Годовой курс 288 часов · 8 модулей · 70% практики · 10+ проектов в портфолио
От Python и анализа данных до собственных нейросетей, компьютерного зрения, обработки текстов и генеративного ИИ. Всё на реальных проектах.
- 🎓 Школьник 14+, мечтающий об ИИ (Data Science, ML)
- 💼 Специалист, который хочет расти (аналитик, программист, маркетолог)
- 🔄 Хотите сменить профессию (путь в ML с нуля)
- 🚀 Предприниматель (понимать технологии изнутри)
- 👨🏫 Преподаватель (вести современные курсы)
- 🤔 Просто любопытный человек
Модуль 1. Python для анализа данных (36 ч)
- Основы Python: переменные, типы, условия, циклы, функции — 10 ч
- Структуры данных: списки, словари, множества — 8 ч
- Работа с файлами, JSON, CSV, API — 6 ч
- Ошибки, отладка, стиль кода — 4 ч
- Jupyter Notebook и среда разработки — 4 ч
- Проект: парсер и визуализация данных с GitHub — 4 ч
Модуль 2. Анализ и визуализация данных (36 ч)
- Pandas: таблицы, фильтрация, группировка, слияние — 10 ч
- Очистка данных: пропуски, выбросы, дубликаты — 6 ч
- Визуализация: Matplotlib, Seaborn — 8 ч
- Разведочный анализ (EDA): гипотезы и выводы — 6 ч
- Проект: полный анализ реального датасета + отчёт — 6 ч
Модуль 3. Статистика для машинного обучения (36 ч)
- Описательная статистика и распределения — 6 ч
- Вероятность, условные вероятности, теорема Байеса — 8 ч
- Проверка гипотез, доверительные интервалы — 8 ч
- Корреляция, регрессия, метрики качества — 8 ч
- Практикум: статистика в NumPy и SciPy — 6 ч
Модуль 4. Классическое машинное обучение (36 ч)
- Задачи ML: регрессия, классификация, кластеризация — 4 ч
- Линейные модели, логистическая регрессия — 6 ч
- Деревья решений, случайный лес, градиентный бустинг — 8 ч
- Метрики, кросс-валидация, переобучение — 6 ч
- Scikit-learn: полный пайплайн модели — 6 ч
- Проект: прогнозная модель на реальных данных — 6 ч
Модуль 5. Нейронные сети: архитектура и обучение (36 ч)
- Как устроен нейрон: от перцептрона до многослойных сетей — 6 ч
- Функции активации, функции потерь, обратное распространение — 8 ч
- PyTorch: тензоры, авто-градиент, обучение модели — 10 ч
- Оптимизаторы, регуляризация, батч-нормализация — 6 ч
- Проект: нейросеть с нуля на PyTorch — 6 ч
Модуль 6. Компьютерное зрение (36 ч)
- Изображения как данные: пиксели, каналы, аугментация — 6 ч
- Свёрточные сети (CNN): слои, пулинг, архитектуры — 10 ч
- Классификация и детекция объектов — 8 ч
- Перенос обучения: дообучение готовых моделей — 6 ч
- Проект: классификатор/детектор на своём датасете — 6 ч
Модуль 7. Обработка текстов и большие языковые модели (36 ч)
- Текст как данные: токенизация, векторизация, эмбеддинги — 6 ч
- Рекуррентные и трансформерные архитектуры — 8 ч
- Работа с LLM через API: промптинг, тонкая настройка — 10 ч
- RAG: базы знаний для языковых моделей — 6 ч
- Проект: ИИ-ассистент по документам — 6 ч
Модуль 8. Генеративный ИИ и итоговый проект (36 ч)
- Генеративные модели: VAE, GAN, диффузионные модели — 6 ч
- Генерация изображений: Stable Diffusion и аналоги — 6 ч
- Мультимодальные модели и агенты — 4 ч
- Деплой модели: API, веб-приложение, облако — 6 ч
- Итоговый проект: собственная ML/ИИ-система — 10 ч
- Защита проектов и карьерный разбор — 4 ч
- Живой код на каждом занятии
- Наставник и менторство (ревью кода, разборы)
- Проектный портфель (10+ проектов на GitHub)
- Современный стек: Python, Pandas, Scikit-learn, PyTorch, Hugging Face, LLM API
- Python на уровне junior
- Анализ данных, обучение моделей, CV и NLP
- Деплой решений, портфолио, понимание карьерного пути
- Группа онлайн — ₽/мес (до 8 чел.)
- Индивидуально — ₽/занятие
- Корпоративный — ₽/группа
