Практические курсы в Machine Learning
Прокачиваем необходимые инженерные навыки для проектов машинного обучения
О чем наши курсы?
Управление экспериментами
Управляйте экспериментами и жизненным циклом моделей! Настройте визуализацию метрик, версионирование моделей и автоматическую генерацию отчетов об экспериментах.
Git, версионирование данных и MLOps
Автоматизируйте процессы доставки моделей в production, сборку и тестирования решений!
Научитесь эффективно использовать Git и следуйте Git-flow в своих проектах!
Тестирование и мониторинг
Сделайте ваши решения устойчивыми и надежными! Выберете необходимый набор тестов и инструментов!
Настройте мониторинг работы ваших моделей и данных в production!
200+
Специалистов прошли обучение
50+
Компаний доверили нам обучение сотрудников
4.8 / 5
Средняя оценка курсов
Особенности наших курсов

Практический подход

Программы курсов разработаны с учетом потребностей и инструментов используемых в различных компаниях. Курсы сопровождаются значительным объемом практических задач и примеров

Open Source

Мы стараемся использовать Open Source инструменты, которые либо уже широко известны, либо предоставляют необходимую функциональность для их внедрения

Развитие

Наша задача - помочь вам прокачать инженерные практики и процессы в ваших проектах. Помогая найти решение для ваших задач мы развиваем материалы курсов, делаем их максимально полезными и актуальными
Преподаватели
  • Михаил Рожков
    Team Lead | MLOps | PhD | ML REPA
    Эксперт в области MLOps и AI Development. Более 7-летнего практического опыта в области машинного обучения и Data Scienc. Помог более 200 инженерам из более чем 50 компаний разработать процессы MLOps и интегрировать открытые инструменты. Сотрудничал с командами по машинному обучению в США, Европе и Азии, включая компании из списка Fortune 500.

    Основатель сообщества Machine Learning REPA.
  • Марина Завгородняя
    Expert Data Scientist | Community Lead | Production ML | Big Data
    Expert Data Scientist в команде распознавания изображений, Data Science Community Lead, Raiffeisenbank. Опыт в разработке и деплое Batch ML моделей в прод на стеке Hadoop (Spark, Airflow) и Online ML моделей на стеке ONNX, FastAPI, Docker.
  • Дмитрий Жванский
    Full-stack Machine Learning Engineer | Banking
    Full-stack Machine Learning Engineer и Data Science эксперт с более чем 10-летним опытом в индустрии и академии. В моем портфолио end-to-end решения для распознавания документов, оптимизации движения наличных, скоринга корпоративных и розничных клиентов и оценки прибыльности различных продуктов.


  • Юлия Антохина
    Data Scientist | Lamoda
    Data Scientist команды Навигации в Lamoda. Выкатывала в прод алгоритмы для рекомендаций, поиска, компьютерного зрения. Люблю преподавание: читаю курсы и лекции внутри компании по работе и по Японии.
  • Алимбеков Ренат
    Head of Big Data and Machine Learning | MedTech | AdTech
    Руководитель в сфере анализа больших данных и машинном обучении. Проектирует и разрабатывает сервис с machine learning составляющей. Основная специализация работа с лицами и медицинскими изображениями.

    Опыт работы в Fintech, MedTech, AdTech и EduTech направлениях.
Доступные курсы
MLOps для Data Science и разработки ML моделей: версионирование, автоматизация, подготовка к production
  • Автоматизация пайплайнов, воспроизводимость и разработка production-ready ML решений c DVC
  • Трекинг метрик и моделей с MLflow и DVC
  • Сервинг моделей с FastAPI и Airflow
  • Хорошие практики разработки и программирования (Git, Docker)
  • Уровень сложности: начальный, средний
  • Старт: 5 сентября
Подробнее
MLOps для Batch Scoring: автоматизация пайплайнов и CI/CD
c DVC, MLflow и Airflow
  • Автоматизация пайплайнов, воспроизводимость и разработка production-ready ML решений c DVC, MLflow и Airflow
  • Продвинутые сценарии и конфигурация DVC
  • Интеграция DVC и MLFlow
  • Консультации по внедрению
  • Уровень сложности: средний, высокий
  • Старт: 6 сентября
Подробнее
Мы поможем стать сильнее
Автоматизируйте эксперименты
Управляйте экспериментами и жизненным циклом моделей! Настройте автоматическое обучение, сохранение метрик и моделей

Tools: MLFlow, DVC, Airflow, GitLab, ect.

