Учим избавляться от рутины во внутренних процессах жизненного цикла моделей и повышать эффективность своей работы.

AutoML in practice

Современные подходы и инструменты для исследований на данных, разработки и внедрения ML-решений в production.

MLOps и production в DS исследованиях 3.0

Продвинутые подходы и инструменты для разработки и внедрения ML-решений в production.

MLOps и production подход к ML исследованиям 2.0

Дизайн систем машинного обучения. Введение для начинающих.

ML System Design. Autumn 22/23

Natural Language Processing (NLP) is a domain of research whose objective is to analyze and understand human languages and develop technologies to enable human machine interactions with natural languages. NLP is an interdisciplinary field involving linguistics, computer sciences and artificial intelligence. The goal of this course is to provide students with comprehensive knowledge of NLP. Students will be equiped with the principles and theories of NLP, as well as various NLP technologies, including rule-based, statistical and neural network ones. After this course, students will be able to conduct NLP research and develop state-of-the-art NLP systems.

Natural Language Processing course (stream 3, autumn 2022)

Трек ВТБ будет посвящен fusion идеям, которые заключаются не в поисках маржинального улучшения в конкретных узких областях ML, а идеям извлечения большого business value из концепции объединения данных, синергии модельных подходов и процессов. Например, концепции объединения или переноса алгоритмов из одной области машинного обучения в другую. И даже fusion процессов в машинном обучении.

Data Fusion 2020

ML in Marketing: ML для задач маркетинга. Привлечение, удержание, работа с узнаваемостью, где вашему бизнесу пригодится ML уже сегодня.

Uplift & CJM

Цель трека - создание сообщества для решения актуальных проблем интерпретируемости моделей машинного обучения и выявления причинно-следственных связей в них.

Interpretable & Causal ML

В каких кейсах использовать аплифт модели? Какие бывают типы моделей, как их обучить? Как оценить качество? Как подготовить обучающую выборку? Как провести АБ тест с аплифт моделью? Все это вы узнаете из курса по uplift моделированию от создателей библиотеки scikit-uplift.

Active