Разрабатывать на Python
Работать с данными, SQL-запросами и контролем версий Git.
Машинное обучение (ИТМО и KARPOV.COURSES)
Совместная онлайн-программа karpov.courses и AI Talent Hub ИТМО о разработке систем машинного обучения. От основ Python и статистики участники переходят к моделям, веб-сервисам, MLOps и собственному ML-продукту.
Курс в деталях
- Школа
- KARPOV.COURSES
- Формат
- Онлайн
- Длительность
- 9 месяцевПродолжительность совместной программы по официальной странице.
- Уровень входа
- Новичкам
- Доступ к материалам
- Бессрочный доступ
Кому подойдёт курс
| Кому подойдёт | Чем поможет курс |
|---|---|
| Начинающим специалистам | Школа адресует программу новичкам, которые хотят освоить машинное обучение. Для старта достаточно школьной математики: предварительное знание программирования и ML-алгоритмов не названо обязательным. Материал изучается постепенно. |
| Разработчикам | Программа поможет применить опыт разработки в машинном обучении и пройти путь от данных и моделей до веб-сервиса. В учебных модулях рассматриваются Python, SQL, FastAPI, Git и развёртывание проекта. Значительное место занимает практическая работа. |
| Аналитикам и специалистам с математической базой | Курс подойдёт тем, кто хочет перейти от теории и анализа данных к решению практических бизнес-задач. В программе есть статистика, модели рекомендаций, разработка сервиса и работа над продуктом. Программа включает практические задания. |
Чему вы научитесь
Создавать ML-модели
Обучать и оценивать модели, в том числе рекомендательные.
Запускать сервисы
Разрабатывать API, строить пайплайны и разворачивать проект.
Оценивать результат
Использовать статистику и A/B-тесты при оценке моделей.
Что входит в курс
Видеоуроки
Видеоматериалы с объяснением тем курса для самостоятельного просмотра. Часть занятий представлена заранее записанными уроками с конспектами и заданиями.
Вебинары
Онлайн-занятия по темам курса с преподавателями или приглашёнными экспертами. Часть модулей проходит в формате онлайн-вебинаров, преимущественно два занятия в неделю вечером.
Записи вебинаров
Записи проведённых вебинаров для самостоятельного просмотра и повторения материала. Если присутствовать на вебинаре не получилось, школа предлагает посмотреть запись.
Практические задания
Задания для применения изученного материала и отработки навыков. Практические задания выполняются с использованием предоставленной инфраструктуры.
Учебные проекты
Работа над проектами, в которых можно объединить знания и навыки из разных тем курса. Школа указывает два проекта в портфолио и работу над ML-продуктом от идеи до MVP.
Сопровождение куратора
Поддержка куратора или наставника по вопросам обучения и освоения программы. Менторы помогают разобраться со сложными практическими заданиями.
Учебные материалы
Материалы для изучения и повторения тем курса: пояснения, конспекты и справочная информация. Лекции, конспекты и домашние задания, по данным школы, остаются доступны после обучения.
Доступ к программам и сервисам
Программы и сервисы, предоставляемые для выполнения учебных задач. Во время курса предоставляется удалённый сервер; после завершения доступ к нему прекращается.
Сообщество и общение
Общение с участниками обучения и обмен опытом в учебном сообществе. Школа описывает общение с преподавателями и участниками, а также сообщество AI Talent Hub.
Программа курса
Темы и разделы, которые входят в программу обучения.
01Прикладная разработка на Python
Изучают основы Python, библиотеки для анализа данных, SQL и Git. Участники знакомятся с архитектурой приложений и готовят прототип ML-сервиса.
02Машинное обучение
Разбирают линейные модели и градиентный бустинг, настройку и оценку качества алгоритмов. На данных социальной сети создают модель рекомендаций.
03Кейсы + Практикум по разработке ML-сервисов
Упаковывают модели для повторного использования и разрабатывают веб-сервис с FastAPI. Рассматривают создание API и подготовку сервиса к запуску.
