Старт 7 сентября · 6 недель
ML Про
За 6 недель углубишься в ML, MLOps и рекомендательные системы, усилишь технический стек и подготовишься к росту до Middle/Senior
Mock-интервью
Теория + практика
Помощь с резюме
1000+
учеников готовились на нашем курсе
5 лет
помогаем строить карьеру в IT и бигтехе
72%
выпускников получили оффер за 2 месяца
270
тысяч рублей средняя зарплата после курса
Курс подойдет, если ты хочешь
Вырасти до Middle и Senior
Углубишь знания, усилишь технический стек и освоишь темы, которые помогают уверенно проходить испытательный срок и расти в карьере.
Углубиться в специализацию
Разберёшь сложные темы, которые редко объясняют на базовых курсах, и глубже поймёшь современные подходы и инструменты.
Выйти на валютный рынок
Разберётесь, где искать зарубежные вакансии и валютную удалёнку, как откликаться, проходить собеседования и доводить поиск до оффера.
Цена за ML Про
14 795 ₽
8 950 ₽
Больше скидок:
При покупке с другом -500 ₽
Уже брали курсы -500 ₽
При покупке с другом -500 ₽
Уже брали курсы -500 ₽
ML Про + любой другой карьерный курс*
29 590 ₽
14 950 ₽
Больше скидок:
При покупке с другом -1000 ₽
Уже брали курсы -1000 ₽
*С полным перечнем можно ознакомиться вот тут
При покупке с другом -1000 ₽
Уже брали курсы -1000 ₽
*С полным перечнем можно ознакомиться вот тут
Почему выбирают нас?
Мы гарантируем оффер!
- Мы уверены в своей системе и даем материал с запасом, чтобы ученик мог справиться с любой задачей на реальном собесе
- Все закрепляем на практике: наши студенты проходят тестовые собесы, делают домашку, а преподаватели дают фидбэк и проверяют ДЗ
- Если что-то будет непонятно, на помощь придет куратор и все объяснит, а если будет сложно, тебе дадут спец материалы
- А если ты пройдешь курс, выполнишь все рекомендации, но не получишь оффер в течение 6 месяцев — мы вернем все деньги
Альтернативы
⛔Самообучение
Приходится тратить в разы больше времени, чтобы понять тему + отсутствие помощи в непонятных вещах дизморалит
⛔Менторы
Час с крутым специалистом стоит дорого + много часов уходит на разговоры, которые можно закрыть хорошими материалами
⛔Другие курсы
Обычно длятся очень долго, дают огромное количество ненужного и устаревшего материала, не готовят к собесам и не дают гарантию
Наш курс
⚡Поддержка и фидбэк
Кураторы проверяют задания, отвечают на вопросы и помогают не застревать на сложных темах.
⚡Доступная цена
Получаешь лекции, практику, материалы и разборы по цене кратно ниже индивидуальных занятий
⚡Гарантия оффера
Мы берем на себя ответственность за твой результат! Если выполнишь рекомендации и останешься без оффера – вернём деньги
Как проходит обучение
Шаг 1
Теория
Получаешь лекции по расписанию, смотришь разборы тем и фиксируешь полезные шаблоны ответов
Пример лекции
Шаг 2
Практика
Решаешь задачи, реальные ML-кейсы. Задаешь вопросы преподавателю на семинаре. Получаешь фидбэк по ДЗ
Пример семинара
Шаг 3
Мок-собес
Проходишь пробный собес со специалистами, которые сами проводят найм, и получаешь подробный фидбэк.
