ML-инженер с опытом

Курс создан для тех, кто уже уверенно пишет на Python и хочет перейти от учебных ноутбуков к промышленной разработке. За четыре месяца вы пройдёте полный жизненный цикл модели: от автоматизации подготовки данных до развёртывания работающего сервиса в облаке.

Программа разбита на шесть спринтов, и в каждом вас ждёт один проект. Стартуете с ETL-процессов в Airflow и версионирования артефактов в DVC, затем поднимаете планку baseline-модели с помощью Feature Engineering и подбора гиперпараметров в Optuna.

Отдельное внимание уделено превращению модели в продукт. Вы соберёте микросервис на FastAPI, упакуете его в Docker, настроите сбор метрик в Prometheus и дашборды в Grafana, а финальный сервис развернёте в инфраструктуре Yandex Cloud.

Задачи взяты из практики сервисов Яндекса: модель контроля оттока клиентов для Яндекс Недвижимости, рекомендательная система для Яндекс Музыки и uplift-модель, которая помогает Яндекс Еде выбирать сегмент аудитории и мотивировать его покупать чаще.

Учиться можно в двух форматах — со строгими дедлайнами по расписанию потока или в своём темпе, когда модули открываются по мере прохождения. Теория доступна с компьютера и в приложении, а ИИ-помощник Практикума перескажет урок и объяснит сложное другими словами.

По данным Хабр Карьеры, Middle ML-инженеры получают от 160 000 до 300 000 ₽ в месяц, а Senior — от 300 000 до 500 000+ ₽. Помощь с трудоустройством на курсе не предусмотрена: программа адресована действующим специалистам, которые уже умеют искать работу.