Готовить данные и модели
Настраивать пайплайны подготовки данных, обучать базовую модель и отслеживать эксперименты.
ML-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.
Курс в деталях
- Школа
- Яндекс Практикум
- Формат
- Онлайн
- Длительность
- 4 месяцаПродолжительность по странице школы.
Кому подойдёт курс
| Кому подойдёт | Чем поможет курс |
|---|---|
| Начинающим ML-инженерам | Курс помогает систематизировать практику и пройти полный цикл создания и выпуска моделей. |
| Разработчикам и инженерам данных | Программа добавляет к имеющейся подготовке опыт построения ML-пайплайнов и микросервисов. |
| Аналитикам и специалистам Data Science | В проектах можно отработать переход от модели к работающему сервису. |
Чему вы научитесь
Выпускать ML-сервисы
Создавать микросервис, упаковывать его в контейнер и следить за метриками модели.
Решать прикладные задачи
Строить рекомендательные и uplift-модели и оценивать их качество.
Что входит в курс
Практические задания
Объём: 6 единиц. Задания для применения изученного материала и отработки навыков. Шесть ML-проектов.
Вебинары
Объём: 5 единиц. Онлайн-занятия по темам курса с преподавателями или приглашёнными экспертами. Вебинары в будни после 19:00 мск.
Программа курса
Темы и разделы, которые входят в программу обучения.
01Создание пайплайна по подготовке данных и выводу ML-модели в продакшн
Бесплатная часть: входной тест и знакомство с выводом ML-модели в работу.
02Разработка пайплайнов подготовки данных и обучения модели
Подготовка данных, Airflow, базовая модель и DVC-пайплайн.
03Улучшение baseline-модели
MLflow, признаки и подбор гиперпараметров с Optuna.
04Релиз модели в продакшн
FastAPI, Docker и мониторинг модели с Prometheus и Grafana.
05Создание рекомендательной системы
Виды рекомендаций, валидация и разработка рекомендательного сервиса.
06Создание uplift-модели
Метрики, методы и применение uplift-модели.
07Итоговый проект
Полный цикл проекта: от постановки задачи до выпуска модели.
08Сферы применения машинного обучения
Дополнительный раздел о применении машинного обучения в бизнесе и работе с текстами.
Практика и проекты
Практические работы курса — какие задачи вы будете решать, какие кейсы и примеры разбирать.
Шесть ML-проектов
В программу входят проекты по улучшению модели, созданию сервиса, рекомендациям, uplift-моделированию и полный итоговый цикл.
Вебинары с наставниками
Школа описывает пять онлайн-вебинаров в будние дни после 19:00 по московскому времени.
Профессии, навыки и инструменты
Профессии
Профессии, с задачами которых знакомит программа курса.
Навыки
Навыки, на развитие которых направлена программа курса.
Программы и сервисы
Инструменты и методы по материалам школы; состав может зависеть от тарифа.
Эксперты программы
Состав экспертов и их участие в конкретной группе уточняйте у школы.
Антон Моргунов
Автор программы. Senior инженер по компьютерному зрению. Программный эксперт курса.
Дмитрий Донецков
Автор программы. Руководитель направления по исследованию данных.
Анатолий Крестенко
Наставник курса. CTO в DeFi‑стартапе, Ex Head of Dev&Infrastucture в хедж-фонде.
Даниил Бондарев
Наставник курса. 5+ лет опыта в ML. Помогает крупному маркетплейсу внедрять ИИ для решения бизнес-задач.
Богдан Шевченко
Наставник курса. Тимлид в Wildberries. Занимается проектами в области антифрода. Работал в Сбере и Роснефти. 6+ лет опыта в ML.
Иван Васильев
Спикер вебинаров. ML Engineer в Яндексе. Спикер конференции DataFest.
Ульяна Беспалова
Спикер вебинаров. Дата-сайентист в VK, экс-программист-исследователь.
Документ об обучении
Диплом
Школа указывает этот вид документа.
При наличии среднего профессионального или высшего образования, после полного прохождения курса и успешного итогового проекта.
Сертификат о прохождении курса
Школа указывает этот вид документа.
Формат: Электронный. Без среднего профессионального или высшего образования, после полного прохождения курса и успешного итогового проекта.
Стоимость и условия оплаты
- Стоимость обучения
- 116 000 ₽Данные от 03.11.2026. Актуальная цена и состав тарифа — на сайте школы. На 3 ноября 2026 года школа указывала 116 000 ₽ одним платежом или от 4 736 ₽ в месяц на 36 месяцев. Актуальные условия уточняйте у школы.
- Ежемесячный платёж
- от 4 736 ₽ / мес.Срок оплаты: 36 мес. Условия договора уточняйте в школе.
Частые вопросы
Какая подготовка нужна для курса?
Школа ожидает начальный опыт в машинном обучении, базовый Python и SQL, навыки подготовки данных и знание принципов классического ML.
Сколько длится обучение?
Школа указывает четыре месяца и ориентировочную нагрузку около 15 часов в неделю.
Как устроены режимы обучения?
Можно учиться с дедлайнами и общим расписанием открытия модулей или проходить темы в своём темпе по мере продвижения.
Сколько стоит курс?
На 3 ноября 2026 года школа указывала 116 000 ₽ одним платежом или от 4 736 ₽ в месяц на 36 месяцев. Актуальные условия уточняйте у школы.
Какая практика предусмотрена?
Школа описывает шесть ML-проектов, включая рекомендательную систему, uplift-модель, микросервис и итоговую работу по полному циклу модели.
Какой документ выдаётся после обучения?
После полного прохождения и успешного итогового проекта школа указывает диплом о профессиональной переподготовке при наличии среднего профессионального или высшего образования; без него — электронный сертификат.
Какие инструменты входят в программу?
В программе названы Airflow, DVC, MLflow, Optuna, FastAPI, Docker и Yandex Cloud; для мониторинга также упомянуты Prometheus и Grafana.
Записаться на курс
Перейдите на сайт Яндекс Практикум, чтобы узнать условия обучения на курсе «ML-инженер с опытом».
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 ПрактикумСпециалист по Data Science
Курс Яндекс Практикума знакомит с Data Science с нуля: в программе SQL, Python, статистика и машинное обучение.
134 800 ₽
Стоимость курса
от 5 504 ₽ / мес. на 36 мес.
KARPOV.COURSESПродвинутое машинное обучение
Продвинутый курс для ML-инженеров: ранжирование, динамическое ценообразование, uplift, рекомендательные системы и MLOps. Здесь представлен вариант из пяти блоков.
187 950 ₽
Стоимость курса
Что важно знать о курсе «ML-инженер с опытом»
Курс рассчитан на специалистов, которые уже знакомы с Python, SQL и основами машинного обучения и хотят довести модели до работающего сервиса.
Сравните режим с дедлайнами и обучение в своём темпе: различаются расписание открытия модулей и требования к срокам сдачи.
Перед оплатой уточните актуальную цену и убедитесь, что сможете выделять на обучение около 15 часов в неделю.
Что посмотреть дальше
Яндекс Практикум
Познакомьтесь со школой Яндекс Практикум, её программами и условиями обучения.
ОткрытьКурсы Яндекс Практикум
Сравните курсы Яндекс Практикум 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