Логотип Academy Market
Каталог курсов
Логотип Academy Market
Наверх
Максим Пантелеев
Максим Пантелеев
Team Lead data scientist
г. Москва

Максим Пантелеев

Team Lead data scientist
г. Москва

Максим — эксперт в работе с большими данными, NLP, создании высоконагруженного ПО, использования полного цикла machine learning. Также у него есть опыт преподавательской деятельности по своей специализации в НИУ ВШЭ, IBS Training Center и консультирования в качестве ментора. Реализовывал проекты для Mail.ru, Мегафона, Сбербанка, NVidia. Сейчас Максим является тимлидом команды по работе с data science.

На курсах преподаватель обучает управлению, обработке Big Data, применению ML, нейросетей в компьютерном зрении, освоению профессии dataOps-инженера.

Направление
Рейтинг курсов
4,75
Otus
Преподаватель по ML, dataOps и компьютерному зрению
IBS Training Center
Тренер по BigData
Solvery.io
Ментор по NLP, BigData, Classic ML
НИУ ВШЭ
Преподаватель по машинному обучению
Сбербанк
R&D Team Lead
NVidia
Senior Software Developer
Мегафон
BigData Team Lead
Technoserv Consulting
R&D Team Lead

Программа курса

Вас ожидает 4 тематических модуля из онлайн-лекций и семинаров, на которых преподаватели дадут всю необходимую теорию и множество практических заданий. В конце вы выполните дипломный проект и получите возможность пройти собеседование в одной из команий-партнеров платформы Otus.

1.
От основ к современным архитектурам
2.
Детекция, трекинг, классификация
3.
Сегментация, генеративные модели, работа с 3D и видео
4.
Проектная работа

Чему вы научитесь

Работать с открытыми датасетами
Использовать реалтайм-детекторы
Решать задачи Deep Metric Learning
Сегментировать изображения

Преподаватели

Программа курса

Вас ждут онлайн-занятия, на которых вы получите комплексные навыки по обработке и анализу данных, освоите профессиональные инструменты и выполните итоговый проект для вашего портфолио.

1.
Data Architecture
2.
Data Lake
3.
DWH
4.
NoSQL/NewSQL
5.
MLOps
6.
Выпускной проект

Чему вы научитесь

Обрабатывать и хранить большой объем данных
Использовать компоненты экосистемы Hadoop
Работать с реляционными и NoSQL базами данных
Адаптировать датасеты для дальнейшей аналитики
Проектировать хранилища данных

Программа курса

Вам предстоит изучать теоретические материалы и выполнять практические задания для закрепления полученных навыков. 

1.
Продвинутые методы машинного обучения
2.
Сбор данных. Анализ текстовых данных
3.
Анализ Временных рядов
4.
Рекомендательные системы
5.
Дополнительные темы
6.
Проектная работа

Чему вы научитесь

Строить модели машинного обучения
Проектировать рекомендательные системы
Собирать и анализировать данные
Работать в специализированных сервисах
Искать ошибки и фиксить их

Программа курса

Программа курса содержит 8 тематических блоков и 44 темы суммарно. В конце курса - итоговый проект для портфолио и отработки навыков.

1.
Advanced Machine Learning. AutoML
2.
Production
3.
Временные ряды
4.
Рекомендательные системы. Задача ранжирования
5.
Графы
6.
Bayesian Learning, PyMC
7.
Reinforcement Learning
8.
Проектная работа

Чему вы научитесь

Настраивать окружение и писать production код, готовый к внедрению
Работать с AutoML подходами и понимать ограничения в их применении
Понимать и уметь применять Байесовские методы и обучение с подкреплением для соответствующих задач
Решать нестандартные проблемы, возникающие в рекомендательных системах, временных рядах и графах