04Основы Deep Learning (глубокого машинного обучения)
Знакомятся с архитектурами нейросетей и предобученными моделями, тренируют собственную модель и улучшают рекомендательный алгоритм.
05Введение в MLOps
Изучают основы DevOps и MLOps, автоматизированные пайплайны и воспроизводимые эксперименты. С поддержкой менторов разворачивают проект на удалённом сервере.
06MFDP (Мой первый проект, основанный на данных)
Проходят путь от идеи ML-продукта до презентации: переводят бизнес-задачу на язык машинного обучения и различают прототип и минимально жизнеспособный продукт.
07Статистика и A/B-тесты
Изучают вероятность, статистику и A/B-тесты, оценивают влияние модели на продукт и рассматривают способы измерения результата без эксперимента.
Практика и проекты
Практические работы курса — какие задачи вы будете решать, какие кейсы и примеры разбирать.
Рекомендательная модель и ML-сервис
Участники обучают модель на данных социальной сети, связывают её с приложением и разрабатывают веб-сервис для использования модели.
ML-продукт от идеи до MVP
Программа включает работу над продуктом: постановку бизнес-задачи, создание прототипа, развёртывание и презентацию решения. Школа указывает два проекта в портфолио.
Профессии, навыки и инструменты
Профессии
Профессии, с задачами которых знакомит программа курса.
Навыки
Навыки, на развитие которых направлена программа курса.
Программы и сервисы
Инструменты, софт и сервисы, которые вы будете использовать на курсе.
Эксперты программы
Состав экспертов и их участие в конкретной группе уточняйте у школы.
Нерсес Багиян
Руководитель направления продвинутой аналитики в Raiffeisen CIB
Алексей Кожарин
Старший разработчик, ранее бэкенд-разработчик в Яндексе
Никита Табакаев
Руководитель команды аналитики в Райффайзен Банке
Алексей Биршерт
Руководитель команды машинного обучения, хедлайнер курса
Эмиль Каюмов
Руководитель отдела машинного обучения в Яндекс Еде
Дмитрий Ботов
Основатель AI Talent Hub и руководитель магистерской программы «Искусственный интеллект» ИТМО
Андрей Глазко
Senior ML engineer Zvonok
Марк Паненко
Главный специалист по анализу данных Ozon Bank
Кристина Желтова
Директор по разработке моделей в Газпромбанке
Юрий Дмитрин
Директор центра технологий искусственного интеллекта компании «Интерсвязь»
Мария Стенникова
Сооснователь Hvoya Construction, ранее руководитель продуктов в Контуре
Евгений Кокуйкин
Руководитель ИИ-продуктов в Raft
Андрей Гетманов
Специалист по исследованиям машинного обучения в NSS Lab
Вадим Чижков
Руководитель продуктовой команды Everypixel
Варвара Новожилова
Директор по стратегическому развитию в области ИИ в Lumiere
Документ об обучении
Диплом
Школа указывает этот вид документа.
Школа указывает диплом ИТМО о профессиональной переподготовке. Для документов названы защита итогового проекта и не менее половины баллов за домашние задания; остальные условия уточняйте у организаторов.
Сертификат о прохождении курса
Школа указывает этот вид документа.
Школа также указывает сертификат karpov.courses и AI Talent Hub ИТМО. Условия получения уточняйте у организаторов.
Стоимость и условия оплаты
- Стоимость обучения
- 250 000 ₽Данные от 02.11.2026. Актуальная цена и состав тарифа — на сайте школы. Оплата одним платежом. Актуальную цену и условия акции уточняйте в школе.
Частые вопросы
Сколько длится программа?
Школа указывает девять месяцев. На вдумчивое обучение может потребоваться около 20 часов в неделю, в зависимости от подготовки и знакомых тем.
Нужно ли уметь программировать заранее?
Нет. Школа указывает, что достаточно математики на уровне школьной программы, а Python и основы машинного обучения можно изучить с нуля.
Как проходят занятия?
Часть модулей состоит из записанных уроков, часть проходит на онлайн-вебинарах, обычно два вечера в неделю. Вебинары доступны в записи, если не получилось присутствовать.
