3 семестра
в неделю
или дистанционно
Специалист, который умеет на основе потребностей бизнеса формулировать задачи анализа данных. Он понимает, какие данные нужны, умеет находить в них нетривиальные закономерности и разрабатывает точные прогнозные модели, когда дело доходит до машинного обучения. Data Scientist умеет организовать валидацию качества и провести оценку эффекта от использования модели.
Может не только решить задачу с помощью машинного обучения, но и реализовать свое решение в продакшене. Чтобы стать ML Engineer, нужно быть хорошим разработчиком, уметь оптимизировать код, включающий в себя научные вычисления, а также эффективно применять алгоритмы и структуры данных.
Собирает и готовит данные, чтобы Data Scientist и ML Engineer могли обучать и внедрять алгоритмы и модели машинного обучения. Data Engineer может обработать петабайты логов и достать из них самое важное, а также знает, как наладить процесс регулярной выгрузки и объединения противоречивых или неполных данных из нескольких источников.
Окончил
Автор более 170 научных публикаций по машинному обучению, анализу алгоритмов, автор нескольких книг, в том числе бестселлера «Глубокое обучение», а также создатель авторских курсов по машинному обучению, глубокому обучению и другим разделам Computer Science в СПбГУ, НИУ ВШЭ и Harbour Space University.
Преподаватель кафедры математической статистики и случайных процессов мехмата МГУ.
Написал книгу «Наглядная математическая статистика» (7-е издание вышло в 2019 году) и перевел с английского учебник К. Л. Чжун, Ф. АитСахлиа «Элементарный курс теории вероятностей. Стохастические процессы и финансовая математика». Написал более 50 научных статей, консультировал и исследовал данные для 20 кандидатских и 4 докторских диссертаций по медицине, участвовал во множестве прикладных исследований для коммерческих компаний и некоммерческих организаций.
Профессор-исследователь Факультета компьютерных наук департамента больших данных и информационного поиска. Член Ученого совета НИУ ВШЭ.
Заведующий Лабораторией компании Самсунг, Центра глубинного обучения и байесовских методов.
Эксперт в области байесовских и нейробайесовских методов машинного обучения. Автор более сотни научных статей.
Закончил факультет вычислительной математики и кибернетики МГУ. Сейчас руководит группой машинного обучения Почты и Облака в VK. Эксперт в обработке больших данных, построении высоконагруженных систем, компьютерном зрении, обработке текстов, а также защите пользователей от спама и взломов. Работал над такими продуктами VK как Почта, Облако, Artisto и Vision.
Дмитрий закончил Санкт-Петербургский Государственный Университет в 2004 году. В 2007 защитил кандидатскую по формально-логическим методам. Почти 9 лет проработал в аутсорсинге, не теряя контакта с университетом и научной средой. Сейчас Дмитрий работает управляющим директором по развитию платформы рекомендательных систем дивизиона Массовая персонализация Сбербанка — это возможность совместить научный фундамент и теоретическую подготовку с разработкой реальных продуктов.
Соавтор и преподаватель специализации «Машинное обучение и анализ данных» на Coursera, создатель курса «Data Mining in Action». Ранее — Chief Data Scientist в «Яндекс. Такси», также работал в Yandex Data Factory и ABBYY. В данный момент работает Chief Data Scientist в МТС.
На протяжении 10 лет Алексей получал практический опыт на реальных задачах таких компаний, как Amazon AWS, Yandex, Rambler. Руководит совместным с «Яндекс» международным проектом «Big Data for Data Engineers» и является экспертом АСИ, а также Founder & СEO в BigData Team.
Имеет обширный преподавательский опыт ML / Big Data / CDO в вузах и курсах (МГУ, ВШЭ, МФТИ, ШАД, Harbour Space University, Университет НТИ 20.35).
Руководитель направления в Сбербанке. Отвечает за полный жизненный цикл разработки, тестирования и деплоя нескольких систем для расчета корпоративно-инвестиционных рисков. Участвует в составлении учебного плана на кафедре СберТеха в МФТИ, преподает курсы по Java и по распределенным системам.
Закончил механико-математический факультет МГУ им. М. В. Ломоносова и защитил кандидатскую диссертацию. Прошел путь от программиста до руководителя группы разработки технологий извлечения онтологической информации из текстов на естественном языке в компании ABBYY. Сейчас работает над гео-проектами в «Яндекс.Такси», подключением беспилотного такси, подсказками адресов пользователю и рядом других задач сервиса заказа такси.
Имеет обширный преподавательский опыт в образовательном проекте «Технопарк», Московском Физико-Техническом Институте, ABBYY.