Вы получите знания и практический опыт которых будет достаточно, чтобы самостоятельно решать задачи классического ML и претендовать на Junior+ позиции Data Scientist.
Регистрация на программу
Нажимая кнопку «Отправить», вы соглашаетесь с условиями обработки персональных данных
Дополнительное профессиональное образование Физтех-школа прикладной математики и информатики МФТИ приглашает пройти обучение на программе Machine Learning Engineer.Обучение проводится совместно с основной магистратурой МФТИ ФПМИ Алгоритмы и технологии программирования.
153 000 р.
Стоимость программы состоящей из курсов. Вы также можете купить курс отдельно
15 300 руб/мес.
Рассрочка на 3, 5, 10 частей без переплат подробнее
Скидки %
15 % на программу и 35% на курс для слушателей ранее проходивших курсы и программы Лаборатории инноватики
Срок обучения
Продолжительность программы 8 месяцев (2 семестра)
Кому подойдет программа
ML-инженерам
Желающим повысить компетенции в области Machine Learning. Программа поможет расширить профессиональные навыки и продвинуться по карьерному пути.
Программистам
Освоите основные алгоритмы машинного обучения, обучите рекомендательную систему, примените полученные навыки Machine Learning на практике.
Аналитикам
Если Вы работаете с большим объемом данных и хотитет систематизировать и углубить знания Machine Learning.
Формат
Поддержка
Учим онлайн из любой точки мира
Записи занятий
Диплом
Чат поддержки студентов 24 часа в сутки
Смотрите запись занятия в удобное время
Пройдите программу и получите диплом о профессиональной переподготовке
Для успешного прохождения нужно владеть Python, знаниями базовой математики, основами линейной алгебры, математической статистики, основами машинного обучения, Spark, Hadoop, Docker.
Не уверены, что готовы к успешному прохождению программы? Пройдите тест и проверьте свои знания
Старт: сентябрь Длительность: 4 месяца Занятия 1 раз в неделю Узнать подробнее
Введение в анализ изображений. ● Изображения. ● Свойства изображения. ● Модели цвета. ● Примеры современных систем и алгоритмов компьютерного зрения. ● Устройство камеры и оптической системы человека.
Классические методы обработки изображений ● Основные задачи обработки изображений. ● Цветокоррекция изображений. Гистограммы, линейная и нелинейная коррекции яркости. Модели камеры и цветокоррекции. ● Конволюции. ● Edge Detection ● Contour Detection ● SURF и SIRF ● Гомография ● Selective search
Введение в глубокое обучение ● Нейронная сеть. ● Функции активации. ● Функции ошибок. Градиентный спуск. ● Оптимизаторы. ● Регуляризация. ● BatchNormalization.
Предобработка данных. Аугментация изображений. Датасеты ● Предобработка данных для нейронной сети. ● Методы аугментации данных. ● MixUp ● Популярные датасеты изображений. ● Kaggle
Конволюционные нейронные сети ● CNN ● MaxPooling ● Модификации CNN ● Архитектуры CNN
Классификация изображений ● Задача классификации изображений ● Метрики качества классификации ● Функции ошибки классификации ● Трюки для улучшения классификации
Сегментация изображений ● Задача сегментации изображений ● Метрики качества классификации ● Архитектуры сегментации ● Функции ошибки сегментации
Детектирование объектов на изображении ● Задача детектирования объектов на изображении ● Метрики качества детекции ● Архитектуры детекции
Идентификация объектов на изображении. Поиск схожих объектов ● Задача идентификации ● Идентификация лиц ● Функции ошибки ● Metic Learning ● Модель CLIP
Распознавание текста на изображении ● Детектирование строк ● Распознавание текста ● CTC loss ● Архитектуры
Обучение без учителя ● Автоэнкодер ● Вариационный автоэнкодер ● Conditional Variational Autoencoder ● Кластеризация полученных векторов ● Few-shot обучение на полученных векторах
GAN ● Задача генерации изображений ● Генеративно-состязательная сеть ● Функция ошибки
Explainable Computer Vision ● CAM ● GradCAM
Заключительная часть ● Другие задачи обработки и анализа изображений ● Дальнейшие пути развити
КУРС МАШИННОЕ ОБУЧЕНИЕ НА БОЛЬШИХ ОБЪЁМАХ ДАННЫХ
Старт: сентябрь Длительность: 4 месяца Занятия 1 раз в неделю
Рекомендательные сервисы в продакшене.
