Собираем базу и проводим через практику так, чтобы p95 (медленные запросы) падал, релизы происходили чаще, а MTTR инцидентов сокращался.
📨 Карта навыков → модули курса → что меняется «в бою»
Python + NumPy/pandas → модули «Python для DS», «ML-библиотеки»
В бою: быстрее готовишь датасеты и дебажишь пайплайн → MTTR↓ (исправления быстрее), скорость экспериментов↑.
SQL (включая оконные) → модуль «SQL»
В бою: быстрый разбор аномалий, стабильные витрины → меньше инцидентов, служебные запросы p95↓.
A/B-тестирование → модуль «Эксперименты»
В бою: меньше «слепых» релизов и откатов → частота релизов↑, доля неудачных деплоев↓.
Classic ML (sklearn) → модуль «Базовые и продвинутые ML-модели»
В бою: быстрые базлайны и интерпретация → время до результата↓, прозрачность решений↑.
DL на PyTorch → модуль «Deep Learning»
В бою: контроль над инференсом и форм-фактором модели → p95↓ (FP16/квантизация), стоимость инференса↓.
NLP / Временные ряды / Рекомендательные → соответствующие модули
В бою: прирост продуктовых метрик (CTR/конверсии/retention) без деградации SLO → релизим смелее и чаще.
Git + воспроизводимость → «Версионирование и процесс»
В бою: повторяемые эксперименты, чистые MR → частота релизов↑, MTTR↓ (легче откатиться/прокрутить эксперимент).
🤩 Посмотреть программу ML
Кто ведёт: практикующие инженеры и кандидаты наук. Без воды — только то, что работает на проектах.
🤩 Кейсы выпускников
#ml #job #навыки