Пример интервью
Шаг 4
Упаковка
Рассказываем что писать в резюме, как крутить опыт, как устроен ATS и как готовить пет-проекты
Разбор резюме
Программа курса:
1
Разработка ML-сервиса
- Инференс-сервис: FastAPI, Pydantic, PostgreSQL
- Окружение и сборка: uv/poetry, Docker, docker-compose
- Первый деплой в Kubernetes: kubectl, Pod / Deployment / Service, probes
- Git, pre-commit, pytest, логирование предсказаний
2
Теория MLOps
- Разбор MLOps-подходов на практических кейсах, уровни зрелости 0/1/2
- Жизненный цикл модели: код + данные + конфиг + окружение
- CI/CD: GitHub Actions → образ в registry → выкат в кластер
- Конфигурация и секреты в K8s: ConfigMap, Secret, rollout и rollback
3
Практика MLOps
- Эксплуатация в кластере: реплики, requests/limits, HPA, Ingress, Helm
- Трекинг и реестр моделей: MLflow, Staging/Production, откат версии
- Версионирование данных: DVC + S3/MinIO
- Пайплайн по расписанию: Airflow, ретраи
- Мониторинг: Prometheus, Grafana, дрейф в Evidently
4
Данные и рекомендации
- Этапы подготовки данных: raw / staging / marts, ETL
- Валидация: pandera, схемы, лики таргета, time-based сплит
- Датасет как версионируемый артефакт: дедупликация, PII, DVC
- Рекомендательная система: коллаборативная фильтрация, implicit ALS, отбор кандидатов → ранжирование
- Офлайн-метрики рекомендаций: recall@k, NDCG
5
DL и PyTorch
- Трансформеры и эмбеддинги в PyTorch, HuggingFace
- Дообучение: LoRA / PEFT, сиды, чекпойнты, трекинг в MLflow
- Self-hosted инференс: vLLM в Kubernetes, GPU-под, реплики
- Метрики сервиса: latency, throughput, токены и стоимость в Grafana
6
Ранжирование и Uplift
- Ранжирование и матчинг: LTR, CatBoost, NDCG / MAP
- Динамическое ценообразование, uplift-моделирование
- Выкат новой версии: офлайн-гейты, сравнение с продовой моделью, откат
- Финальный проект: дообученная модель → пайплайн → кластер → мониторинг
7
Карьерная стратегия
- Составление резюме и сопроводительного
- Собес с HR
- Финальный собес
- Как искать вакансии
- Поиск работы зарубежом
Преподаватели
Макар Артемов
· MLOps инженер команды рекомендаций WB
· Стаж работы в индустрии более 7 лет
· Семинарист МФТИ и Центра ПУСК
· Выпускник ФПМИ МФТИ, Сколтеха AI Robotics
Ирина Бродская
· ML инженер RnD отдела Сбертеха
· Сотрудничество с AIRI, участница ACL и SlavicNLP
· Семинарист МФТИ и Центрального университета
· Выпускница ФПМИ МФТИ, Сколтеха Data Science
Макар Артемов
Ирина Бродская
Как доводим до оффера
ШАГ 1
Задачи из техсобесов
Теория закрепляется на кейсах и задачах, которые дают на реальных собесах в BigTech
- Live-семинары с преподавателем
- Приобретенные навыки оттачиваются в ДЗ
- Доступ к закрытой базе задач собесов
- Записи реальных интервью
ШАГ 2
Портфолио и резюме
На курсе дают не только знания и навыки, но и прокачивают твоё портфолио и резюме
- Пет-проект «ML-сервис и рекомендательная система»
- Пишем правильное резюме
- Правильно крутим опыт
- Тренируем самопрезентацию
- Проводим Mock-интервью
ШАГ 3
Выводим на рынок
После окончания обучения на курсе тебе помогают выйти на рынок и пройти собеседования
- Помощь с поиском вакансий
- Реферальная программа
- Помощь с собесами (оплачивается отдельно)
- Гарантия трудоустройства
- Поиск работы зарубежом
Расписание курса
1
Разработка ML-сервиса: FastAPI, Docker, Kubernetes
Лекция
7 сентября
Семинар
12 сентября, 10:00
2
Теория MLOps: жизненный цикл, CI/CD, конфиги в K8s
Лекция
14 сентября
Семинар
19 сентября, 10:00
3
Практика MLOps: MLflow, DVC, Airflow, мониторинг
Лекция
21 сентября
Семинар
26 сентября, 10:00
4
Данные и рекомендации: валидация, ALS, метрики
Лекция
28 сентября
Семинар
3 октября, 10:00
5
DL и PyTorch: LoRA-дообучение, vLLM в кластере
Лекция
5 октября
Семинар
10 октября, 10:00
6
Ранжирование и Uplift, защита финального проекта
Лекция
12 октября
Семинар
17 октября, 10:00
Сотни отзывов от наших учеников
ML Engineer, Ozon
238 000₽/месяц
Пошёл на курс уже после года работы. Казалось, что знания есть, но постоянно ловил себя на том, что многие решения использую «по привычке». На курсе наконец системно разобрался рекомендациях, MLOps. Стал намного увереннее обсуждать технические решения с коллегами и перестал бояться сложных задач. Через несколько месяцев после курса получил повышение до Middle.
Пошёл на курс уже после года работы. Казалось, что знания есть, но постоянно ловил себя на том, что многие решения использую «по привычке». На курсе наконец системно разобрался в бустингах, подборе признаков и оценке моделей. Стал намного увереннее обсуждать технические решения с коллегами и перестал бояться сложных задач. Через несколько месяцев после курса получил повышение до Middle.
ML Engineer, WB
186 000₽/месяц
Больше всего переживала из-за испытательного срока. На работе постоянно прилетали задачи, которые выходили далеко за рамки университетской программы. Курс помог закрыть именно практические пробелы: стало понятнее, как выбирать модели, какие ошибки чаще всего допускают в проде и почему не всегда стоит гнаться за лучшей метрикой. После курса чувствую себя гораздо увереннее, а испытательный срок прошла без проблем.