Метрики и базовые подходы.
Классические алгоритмы.
Нейросетевые рекомендеры.
Нерешенные проблемы и новые направлени.
Рекомендации и Reinforcement Learning.
Графы, их виды. Стохастический граф.
Представление графа: матрицы смежности, инцидентности, достижимости. Списки смежности. Алгоритмы перевода из одного представления в другое.
Социальный граф. Задача поиска общих друзей в социальном графе. Язык DSL.
Граф пользовательских предпочтений.
Использование подхода BigData в анализе графов.
Проблемы тематического моделирования при больших данных. AD-LDA, его недостатки, Y!LDA, Mr. LDA. ARTM.
Архитектура библиотеки BigARTM. Online LDA и его применение в Vowpal Wabbit.
КУРС Natural Language Processing
Старт: февраль Длительность: 4 месяца Занятия 1 раз в неделю
Lecture 01:
Theories:
NLP Research Questions and Tasks
Math & Lingustics Background
Chomsky Hierarchy of Grammars and Automata
Text Segmentation
Tokenization and Stemming
Morphology and Universal Morphology Corpus
Word frequncies and Zipf's Law
Collocations and Multi-word Expressions
Practice:
Python Programming & NumPy & Jupyter Notebook
NLTK
Lecture 02:
Theories:
Machine Learning basics
Classifiers, Logistic Regressions
Stochastic Gradient Descend
Vector Space Models and TF-IDFs
Text Classification
Sentiment Analysis
Practice:
PyTorch & TensorFlow
Assignment 1:
Word2Vec
Lecture 03:
Theories:
Distributional Semantics and Word Embeddings
Word2Vec and Evaluation
Softmax and Cross-entropy Loss
GLoVe, Fasttext
Practice:
Word2Vec, Doc2Vec
Assignment:
1st assignment is open.
Lecture 04:
Theories:
Artificial Neural Networks (ANNs)
Multilayer Perceptrons (MLPs)
Backpropagation
Convolutional Neural Networks (CNN)
Text Classification with CNNs
Practice:
Topiс Modeling and Visualization
Lecture 05:
Theories:
Part-of-Speech (POS) Tagging
Named Entity Recognition (NER)
Maximum Entropy (ME)
Sequence Labelling
Hidden Markov Models (HMMs)
Viterbi Search and Forward-Backword Algorithm
Conditional Random Fields (CRFs)
Lecture 06:
Theories:
Neural Language Models
Recurrent Neural Networks (RNNs)
Long Short Term Memory (LSTM) Units
Bi-LSTM-CRF Models for Sequence Labeling
Practice:
Neural Networks Tips and Tricks
Regularizations
Dropout
Initialization
Assignments:
Assignment 1 Answers
Lecture 07:
Theories:
Syntactic Parsing
Treebanks
Probabilistic Phrase Structure Grammars (PCFGs)
Constituent Parings with PCFG
Dependency Parsing
Parsing with Neural Networks
Semantic Role Labeling (optional)
Coreference Resolution (optional)
Discourse Parsing (optional)
Practice:
Final Project Selection
Lecture 08:
Theories:
Statistical Machine Translation
Statistical Language Models
IBM Models
Log-linear Framework and Phrase-based Models
Beam Search Decoding
Machine Translation Evaluation and BLEU
Sequence-to-sequence Models
Attention Mechanisms
RNN-based Neural Machine Translation (NMT)
Practice:
RNN-based NMT
Lecture 09:
Theories:
Subword Level and Character Level NMT
Transformers
Transformer-based NMT
Pre-trained Language Models
BERT
GPT-2
Practice:
Transformers
Lecture 10:
Theories:
Question Answering
Semantic Parsing (optional)
Dialog
Lecture 11 (Guest):
Theories:
Guest Lectures
Practice
Lecture 12 (Project Presentation):
Practice:
Final Project Presentation
Как проходит обучение
Запись занятий и доступ на время обучения. Вы сможете пересмотреть занятие в записи, чтобы лучше усвоить пройденную тему.
