Формат
Онлайн
Стоимость
от 55 000 ₽
/ 290 000 ₸
Машинное обучение с BigData Team
Лучший способ погрузиться в Data Science для IT-специалистов. Получите практические навыки по машинному обучению и реализуйте итоговый проект при поддержке наставников из отрасли.
Старт курса
14 сентября 2026
Длительность
10 недель
Для кого
Курс для IT-специалистов, которые хотят перейти
от работы с данными к созданию ML-решений
Вы сможете дополнить свою текущую экспертизу инструментами
машинного обучения, нейронных сетей и Big Data и применять
их в своих профессиональных задачах
Курс для IT-специалистов, которые хотят перейти
от работы с данными к созданию ML-решений
Вы сможете дополнить свою текущую экспертизу инструментами
машинного обучения, нейронных сетей и Big Data и применять
их в своих профессиональных задачах
- РазработчикамВы программируете, но хотите расширить профессиональные возможности и получить практические навыки в машинном обучении? Вы научитесь строить модели машинного обучения и нейронные сети, правильно использовать инструменты для работы с большими данными.
- АналитикамХотите освоить машинное обучение, чтобы решать более сложные и интересные аналитические задачи? Вы научитесь строить модели машинного обучения и использовать инструменты работы с большими данными для решения ваших задач.
Для кого
Курс для IT-специалистов, которые хотят перейти
от работы с данными к созданию ML-решений
Вы сможете дополнить свою текущую экспертизу инструментами
машинного обучения, нейронных сетей и Big Data и применять
их в своих профессиональных задачах
Курс для IT-специалистов, которые хотят перейти
от работы с данными к созданию ML-решений
Вы сможете дополнить свою текущую экспертизу инструментами
машинного обучения, нейронных сетей и Big Data и применять
их в своих профессиональных задачах
- РазработчикамВы программируете, но хотите расширить профессиональные возможности и получить практические навыки в машинном обучении? Вы научитесь строить модели машинного обучения и нейронные сети, правильно использовать инструменты для работы с большими данными.
- АналитикамХотите освоить машинное обучение, чтобы решать более сложные и интересные аналитические задачи? Вы научитесь строить модели машинного обучения и использовать инструменты работы с большими данными для решения ваших задач.
Как проходит обучение
Курс проходит в онлайн-формате Будет много практики, заданий и общения с наставниками и слушателями
10 занятий
Погружение в машинное обучение: 32 часа лекций и семинаров, 48 часов на самостоятельную работу.
9 домашних заданий
На каждом занятии вы будете решать квизы, а каждую неделю вас ждут домашние задания для отработки новых знаний на практике.
Финальный проект
Вы самостоятельно реализуете проект и получите обратную связь от наставников. Финальное испытание – защита проекта.
- Занятия в ZoomВы сможете задавать вопросы на лекциях и общаться в перерывах. Все занятия записываются и доступны вместе с другими материалами курса.
- Общение в мессенджерахОбсуждать занятия с преподавателями, кураторами и между собой можно в Telegram, Slack и Discord. В чате курса удобно следить за важной информацией и новостями.
- Материалы в облакеВсе материалы курса: лекции, практические занятия, домашние задания доступны во время обучения и после.
Чему вы научитесь
Чему вы научитесь
Вы научитесь строить модели машинного обучения, решать задачи регрессии и классификации, создавать ансамбли решающих деревьев, а аббревиатуры RF, GBDT, XGBoost и LightGBM станут родными и понятными.
Часть 1. Классическое машинное обучение
Уже на первом занятии вы научитесь:
▶ совершать базовые операции с данными в numpy;
▶ строить графики функций с matplotlib;
▶ оптимизировать функции с scipy;
▶ визуализировать данные с seaborn.
А еще вы построите свою первую модель с помощью sklearn!
▶ совершать базовые операции с данными в numpy;
▶ строить графики функций с matplotlib;
▶ оптимизировать функции с scipy;
▶ визуализировать данные с seaborn.
А еще вы построите свою первую модель с помощью sklearn!
▶ Классы задач машинного обучения.