Больше всего переживала из-за испытательного срока. На работе постоянно прилетали задачи, которые выходили далеко за рамки университетской программы. Курс помог закрыть именно практические пробелы: стало понятнее, как выбирать модели, какие ошибки чаще всего допускают в проде и почему не всегда стоит гнаться за лучшей метрикой. После курса чувствую себя гораздо увереннее, а испытательный срок прошла без проблем.
ML Engineer, Авито
257 000₽/месяц
Очень понравилось, что курс не ограничивается теорией. Практически каждая тема сопровождалась разбором реальных кейсов и обсуждением компромиссов, которые возникают в работе. После нескольких занятий начал замечать, что многие вещи в рабочем проекте можно сделать намного лучше. Особенно полезными оказались разделы про ансамбли моделей и анализ ошибок. Уже через пару месяцев стал брать более сложные задачи внутри команды.
Очень понравилось, что курс не ограничивается теорией. Практически каждая тема сопровождалась разбором реальных кейсов и обсуждением компромиссов, которые возникают в работе. После нескольких занятий начал замечать, что многие вещи в рабочем проекте можно сделать намного лучше. Особенно полезными оказались разделы про ансамбли моделей и анализ ошибок. Уже через пару месяцев стал брать более сложные задачи внутри команды.
Data Scientist, Т-Банк
272 000₽/месяц
До курса чувствовал, что упёрся в потолок: задачи выполнял, но часто не мог объяснить, почему выбираю именно такой подход. Здесь наконец появилась цельная картина. Очень понравилось, что преподаватели постоянно задавали вопросы «почему?», а не просто проверяли правильный ответ. После курса стал гораздо увереннее участвовать в технических обсуждениях и защищать свои решения перед командой.
До курса чувствовал, что упёрся в потолок: задачи выполнял, но часто не мог объяснить, почему выбираю именно такой подход. Здесь наконец появилась цельная картина. Очень понравилось, что преподаватели постоянно задавали вопросы «почему?», а не просто проверяли правильный ответ. После курса стал гораздо увереннее участвовать в технических обсуждениях и защищать свои решения перед командой.
Middle ML Engineer, Яндекс
214 000₽/месяц
Для меня самым ценным стали домашние задания. Они оказались очень похожи на реальные рабочие задачи: мало просто обучить модель, нужно разобраться в данных, объяснить результаты и предложить дальнейшие шаги. После курса многие процессы на работе стали восприниматься намного понятнее. Особенно помогли темы по ранжированию и MLOps.
Для меня самым ценным стали домашние задания. Они оказались очень похожи на реальные рабочие задачи: мало просто обучить модель, нужно разобраться в данных, объяснить результаты и предложить дальнейшие шаги. После курса многие процессы на работе стали восприниматься намного понятнее. Особенно помогли темы по ранжированию и MLOps.
ML Engineer, X5 Group
245 000₽/месяц
Долго выбирала между несколькими курсами и в итоге не пожалела. Здесь нет ощущения, что тебя просто готовят к очередному интервью. Скорее учат мыслить как ML-инженер и принимать обоснованные решения. После курса стало проще читать технические статьи, экспериментировать с новыми моделями и разбираться в чужом коде.
Долго выбирала между несколькими курсами и в итоге не пожалела. Здесь нет ощущения, что тебя просто готовят к очередному интервью. Скорее учат мыслить как ML-инженер и принимать обоснованные решения. После курса стало проще читать технические статьи, экспериментировать с новыми моделями и разбираться в чужом коде.
Больше отзывов можно найти в telegram
Перейти к отзывам
Вопросы и ответы
Сколько длится интенсив?
Интенсив длится ровно 6 недель
Как долго доступны материалы?
365 дней со дня добавления на курс
Какой уровень нужен?
Нужно знать азы, которые можно изучить на этом курсе
Нужно знать языки программирования?
Да, но если у вас с этим сложности — научим!
Когда будут проходить семинары?
Суббота в 10:00 по московскому времени.
Можно смотреть семинары в записи?
Да. Записи всех семинаров доступны!
Что делать, если я что-то не пойму?
Просто писать куратору, и он все вам объяснит!
У меня есть ещё один вопрос!
Тогда просто напиши вот сюда
С этим курсом часто покупают:
Готов выйти на новый уровень в ML?
Ждем тебя на курсе!
Оставьте заявку удобным способом — в Telegram, ВКонтакте или на электронной почте. Мы свяжемся с тобой, ответим на все вопросы и поможем выбрать подходящий формат подготовки