаптацией под ваш стиль написания, аудиторию, желаемый посыл и конкретную социальную сеть, где будет размещена публикация. Агент построен на базе open-source LLM, развернутой с использованием LLama.cpp, и имеет доступ к Google Search для получения информации.

Отдельно отмечу взаимодействие с экспертами — они не только усилили своими советами мой проект, но и после этого я решил пройти полноценную двухгодичную магистерскую программу». 

Игорь Макаров, выпускник курса «ML-Engineering: от технической базы до AI-продукта» и студент AI Talent Hub:

«Называю себя «старым шакалом», ведь мой бэкграунд — более 11 лет работы системным аналитиком. Когда-то очень давно окончил Бонч и в IT повидал всякого. Поэтому на курс шел целенаправленно после долгого выбора. Начинал со Stepik и лекций Анатолия Карпова. Но всегда хотелось соединить доступное изложение материала, большой объём и университетский авторитет. И вот он — курс как по заказу! Я понял, чем могу быть полезен в новой области бизнесу и хочу наточить свои скиллы до мономолекулярного уровня в магистратуре ИТМО, чему несказанно рад.

На курсе я разработал предсказание вероятности дефолта клиента. Суть — в узкоспециализированном сегменте выдачи ипотек. Как из большого количества данных получать одну понятную цифру, характеризующую надежность заемщика через вероятность дефолта. Используется целый стек полезных технологий, основные ML-ные — permutation, IsolationForest, lightGBMClassifier. 

Так как мой опыт в ИТ большой, у меня были некоторые экзистенциальные опасения: «Зачем тебе всё это, и так нормально» и «Ты мудрёный опытом аналитик, а станешь бестолковым джуном, как это вывозить?». Первый страх я просто принял. Да, я буду бестолковым джуном, но я буду лучшим бестолковым джуном с потенциалом роста, развитие которого видно и видно хорошо. Это и есть моё преимущество. А потом я сменил приоритеты — сначала учёба, потом работа. И страх ушёл. Так что, дерзайте!».

Екатерина Костюк, выпускница курса «ML-Engineering: от технической базы до AI-продукта» и студент AI Talent Hub:

«У меня технический бэкграунд — окончила МГУ по направлению «Прикладная математика и информатика» в 2018 году. Работала бэкенд-разработчиком, занималась разнообразными задачами и иногда сталкивалась с ML. Я давно задумывалась о переходе в машинное обучение, но всегда находились другие дела, и не хватало времени. Я поняла, что пора действовать, и начала присматриваться к karpov.courses. Новость о запуске курса совместно с AI Talent Hub, который включал желанный Junior ML Contest, сподвигла меня еще больше. Это был мой шанс убить двух зайцев одним ударом!

На курсе я разработала сервис по поиску домашних животных по фото. Основная идея проекта — помочь приютам и владельцам быстрее находить потерянных животных. Сервис включал в себя телеграм-бот для владельцев и админку для приютов, где они могли управлять данными о своих животных и сотрудниках. Для обучения я собрала датасет, где для каждого животного было по несколько фотографий и составлялось простое описание (длина шерсти, возрастная категория, раскраска и т.д.). Потом на этом датасете была дообучена модель clip-vit.

На курсе мы много работали с задачами подготовки данных, и я научилась правильно их обрабатывать и чистить. Получила хорошую базу в классическом ML, освоила некоторые приемы MLOps и прошла все этапы создания продукта: от идеи и анализа конкурентов до упаковки в MVC. Также я поработала над презентацией своего решения. Что было действительно ценно — я научилась не только техническим аспектам, но и как правильно проработать продукт с бизнес-стороны. Теперь я подхожу к созданию AI-решений более комплексно.

Сейчас на рынке много различных IT-курсов, и качество их зачастую оставляет желать лучшего. Я боялась, что курс окажется поверхностным и не даст нужных знаний. Но уже на блоке по машинному обучению поняла, что опасения были напрасны — материал был подан глубоко и доступно. А на этапе MFDP я ощутила настоящую интенсивность и поняла, что курс действительно стоящий». 

Матвей Коновалов, выпускник курса «ML-Engineering: от технической базы до AI-продукта»:

«Я окончил профильный бакалавриат в 2023 году. Начал работать в области DS в конце второго курса: занимался classic ML, немного NLP и последние полтора года работаю CV инженером в университетской лаборатории. Мой бэкграунд идеально сочетается с тематикой курса.