Не прощаемся после курсов. Делимся информацией о тематических конференциях, вебинарах, вакансиях и стажировках.
Поддержка от преподавателей в чате курса. Вы будете добавлены в чат, где сможете общаться со своими сокурсниками, куратором школы и преподавателем: задавать вопросы, делиться опытом.
Лекции и семинары с преподавателем МФТИ. Все преподаватели — признанные профессионалы в своей области. Занятия совмещают теорию и практику. Вы видите экран преподавателя, задаете вопросы, получаете обратную связь.
Тесты в качестве промежуточной проверки знаний. Домашние задания с обратной связью. Проектная работа.
Преподаватели программы
Олег Ивченко, руководитель программы
Разработчик системы HJudge - системы автоматизированного тестирования Hadoop-приложений, системный администратор инфраструктуры больших данных в группе Яндекс-CERN, преподаватель курсов по обработке больших данных в МФТИ, ВШЭ, ШАД, Harbour.Space
Валентин Малых, преподаватель
Научный сотрудник Лаборатории нейронных систем и глубокого обучения МФТИ/Senior Research Scientist at Huawei
Николай Анохин, преподаватель
Программист-исследователь VK, специалист в области машинного обучения и обработки больших данных
Мурат Апишев, преподаватель
Руководитель направления RnD в сфере NLU/NLP компании Just AI, старший преподаватель МФТИ, лектор онлайн-курсов "Нетология"
Олег Николаевич Ивченко
Разработчик системы HJudge - системы автоматизированного тестирования Hadoop-приложений, системный администратор инфраструктуры больших данных в группе Яндекс-CERN, преподаватель курсов по обработке больших данных в МФТИ, ВШЭ, ШАД, Harbour.Space
Валентин Малых, преподаватель
Научный сотрудник Лаборатории нейронных систем и глубокого обучения МФТИ/Senior Research Scientist at Huawei
Николай Анохин, преподаватель
Программист-исследователь VK, специалист в области машинного обучения и обработки больших данных
Мурат Апишев, преподаватель
Руководитель направления RnD в сфере NLU/NLP компании Just AI, старший преподаватель МФТИ, лектор онлайн-курсов "Нетология"
Команда курса
Мы поможем пройти обучение до конца
Преподаватель
проведёт занятие, организует практическую работу, проверит домашние задания, ответит на вопросы в рамках дополнительной консультации, на связи во время и после обучения.
Ассистент преподавателя
поможет с проверкой домашних заданий, с ответами на вопросы и даст обратную связь в чате во время лекции.
Куратор
корректирует обучающую программу, собирает обратную связь от слушателей,ответит на организационные вопросы, напомнит о сроках сдачи, поможет соорентироваться на курсе, мотивируя вас к обучению.
Гарантируем вернуть деньги
У вас есть два занятия, чтобы попробовать. Если передумаете учиться, напишите об этом менеджеру — и мы вернём всю сумму или переведём на другой курс или программу.
Записаться
Отзывы
Антон
Курс «Анализ текста» , 1 поток
Отличный курс для всех кому интересно погрузиться в тему обработки естественного языка с помощью машинного обучения. Курс подойдет как совсем новичкам, так и тем, у кого уже есть бэкграунд в этой области. Вы начнете с простых статистических подходов и закончите написанием своих deep learning языковых моделей. Этот курс можно сочетать с работой или учебой где-то еще.
