Машинное обучение и Data Science

Чему научитесь

• Анализируешь данные, строишь модель и честно её оцениваешь.
• Понимаешь, где работают классический ML и нейросети.
• Собираешь NLP/LLM-проект с fine-tuning и RAG.
• Деплоишь модель как API.
• Собираешь портфолио для GitHub/HuggingFace.

Программа по модулям

1. 01

   Python и данные

   • numpy, pandas
   • EDA — разведочный анализ

   Проект: Провести EDA на реальном датасете и написать отчёт.

2. 02

   Классический ML

   • Регрессия, деревья, градиентный бустинг
   • Валидация без утечек данных

   Проект: Обучить и провалидировать модель на табличных данных.

3. 03

   Метрики и эксперименты

   • ROC-AUC vs PR-AUC, калибровка
   • Основы A/B-тестов

   Проект: Сравнить две модели по правильной метрике.

4. 04

   Основы Deep Learning

   • PyTorch, тензоры, autograd
   • Цикл обучения сети

   Проект: Обучить небольшую нейросеть с нуля.

5. 05

   NLP и LLM

   • Трансформеры, эмбеддинги
   • Fine-tuning (LoRA), RAG

   Проект: Собрать RAG-систему по своим документам.

6. 06

   Продакшен

   • Инференс, квантизация
   • Деплой на FastAPI / vLLM

   Проект: Выкатить модель как API и проверить под нагрузкой.