Какие проекты предусмотрены?
Школа указывает два проекта в портфолио. В программе есть рекомендательная модель, веб-сервис и работа над ML-продуктом от бизнес-идеи до MVP.
Какую инфраструктуру предоставляет школа?
Во время курса участники получают удалённый сервер для практики. После завершения доступ к серверу прекращается; школа обещает заранее предупредить и дать сохранить файлы.
Какие документы предусмотрены?
Школа указывает диплом ИТМО о профессиональной переподготовке и сертификат. На странице названы защита проекта и не менее половины баллов за домашние задания; остальные условия уточняйте у организаторов.
Останутся ли материалы после обучения?
По данным школы, лекции, конспекты и домашние задания остаются доступны после окончания. Условия удалённого сервера отличаются: доступ к нему прекращается.
Чем программа отличается от курса ML-инженера школы?
Школа выделяет совместную программу с ИТМО, практику создания ML-продукта и документ ИТМО. Состав и условия каждого курса лучше сравнить перед выбором.
Когда начинается ближайший поток?
В шапке страницы указан день и месяц без года. Актуальную дату начала, наличие мест и действующую стоимость уточняйте у организаторов до оплаты.
Записаться на курс
Перейдите на сайт KARPOV.COURSES, чтобы узнать условия обучения на курсе «Машинное обучение (ИТМО и KARPOV.COURSES)».
На сайт школыПохожие курсы
Другие программы для той же профессии или со схожими навыками и инструментами.
GeekBrainsData Scientist
Совместная программа GeekBrains и Skillbox посвящена работе с данными и основам машинного обучения. После базы школа предлагает выбрать направление; описание вариантов в программе и FAQ различается.
Цена на сайте
Стоимость курса
Яндекс ПрактикумML-инженер с опытом
Курс Яндекс Практикума для специалистов с начальным опытом машинного обучения. За четыре месяца программа проводит через подготовку данных, обучение модели, развёртывание сервиса и мониторинг.
116 000 ₽
Стоимость курса
от 4 736 ₽ / мес. на 36 мес.
GeekBrainsMachine Learning Engineer
Совместная программа GeekBrains и Skillbox посвящена машинному обучению, нейросетям, обработке текста и изображений. Два дополнительных медицинских раздела школа относит к индивидуальным тарифам.
Цена на сайте
Стоимость курса
Что важно знать о курсе «Машинное обучение (ИТМО и KARPOV.COURSES)»
Программа адресована новичкам, разработчикам и аналитикам. Школа считает достаточной школьную математику и не требует предварительного знания Python или алгоритмов, однако рекомендует рассчитывать примерно на 20 часов занятий в неделю. Перед выбором оцените возможность совмещать такой темп с другими делами. Часть материалов записана заранее, а вебинары можно посмотреть в записи.
За девять месяцев участники проходят семь модулей и работают над ML-продуктом от идеи до веб-сервиса и MVP. Записанные уроки сочетаются с вечерними вебинарами и практикой на удалённой инфраструктуре. В программе указаны менторская поддержка и два проекта для портфолио. После каждого модуля школа предусматривает неделю перерыва. Участники могут задавать вопросы менторам.
Цена на странице относится к оплате одним платежом на дату проверки. Школа указывает диплом ИТМО и сертификат при выполнении заданий и защите проекта; уточните все требования к документам до записи. Лекции и задания остаются доступны после курса, а доступ к удалённому серверу прекращается. Условия поэтапной оплаты указаны отдельно на странице школы.
Что посмотреть дальше
KARPOV.COURSES
Познакомьтесь со школой KARPOV.COURSES, её программами и условиями обучения.
ОткрытьКурсы KARPOV.COURSES
Сравните курсы KARPOV.COURSES по программе, практике и условиям обучения, чтобы выбрать подходящий вариант.
ОткрытьВсе курсы
Сравните онлайн-курсы по программе, школе, стоимости и длительности. Найдите обучение для первых шагов или развития навыков и изучите условия перед записью.
Открыть