Когда начинающие ML-инженеры после обучения сталкиваются с задачами бизнеса, они с удивлением узнают, что модели ради моделей никому не нужны, а само машинное обучение занимает только 20% рабочего времени.
Show more
На что же тогда уходят остальные 80%?
● Организация поставки данных (ETL-пайплайны)
● Очистка данных и проверка качества данных (Data Quality)
● Тестирование кода вокруг модели
● Тестирование качества кода (pylint, flake8, black, SonarQube)
● Визуализация, дашборды, мониторинг, алерты
● Система версионирования кода (Gitlab)
● Ведение документации
● Работа с таск-трекером
● И много чего ещё
Работодатели ищут людей, которые могут не просто создать модель, но и задеплоить её, проверить её качество, оптимизировать и показать заказчику бизнес-результат.
Поэтому мы сделали Симулятор ML — программу, которая поможет быстро вырасти как специалист и в короткие сроки получить опыт, о котором вы сможете рассказать на собеседовании.
На ML Симуляторе вы будете решать задачи, похожие на квесты в игре: каждая из них погружает в свой бизнес-контекст и рассказывает историю построения сервиса: от выгрузки данных и подготовки фичей — до разработки метрик продукта и проведения A/B-теста.
Начать можно уже сегодня. Курс доступен по подписке (от 3 месяцев): https://vk.cc/cg3Qr1