робота над реальними завданнями під керівництвом провідних ml-фахівців.
На симуляторі ви отримаєте доступ до інфраструктури і завдань різного рівня, які підготували ml-інженери з досвідом роботи в рітейлі, e-commerce і BigTech-компаніях.
Тут вас чекає практика на завданнях, максимально наближених до реальних, і в оточенні, максимально схожому на робоче. Ви зможете почати з комфортного для вас рівня складності і підвищувати його в міру розвитку ваших навичок. Закріпивши знання на кейсах з індустрії, ви підготуєте себе до вирішення аналогічних завдань на роботі.
Для кого ця програма:
1. Хочете відпрацювати знання на практиці
Вже вмієте навчати і деплоіть ml-моделі, писати SQL-запити до баз даних, проводити a/b-тести і будувати BI-дашборди, але хочете закріпити свої знання.
2. Ніколи не працювали в індустрії
Добре розбираєтеся в теорії машинного навчання, але ніколи не працювали в індустрії і хочете отримати досвід вирішення реальних бізнес-завдань.
як проходить навчання:
1. Використовуйте нашу інфраструктуру
Динамічне ціноутворення
Компанія X6 управляє тисячами магазинів по всій країні. Перед нею стоїть завдання встановлювати ціни товарів так, щоб отримувати стабільний прибуток, при цьому утримуючи покупців. Ви розробите алгоритм, які максимізує виручку для цільової маржі.
#optimization #python #oop #matrix_algebra
ПРОГНОЗ відтоку
Karpov.Courses хоче розуміти, які студенти стали рідше заходити в Симулятор. Вирішіть задачу-квест розробки моделі відтоку, пройшовши кілька етапів: від покрокового написання SQL-запиту з віконними функціями для побудови датасета — до побудуйте довірчих інтервалів для передбачень моделі і її деплоя.
#sql #linear_models #python #etl #stats #ab_testing #math
Впевненість моделі
Ми прогнозуємо обсяги продажів маркетплейсу для мільйонів товарів за допомогою градієнтного бустингу. Стейкхолдери звертаються з питанням: наскільки ми впевнені в прогнозах моделі? Ваше завдання оцінити надійність її прогнозів для даних в майбутньому.
#tree_based_models #sql #stats #time_series #etl
ЕМБЕДДИНГИ товарів
Ml-команді маркетплейса потрібні були векторні уявлення товарів, щоб знаходити Схожі товари. Побудуйте ембеддинги товарів на основі патернів поведінки покупців, використовуючи методи колаборативної фільтрації.
#matrix_factorization #sql #embeddings #recsys #knn #matching
Паралельна обробка даних
Ваш колега займається обробкою природної мови. Однак алгоритм у поточній реалізації працює повільно. Озброївшись новими знаннями про паралельні обчислення, люб'язно погодилися йому допомогти.
#optimization #python
UPLIFT-ДЕРЕВО
Відділ маркетингу запускає SMS-розсилки, щоб привернути увагу клієнтів компанії. Вам належить оцінити їх ефективність, вирішуючи задачу Uplift моделювання. Ви зрозумієте як працювати з цим завданням зсередини, написавши свою версію uplift-дерева з нуля.
#oop #python #tree_based_models #metrics #math
На симуляторі ви отримаєте доступ до інфраструктури і завдань різного рівня, які підготували ml-інженери з досвідом роботи в рітейлі, e-commerce і BigTech-компаніях.
Тут вас чекає практика на завданнях, максимально наближених до реальних, і в оточенні, максимально схожому на робоче. Ви зможете почати з комфортного для вас рівня складності і підвищувати його в міру розвитку ваших навичок. Закріпивши знання на кейсах з індустрії, ви підготуєте себе до вирішення аналогічних завдань на роботі.
На симуляторі ви отримаєте доступ до інфраструктури і завдань різного рівня, які підготували ml-інженери з досвідом роботи в рітейлі, e-commerce і BigTech-компаніях.