Антон
Курс «Анализ текста» , 1 поток
Отличный курс для всех кому интересно погрузиться в тему обработки естественного языка с помощью машинного обучения. Курс подойдет как совсем новичкам, так и тем, у кого уже есть бэкграунд в этой области. Вы начнете с простых статистических подходов и закончите написанием своих deep learning языковых моделей. Этот курс можно сочетать с работой или учебой где-то еще.
Кто может получить дополнительное профессиональное образование
Курсы повышения квалификации или профессиональной переподготовки могут проходить две категории слушателей:
те, у кого уже есть среднее или высшее профессиональное образование;
те, кто еще учится в колледжах или вузах и не получил диплом.
Студенты колледжей и вузов могут параллельно учиться по программам ДПО, но удостоверения о повышении квалификации или дипломы о профессиональной переподготовке им выдадут только после того, как будет окончен курс основного образования и на руках у выпускника будет диплом вуза или колледжа.
Часто задаваемые вопросы
Занятия проходят 1-2 раза в неделю по 2-4 академических часа, по предварительно составленному расписанию. Преподаватель проводит практические занятия дистанционно, в форме вебинаров с использованием платформы ZOOM или аналогичной. Самостоятельная работа выполняется слушателем в удобном для слушателя режиме. Параллельно с обучением Вы будете добавлены в чат, где сможете общаться со своими сокурсниками, куратором школы и преподавателем: задавать вопросы, делиться опытом
Вы сможете пересмотреть занятие в записи, если не смогли присоединиться или хотите повторить пройденную тему. Запись будет доступна на следующий день после занятия и далее на весь срок обучения.
Если почувствуете, что нагрузка слишком велика, то вы можете:
Перенести сроки обучения на следующий поток. Перейти на другой курс обучения. Вы сможете сделать возврат средств за ту часть обучения, которую не прошли. К примеру, вы оплатили обучение целиком, но отучились только два месяца — мы вернём деньги за оставшиеся месяцы обучения.
Закончив успешно курсы входящие в профессию вы получите диплом о профессиональной переподготовке МФТИ.
Вы можете оплатить всю стоимость обучения сразу, а также оплатить обучение в рассрочку. Первый платеж должен быть осуществлен до начала обучения.
После подтверждения участия в программе, мы высылаем оферту с графиком платежей и ссылку на оплату. Оплатить можно банковской картой. После оплаты Вам придут: 1. Письмо с ссылками на подключения в чат и страница с актуальной информацией о курсе. 2. Письмо с формой Регистрационной анкеты (необходимо загрузить копии паспорта и диплома о высшем или среднем профессиональном образовании). 3. За три дня до старта курса придет письмо с расписанием лекций.
Мы подбираем преподавателей в соответствии с задачами, опытом и уровнем участников программы.
Для того чтобы начать обучение Вы должны иметь диплом о высшем или среднем профессиональном образовании или справку о том, что обучаетесь сейчас. Возможность уделять время учебе не менее 8 часов в неделю. Иметь базовые знания по содержанию курса.
Занятия проходят 1-2 раза в неделю по 2-4 академических часа, по предварительно составленному расписанию. Преподаватель проводит практические занятия дистанционно, в форме вебинаров с использованием платформы ZOOM или аналогичной. Самостоятельная работа выполняется слушателем в удобном для слушателя режиме. Параллельно с обучением Вы будете добавлены в чат, где сможете общаться со своими сокурсниками, куратором школы и преподавателем: задавать вопросы, делиться опытом
Вы сможете пересмотреть занятие в записи, если не смогли присоединиться или хотите повторить пройденную тему. Запись будет доступна на следующий день после занятия и далее на весь срок обучения.