Версионируйте модели и данные

Версионирование данных, моделей и артефактов критически важная задача для обеспечения воспроизводимости и промышленной эксплуатации

Tools: DVC
Узнайте, как сделать CI/CD & MLOps

Автоматизируйте процессы доставки моделей в production, сборку и тестирования решений!

Научитесь эффективно использовать Git и следуйте Git-flow в своих проектах!


Tools: GitLab CI, GitHub Actions, Airflow, k8s, ect.
Документация моделей

Настройте визуализацию метрик и автоматическую генерацию отчетов об экспериментах! Давайте сделаем это вместе!


Tools: DVC, GitLab, CML
Software Engineering скиллы
Хорошие инженерные навыки, в том числе для автоматизации экспериментов, пайплайнов обучения и деплоя моделей, а также для разработки production решений


Tools: Python, Pytest, Docker, docker-compose, Flask, PEP8, ect.
Тестирование и мониторинг моделей
Сделайте ваши решения устойчивыми и надежными! Выберете необходимый набор тестов и инструментов!Настройте мониторинг работы ваших моделей и данных в production!

Tools: Pytest, Airflow, Prometheus, Grafana, Evidently, ect.
Отзывы слушателей

Для анонимных отзывов мы составили "портрет" отзыва и пожеланий :)

Шестаков Андрей, ML Engineer, Profi.RU
Оценка курса: 9/10
Прекрасное введение в MLOps! Вся необходимая практика и теория для того, чтобы погрузиться в тематику. Отличная поддержка со стороны преподавателей - вопросов без ответа не останется.
Будем внедрять навыки)
Добрый слушатель, генератор идей по продвижению курса )
Оценка курса: 8/10
Курс сделан с огромной самоотдачей и желанием поделиться реальными практическими навыками. Без лишних слов. 8/10

Очень понравился сам подход к подготовке и подаче материала - ответственно, вдумчиво, строго, взвешенно.
Силаев Егор, Data Engineer, Национальный Расчетный Депозитарий
Оценка курса: 10/10
Отличный курс, который больше заточен под практику. На протяжении всех модулей разрабатывается единый работающий проект. В каждом модуле вы добавляете к своему проекту новый инструмент, таким образом вы изучаете и саму технологию и понимаете как ее использовать в процессе. На мой взгляд это дало отличное понимание всех этапов автоматизации экспериментов работы на моделью. Также в курсе представлен отличный стек технологий (dvc и airflow сейчас начали внедрять на работе, а курс помог составить хорошее по ним представление).
Один из самых ценных моментов в курсе это помощь наставника - Михаила. На протяжении всего курса всегда можно обратиться за помощью, помимо того времени, что выделено для консультаций и получить ценные советы и ответы (даже на самые глупые мои) вопросы.
Рекомендую этот курс как начинающим data\ml инженерам, так и продвинутым.

Практик, сразу применяет знания в работе! 
Оценка курса: 9/10
Очень крутой курс, проработал с новыми инструментами и сейчас внедряю из на работе. К сожалению, было недостаточно свободного времени, чтобы успевать делать все домашние вовремя.
Большое спасибо за курс, жду появления новых:)
Data Engineer
Оценка курса: 10/10
Благодаря курсу продвинулся в практических задачах на работе. Пока они касались примерно лишь трети от всех тем, затронутых в курсе (venv, докер, Airflow), но остальное буду подробнее разбирать и внедрять на практике уже после курса, благо, все исходники и лекции остаются, а по вопросам можно обращаться в чат и лично к автору.
Куницын Павел, Data Scientist, ПАО Первая Грузовая Компания
Оценка курса: 10/10
Один из самых полезных курсов, которые я проходил. Направление MLOps относительно новое, поэтому здорово, что есть курс, который дает возможность познакомиться с практиками интеграции различных инструментов в единый воспроизводимый пайплайн.
Обязательно будем внедрять в нашей компании.
Васильев Денис, SG Russia
Оценка курса: 9/10
Отличный в прикладном плане курс, хорошо помогает ответить на ряд насущных вопросов по продуктивизации ML и проектов моделирования в целом. Есть обратная связь и поддержка в процессе обучения, всем советую.
Игорь Попов, ML Engineer at Indriver
Оценка курса: 9/10
Курс с очень хорошо проработанной практической частью, на примере тестового проекта шаг за шагом изучаются инструменты и все выстраивается в понятный workflow. Преподаватель оперативно ревьювит домашки и отвечает на вопросы. Удобно что есть семинар по разбору домашних работ, так как курс ориентирован на практику.
Партнер Risoma school
Напишите нам
Наш менеджер расскажет о курсах
и проконсультирует по наиболее подходящим условиям

school@risoma.ru