На момент поступления на курс уже учился в магистратуре по этому же направлению, однако хотел расширить свои знания в MLOps, а также расставить всю основную теорию по полочкам, чего не хватало ни на работе, ни в магистратуре. 

В рамках проекта MFDP реализовывал проект Quick insight — телеграм-бот, с помощью которого можно получить выжимку постов из любого телеграм-канала. Он помогает пользователю сэкономить время, предлагая самые интересные и важные новости без лишнего шума. Основные технологии в работе: модель классификации фильтрует неинтересные посты и рекламу, LLM (API ChatGPT) суммирует отобранные посты и агрегирует все полученные суммаризации по постам в рамках одного канала вместе по тематическим блокам. 

Курс полностью оправдал мои ожидания. Я получил ценный опыт в создании проектов с нуля, общении с менторами, разработке собственного мини-стартапа, а также систематизировал всю теоретическую часть машинного обучения в своей голове.

Я был полон желания развиваться и узнавать новое. Трудности возникали, когда сроки проектов накладывались друг на друга, и на их выполнение уходило значительно больше времени, чем обычно. Конечно, все проблемы решались после бессонных ночей и своевременной сдачи заданий, но это было нелегко. Тем не менее, эти 9 месяцев обучения были замечательными!»

О курсе 

Курс «ML Engineering: от технической базы до AI-продукта» — это не просто теория, а глубокое погружение в реальные кейсы и задачи. Студенты изучают не только алгоритмы и фреймворки — Python, Apache Airflow, FastAPI, git, PosrgreSQL, LightGBM, PyTorch, scikit-learn, но и учатся применять их на практике, решать проблемы бизнеса, разрабатывать AI-решения. 

Преимущества такого курса:

• Обучение у ведущих экспертов. Курс разработан совместно с ИТМО, ведущим университетом России в сфере ИТ, и karpov.courses — признанным лидером онлайн-обучения в сфере Data Science. 

• Доступ к комьюнити. Вы сможете обрести единомышленников из крупнейшего сообщества практиков, менторов и экспертов в сфере AI.

• Поддержка. Каждому студенту предоставляется куратор, который помогает разбираться с материалами, находить решения и развиваться.

• Практико-ориентированное обучение. За время обучения студенты создают собственный AI-проект, который можно использовать в качестве портфолио. Мы добавили как можно больше приближенных к реальности заданий, чтобы задачи на работе не оказались для вас сюрпризом.

• Быстрый результат. Программа длится всего 9 месяцев, что позволяет получить знания и навыки в кратчайшие сроки. 

• Теория, интегрированная в практику. Теория по математике представлена в необходимом для практики объеме. Помимо отдельного блока по статистике, математика встречается в уроках по машинному обучению — там, где она пригождается ML-специалисту. Ничего учить отдельно не придется, мы уже подобрали лучшие материалы и задания за вас.

• Возможность поступить в магистратуру ИТМО. В рамках курса студенты разрабатывают с нуля своей проект, который можно защитить и поступить без вступительных экзаменов в магистратуру.

Такой подход подойдёт не только новичкам, которые не знают, с чего начать старт карьеры в ML. Курс даст все необходимые знания также и специалистам: 

• Математикам. Увлекаетесь математикой и точными науками, но хотите перейти от теории к практике и научиться решать реальные бизнес-задачи.

• Аналитикам. Уже работаете с данными, но хотите освоить продвинутые методы и инструменты, чтобы выйти на качественно новый уровень в аналитике.

• Разработчикам. Имеете опыт в программировании и разработке приложений, но хотите применить свои знания в новой области и научиться выявлять потребности бизнеса.

Обучение проходит в интенсивном формате, по 3 занятия в неделю. Студенты выполняют домашние задания на настоящей инфраструктуре. Все лекции и дополнительные материалы доступны на образовательной платформе и останутся даже после окончания курса. В среднем, на учёбу уходит около 20 часов в неделю.

После успешного завершения курса студенты получают сертификат karpov.courses x AI Talent Hub ИТМО, а также диплом о профессиональной переподготовке ИТМО. 

Если вы готовы к новому вектору развития своей карьеры, хотите стать специалистом в области ML и получить диплом ИТМО , то когда же начинать, если не сейчас?

Поэтому обязательно заглядывайте на наш сайт и узнавайте подробности. Если появятся вопросы, то пишите в комментариях — на всё с радостью ответим.