Тут вас чекає практика на завданнях, максимально наближених до реальних, і в оточенні, максимально схожому на робоче. Ви зможете почати з комфортного для вас рівня складності і підвищувати його в міру розвитку ваших навичок. Закріпивши знання на кейсах з індустрії, ви підготуєте себе до вирішення аналогічних завдань на роботі.
Для кого ця програма:
1. Хочете відпрацювати знання на практиці
Вже вмієте навчати і деплоіть ml-моделі, писати SQL-запити до баз даних, проводити a/b-тести і будувати BI-дашборди, але хочете закріпити свої знання.
2. Ніколи не працювали в індустрії
Добре розбираєтеся в теорії машинного навчання, але ніколи не працювали в індустрії і хочете отримати досвід вирішення реальних бізнес-завдань.
як проходить навчання:
1. Використовуйте нашу інфраструктуру
- працюйте з усіма необхідними інструментами на виділеному сервері.
- практикуйтеся на даних з реальних завдань.
- відправляйте свої рішення на автоматичну перевірку нашою системою.
- вирішуйте актуальні завдання ml-інженера.
- займайтеся практикою без нудної теорії.
- головне-це працююче рішення.
- вирішуйте завдання різних рівнів: від Intern до Senior
- пишіть нескладний код або створюйте повноцінні ml-сервіси
- Будувати дашборди і писати SQL запити.
- Оцінювати вплив моделей на показники бізнесу за допомогою A/B-тестів.
- Деплоіть моделі і створювати свої мікросервіси для ML
Динамічне ціноутворення
Компанія X6 управляє тисячами магазинів по всій країні. Перед нею стоїть завдання встановлювати ціни товарів так, щоб отримувати стабільний прибуток, при цьому утримуючи покупців. Ви розробите алгоритм, які максимізує виручку для цільової маржі.
#optimization #python #oop #matrix_algebra
ПРОГНОЗ відтоку
Karpov.Courses хоче розуміти, які студенти стали рідше заходити в Симулятор. Вирішіть задачу-квест розробки моделі відтоку, пройшовши кілька етапів: від покрокового написання SQL-запиту з віконними функціями для побудови датасета — до побудуйте довірчих інтервалів для передбачень моделі і її деплоя.
#sql #linear_models #python #etl #stats #ab_testing #math
Впевненість моделі
Ми прогнозуємо обсяги продажів маркетплейсу для мільйонів товарів за допомогою градієнтного бустингу. Стейкхолдери звертаються з питанням: наскільки ми впевнені в прогнозах моделі? Ваше завдання оцінити надійність її прогнозів для даних в майбутньому.
#tree_based_models #sql #stats #time_series #etl
ЕМБЕДДИНГИ товарів
Ml-команді маркетплейса потрібні були векторні уявлення товарів, щоб знаходити Схожі товари. Побудуйте ембеддинги товарів на основі патернів поведінки покупців, використовуючи методи колаборативної фільтрації.
#matrix_factorization #sql #embeddings #recsys #knn #matching
Паралельна обробка даних
Ваш колега займається обробкою природної мови. Однак алгоритм у поточній реалізації працює повільно. Озброївшись новими знаннями про паралельні обчислення, люб'язно погодилися йому допомогти.
#optimization #python
UPLIFT-ДЕРЕВО
Відділ маркетингу запускає SMS-розсилки, щоб привернути увагу клієнтів компанії. Вам належить оцінити їх ефективність, вирішуючи задачу Uplift моделювання. Ви зрозумієте як працювати з цим завданням зсередини, написавши свою версію uplift-дерева з нуля.
#oop #python #tree_based_models #metrics #math
На симуляторі ви отримаєте доступ до інфраструктури і завдань різного рівня, які підготували ml-інженери з досвідом роботи в рітейлі, e-commerce і BigTech-компаніях.
Тут вас чекає практика на завданнях, максимально наближених до реальних, і в оточенні, максимально схожому на робоче. Ви зможете почати з комфортного для вас рівня складності і підвищувати його в міру розвитку ваших навичок. Закріпивши знання на кейсах з індустрії, ви підготуєте себе до вирішення аналогічних завдань на роботі.
https://privatelink.de/?https://karpov.courses/simulator-ml