Менеджмент и создание AI и BigData продуктов

Управление продуктом
23900,00
р.
29900,00
р.
Формат курса и программа (6 занятий и воркшопов):
1) Практика после каждого занятия
2) Помощь и проверка ДЗ от персонального ментора
3) По курсу можно идти со своей скоростью (среднее время прохождения: 1-1,5 месяца)
4) Все материалы будут доступны и после окончания курса
5) В процессе обучения вы защищаете диплом

"Определение бизнесовых точек роста компании, в которых может помочь ML.
Формирование концепции функциональности, требующей AI/BigData"
Спикер: Алексей Авдей (Сбербанк)
● AI-продукты и тренды их внедрения.
● Обзор продуктов, которые используют AI.
● Объясняем, зачем компаниям нужен AI/ML.
● Детальный разбор 1-2 продуктов и необходимости использования ML в них.
● Учимся разбираться, в каких случаях поможет ML, а в каких нет.
● Учимся понимать, какие проблемы проще решить с помощью AI/ML, а какие сложно.
● Постановка чётких целей для AI/BigData-проектов.
Что узнаю: в каких бизнес-задачах AI / Big Data поможет, а где нет.

"Чеклист внедрения ML-задач в компании и команде"
Спикер: Роман Абрамов (Carprice)
● AI для ваших задач. Построение AI-стратегии.
● Оценка профита от внедрения AI/ML-функциональности.
● Оценка трудоёмкости AI/ML-задач для правильного планирования.
● Как снизить риски неудачного завершения AI/ML-проектов.
● Разбор кейсов внедрения и оценки AI-задач.
Что узнаю: научусь делать оценку трудоёмкости AI/BigData-задач.

"Лучшие практики работы с BigData/ML-командой"
Спикер: Андрей Менде (Booking.com)
● Разбираем, какие нюансы (новые типы принимаемых решений) приходится принимать менеджеру по продукту при общении с AI/ML-командой.
● Достаточно ли обучена выборка? Чистые ли данные? Выбрали ли мы правильный набор данных? В чём могу быть проблемы на продакшене?
● Глоссарий основных терминов (learning, unsupervised learning, neural networks).
● Построение правильной культуры в команде. Как тестировать ML-продукты.
Что узнаю: научусь работать со спецификой AI/BigData-команды

"Работа с датасетами и моделями. Выбор фичей"
Спикер: Ксения Петрова (Skyeng)
● В чём сила и нюансы датасетов. Как происходит сбор и очистка данных и что об этом должен знать менеджер.
● Юридические стороны вопроса.
● Что такое «фичи» в ML и как их правильно выбирать.
Выбор и составление модели. Как выбирают и обучают модель.
● Реальный пример с использованием инструмента Google's AutoML.
● Описание стандартных кейсов: обработка видео, эмоции, работа с изображениями, вытаскивание параметров.
Что узнаю: научусь эффективнее работать с AI/BigData-инженерами за счёт лучшего понимания специфики их работы

"Workshop: создание и запуск датасета"
Спикер: Юрий Буйлов (Carprice)
● Практическая работа с инструментами Яндекс.Толока и Google's AutoML.
● Создаём датасет, выбираем фичи, получаем первый результат и сами понимаем как работает ML-команда.
Что узнаю: пойму, что в работе AI/BigData-инженеров нет никакой магии :)

"Валидация бизнес-результатов запуска AI/ML-функциональности"
Спикер: Михаил Карпов (ex-VK/Яндекс)
● Разбираемся, как измерять профит и принимать решения по собранным моделям.
● В каких случаях не стоит выкатывать в продакшен полученные модели.
● Поддержка внедренных ML- и BigData-решений.
Что узнаю: научусь оценивать запуски AI/BigData-функциональности и выстраивать работу по её поддержанию и развитию

Тип курса: Мини

Click to order
Ваш заказ
Total: 
Ваше ФИО
Ваш номер телефона