Компания: OTUS (Отус)
Актуальная программа курса (65 модулей, по данным школы)
- Модуль 1. Бонусный модуль NLP — Нейросетевые языковые модели и практические методы применения LLM и фундаментальных моделей.
- • Нейросетевые языковые модели и стратегии генерации текста
- • Машинный перевод и seq2seq
- • Архитектура Transformer и концепция attention mechanism
- • Transfer learning; BERT model
- • Генеративные языковые модели GPT3 и методы few, zero-shot learning
- • Towards ChatGPT
- • Теория промптинга LLM
- • Sentence-transformers
- • Langchain
- • RAG - генерация на основе базы знаний
- Модуль 2. Бонусный модуль Графы — В этом модуле мы научимся работать с новым типом данных - графами. Разберем самые широко используемые библиотеки: NetworkX, Stellar. Познакомимся с задачами Community Detection, Link Prediction и Node Classification.
- • Введение в графы: основные понятия. NetworkX, Stellar
- • Анализ графов и интерпретация. Community Detection
- • Link Prediction и Node Classification
- Модуль 3. Временные ряды — Данный модуль посвящен продвинутым методам работы с временными рядами. Мы разберём различные способы генерации признаков из временных рядов, а также две важные задачи, которые можно решать с таким типом данных: кластеризацию и сегментацию.
- • Извлечение признаков. Fourier и Wavelet transformation, Automatic Feature generation - tsfresh
- • Unsupervised подходы: Кластеризация временных рядов
- • Unsupervised подходы: Сегментация временных рядов
- • Прогнозирование временных рядов
- • Поиск аномалий во временных рядах
- Модуль 4. Рекомендательные системы. Задача ранжирования — В этом модуле мы будем работать с различными типами рекомендательных систем. Рассмотрим случаи явного (explicit) и неявного (implicit) фидбека, а также крайне важную для рекомендаций задачу ранжирования - learning to rank. Также мы научимся работать с одной из самых популярных питоновских библиотек для рекомендательных систем.
- • Введение в теорию рекомендательных систем и их практическое применение
- • Проблема холодного старта. Метод поиска ближайших соседей
- • SVD и ALS алгоритмы
Кем вы сможете работать
Сколько зарабатывают в профессии (медиана hh.ru, по 74 вакансиям)
Сравнение с похожими курсами других школ
| Курс | Школа | Цена | Срок | Рейтинг | Диплом | |
|---|---|---|---|---|---|---|
| Machine Learning. Advanced (этот) | OTUS (Отус) | беспл. | 6 месяцев | — | — | — |
| Agile-методологии в управлении проектами | City Business School | 19 990 ₽ | 3 недели | 5.0 | Сертификат | Перейти |
| Курс «Бизнес на конвейере» | Академия WakeUP от Максима Батырева | 25 000 ₽ | 3 месяца | 5.0 | — | Перейти |
| Data Scientist с нуля до PRO | Skillfactory (Скиллфактори) | 224 064 ₽ | 13 месяцев | 4.2 | Сертификат | Перейти |
Стоит ли идти на этот курс
Плюсы
- Flask API и Docker выделены в отдельный production-блок, а не вставлены одним слайдом в конце. Для перехода на Middle+/Senior это разница между «умею строить модели» и «умею их внедрять».
- Редкие темы в одном курсе: Bayesian Learning на PyMC, Community Detection, Link Prediction. Большинство advanced-программ останавливаются на бустинге и нейросетях — такое сочетание встречается штучно.
- Рекомендательные системы разобраны по методам: userKNN, itemKNN, SVD, ALS, sequential и session-based подходы, не обзорно, а с задачей ранжирования как отдельным разделом.
- Программу закрывает проектная работа: есть шанс выйти с реальным артефактом в портфолио, а не только со списком пройденных тем.
Минусы и кому не стоит
- Объём программы — девять модулей плюс два бонусных — сжат в пять дней. Временные ряды, RL, байесовские методы и production одновременно: либо темп будет жёстким, либо часть тем останется поверхностной. Стоит выяснить у школы, как распределена нагрузка и есть ли практика между сессиями.
- Карьерной поддержки в программе нет: ни блока трудоустройства, ни сопровождения после окончания. Только обучение.
- Нужен один блок — например только временные ряды — есть узкие и дешёвые альтернативы.
Когда этот курс вам не нужен
Если вы уже уверенно деплоите ML-модели, работаете с рекомендательными системами в бою и строили пайплайны на временных рядах — большая часть программы окажется повторением. Курс не для тех, кто ищет карьерный буст с поддержкой трудоустройства: такого блока в программе нет. И не для тех, кому нужен точечный навык — за один модуль платить полную цену нерационально.
Как выбрать курс по этому направлению
Выбирая курс по машинному обучению на среднем уровне и выше, смотрите прежде всего на глубину стека, не на список тем: разбирают ли конкретные алгоритмы с реализацией. Рекомендательные системы бывают разными: SVD и ALS — одно, session-based подходы — другое. Хороший курс разводит их по задачам, а не сваливает в один слайд. Важен production: без деплоя и пайплайнов навык останется лабораторным. Проектная работа с обратной связью тоже не опциональна — без неё RL или PyMC осядут теорией без практического якоря. Цену сравнивайте не в абсолюте, а с тем, что программа реально закрывает: короткий курс без проектной работы за те же деньги — другой продукт.
Частые вопросы
Какой уровень подготовки нужен для старта?
Курс заявлен как средний уровень: базовый ML должен быть за плечами. Если вы ещё не работали с классическими алгоритмами и не писали модели самостоятельно, программа с LSTM, RL и PyMC окажется неподъёмной с первых модулей.
Сколько реально учиться — курс же пять дней?
Скорее всего, это формат интенсива или даты проведения, а не суммарный объём часов. Уточните итоговую нагрузку в часах и соотношение лекций к практике — программа объёмная.
Есть ли сертификат или документ об окончании?
В открытых данных курса информации о документе нет. Этот вопрос лучше прояснить у школы до оплаты.
Подойдёт ли курс аналитику данных или только ML-инженерам?
Программа ориентирована на ML Engineer и Data Scientist уровня Middle+/Senior. Аналитику без опыта в моделировании будет сложно: стек — Docker, Flask API, production-пайплайны — требует инженерной подготовки.
Reinforcement Learning и Bayesian Learning — насколько глубоко?
Оба блока есть в программе как отдельные модули. Bayesian Learning строится на PyMC: это практическая работа с инструментом, не обзорная теория. Глубину лучше оценить по демо-уроку.
Можно ли учиться без знания Docker и Flask?
Эти инструменты разбираются в production-блоке курса, но входной уровень по ним школа не обозначает. Если с Docker вы не сталкивались совсем, разберитесь с основами заранее — иначе production-модуль съест всё внимание.
Поделиться
Преподаватели курса
Отзывов об этом курсе пока нет
Ниже — отзывы о школе OTUS (Отус): они помогут составить впечатление, но в рейтинге курса не учитываются. Проходили этот курс? Поделитесь — это поможет другим студентам.