Если почувствуете, что нагрузка слишком велика, то вы можете:
Перенести сроки обучения на следующий поток. Перейти на другой курс обучения. Вы сможете сделать возврат средств за ту часть обучения, которую не прошли. К примеру, вы оплатили обучение целиком, но отучились только два месяца — мы вернём деньги за оставшиеся месяцы обучения.
Закончив успешно курсы входящие в профессию вы получите диплом о профессиональной переподготовке МФТИ.
Вы можете оплатить всю стоимость обучения сразу, а также оплатить обучение в рассрочку. Первый платеж должен быть осуществлен до начала обучения.
После подтверждения участия в программе, мы высылаем оферту с графиком платежей и ссылку на оплату. Оплатить можно банковской картой. После оплаты Вам придут: 1. Письмо с ссылками на подключения в чат и страница с актуальной информацией о курсе. 2. Письмо с формой Регистрационной анкеты (необходимо загрузить копии паспорта и диплома о высшем или среднем профессиональном образовании). 3. За три дня до старта курса придет письмо с расписанием лекций.
Мы подбираем преподавателей в соответствии с задачами, опытом и уровнем участников программы. Вы получите актуальные знания и навыки на рынке.
Для того чтобы начать обучение Вы должны иметь диплом о высшем или среднем профессиональном образовании или справку о том, что обучаетесь сейчас. Возможность уделять время учебе не менее 8 часов в неделю. Иметь базовые знания по содержанию курса.
Почему стоит выбрать МФТИ
1 место
в рейтинге Superjob в сфере
ТОП 3
в рейтинге Forbes лучших вузов России
10 нобелевских лауреатов
среди выпускников и преподавателей
Более 80
академиков и членов-корреспондентов РАН
Почему Вам стоит выбрать МФТИ
1 место
в рейтинге Superjob в сфере
ТОП 3
в рейтинге Forbes лучших вузов России
10 нобелевских лауреатов
среди выпускников и преподавателей
Более 80
академиков и членов-корреспондентов РАН
Андрей Райгородский о ФПМИ МФТИ
Доктор физико-математических наук, профессор, директор Физтех-школы прикладной математики и информатики (ФПМИ)
“Физтех-школа прикладной математики и информатики (ФПМИ) МФТИ – безусловно ведущий мировой центр науки и образования в области математики и информатики. Особенность нашей школы заключается в том, что она сочетает в себе активную научную деятельность и тесную связь с индустрией. На сегодняшний день школа включает в себя 28 кафедр и 22 лаборатории от ключевых академических институтов и ключевых представителей IT-индустрии: Яндекс, Тинькофф, Сбербанк, VK, Abbyy, 1C, Huawei и другие.
Наша школа и МФТИ в целом гордимся своими выпускниками, например, мы занимаем первое место в рейтинге вузов России по уровню зарплат занятых в IT-отрасли специалистов ".
Подать заявку и получить консультацию
Нажимая кнопку «Отправить», вы соглашаетесь с условиями обработки персональных данных
Оплата обучения возможна в рассрочку (только для физических лиц)
ПОДРОБНЕЕ
Оплата обучения возможна в рассрочку (только для физических лиц)
ПОДРОБНЕЕ
Рассрочка на оплату обучения для физических лиц
По каждой из предлагаемых программ/курсов, имеется возможность оплаты обучения в рассрочку.
Условия рассрочки:
Полная стоимость обучения при использовании рассрочки не изменяется. Рассрочка беспроцентна, оформление рассрочки бесплатно.
Детали рассрочки описаны в оферте на каждую соответствующую программу/курс, в Приложении № 1 – График платежей.
В Графике платежей указаны контрольные даты, на которые слушателем суммарно за всё предшествующее такой дате время должна быть перечислена указанная в графике платежей соответствующая сумма, или превышающая её сумма (но не более полной стоимости обучения). Например:
Оплата через равные промежутки времени платежами одинакового размера
Оплата одним платежом в размере стоимости всего обучения
Все описанные варианты допустимы, если на каждую из обозначенных в графике платежей дат внесено платежей на сумму не меньше указанной.