Курс MLOps от OTUS

С помощью данного курса вы узнаете обо всех инструментах, необходимых для работы с потоковыми данными и создания ML-алгоритмов. Ему можно пользоваться как новичкам ML-специалистам, желающим научиться работать с большими данными, так и даунсайтистами стремящимся обучиться новым инженерным навыками. Будете уметь работать с распределенными файловыми системами, проводить A/B-тестирования и работу контейнерами. Научитесь проектировать нейросети а также создавать ML модели для решения различных задач.

Для потока данных и распределенной среды вам понадобятся все навыки машинного обучения. В программу включены ключевые знания из областей Data Science и Developer, позволяющие вам обрабатывать огромные массивы данных с помощью написанных распределенных алгоритмов на Spark. У каждого модуля есть своя практика, которую вы закрепляете в домашних заданиях. Финальный проект, завершающий обучение и дающий возможность обобщить знания даст вам пополнить портфолио. Он может быть выполнен в пределах задач, которые вам поручаются на вашем датасете или же преподаваться как учебный проект с поддержкой данных предоставленных OTUS.

Для кого этот курс? Специалисты по машинному обучению или Software инженеры, желающие обучаться работе с большими данными. Обычно эти задачи существуют в крупных IT-компаниях, выпускающих большой цифровой продукт. Для тех Data Scientist, которые хотят развить свои инженерные способности. Курс поможет вам обработать данные и самостоятельно вывести результат ML-решений в продакшн. Для того чтобы обучиться, вам потребуются базовые навыки работы с данными. Для того чтобы определиться с необходимым уровнем подготовки, стоит посмотреть карту курсов Data Science в OTUS.

Вы научитесь: - В распределенной среде можно применять стандартные инструменты ML-конвейеров. - Создавать собственные блоки, предназначенные для ML-конвейеров. - ML-алгоритмы могут быть адаптированы к различным средам, инструментам big data и распределенной среде. - Spark, Sparml и Streaming также можно применять. - - Создавать алгоритмы потоковой подготовки данных для машинного обучения, которые смогут реализовывать машины. - На всех этапах движения ML-решений в промышленную эксплуатацию необходимо обеспечить контроль качества.

Востребованность специалистов Навыки, которые вы освоите имеют самое непосредственное отношение к деятельности. Рынок наполняется все больше цифровыми продуктами, которые необходимы для развития. Для этого нужны огромные данные и обработка их потоками. Уже на данный момент специалисты с таким арсеналом навыкам и опытом могут рассчитывать заработную плату в размере 270 тысяч рублей. Следующий тренд - автоматизация процессам валидации и обучения, наоборот не очень хорошо скажется на деятельности Data Scientist. Сегодня все находится к тому, что даже человек без опыта сможет сделать fit-predict. В данный момент наиболее ценятся люди, имеющие минимальные инженерные навыки.

Особенности курса Данные являются предметом большой практики по работе с Компетенции охватывают от распределенного ML и потоковой обработки данных до вывода в продакшн. Technology: Scala, Spark, Python и Docker Technologies – последние разработки в этой области Беседа с экспертами на вебинарах и в чате Slack.