▶ Классы алгоритмов машинного обучения;
▶ Классы алгоритмов машинного обучения;
▶ обзор метрик в анализе данных;
▶ тренинг по постановке задач машинного обучения;
▶ связь метрик бизнеса и машинного обучения.
Самое время для Unsupervised learning:
▶ разберемся с определением координат дома и работы по GPS-треку (определение регулярных координат
с помощью DBSCAN);
▶ освоим метод главных компонент на практике;
▶ научимся применять PCA и tSNE для визуализации данных, сжатия данных и предобработки датасета.
▶ разберемся с определением координат дома и работы по GPS-треку (определение регулярных координат
с помощью DBSCAN);
▶ освоим метод главных компонент на практике;
▶ научимся применять PCA и tSNE для визуализации данных, сжатия данных и предобработки датасета.
Простым и понятным языком расскажем про:
▶ применение алгоритмов Scikit-learn к синтетическому набору данных и к данным соревнования Kaggle Inclass (классификация, регрессия);
▶ логистическую регрессию и обучение моделей с помощью SGD;
▶ метод опорных векторов (Support Vector Machine) и ядра;
▶ настройку параметров и кросс-валидацию;
▶ предобработку данных (строки, пропуски, категориальные признаки).
▶ применение алгоритмов Scikit-learn к синтетическому набору данных и к данным соревнования Kaggle Inclass (классификация, регрессия);
▶ логистическую регрессию и обучение моделей с помощью SGD;
▶ метод опорных векторов (Support Vector Machine) и ядра;
▶ настройку параметров и кросс-валидацию;
▶ предобработку данных (строки, пропуски, категориальные признаки).
Вы познакомитесь с нейронными сетям (Deep learning) и Unsupervised learning, а также познакомитесь с большими данными. На протяжении этой части курса вы будете работать над итоговым проектом при поддержке наставников. Вы сможете реализовать собственный проект или проект, который предложат кураторы курса.
Часть 2. Продвинутые методы ML (Ensembles, Deep Learning, LLM)
По итогам этого занятия вы освоите:
▶ общие методы построения композиций: усреднение, бустинг, блендинг, стекинг;
▶ бустинг и GBM;
▶ выбор параметров в ансамблях решающих деревьев, сравним Random Forest и GBDT с демонстрацией;
▶ связь между ответами моделей и качеством модели в бэггинге;
▶ bias-variance trade-off на примере бэггинга и бустинга. Обсудим преимущества и недостатки RF и GBDT, разберем XGBoost и LightGBM.
▶ общие методы построения композиций: усреднение, бустинг, блендинг, стекинг;
▶ бустинг и GBM;
▶ выбор параметров в ансамблях решающих деревьев, сравним Random Forest и GBDT с демонстрацией;
▶ связь между ответами моделей и качеством модели в бэггинге;
▶ bias-variance trade-off на примере бэггинга и бустинга. Обсудим преимущества и недостатки RF и GBDT, разберем XGBoost и LightGBM.
Продолжаем погружаться в машинное обучение и знакомимся с нейронными сетями и Deep learning:
▶ нейронные сети и сверточные нейронные сети, общие веса, локальность, иерархичность;
▶ слои в сверточных сетях, функции потерь для классификации, регуляризация нейросетей;
▶ эффективные методы вычисления градиентов, проверка реализации разностным дифференцированием.
▶ нейронные сети и сверточные нейронные сети, общие веса, локальность, иерархичность;
▶ слои в сверточных сетях, функции потерь для классификации, регуляризация нейросетей;
▶ эффективные методы вычисления градиентов, проверка реализации разностным дифференцированием.
На этом занятии разберем:
▶ рекуррентные нейронные сети в задаче анализа сигналов и естественного языка;
▶ генеративные модели на основе RNN;
▶ механизм внимания (Attention mechanism) в задаче машинного перевода и других задачах;
▶ сверточные нейронные сети в задачах обработки текста, сравнение с рекуррентными нейронными сетями;
▶ DNN на практике: инициализация, предобработка данных, модельный зоопарк, дообучение, вычисления на видеокартах, визуализация.
▶ рекуррентные нейронные сети в задаче анализа сигналов и естественного языка;
▶ генеративные модели на основе RNN;
▶ механизм внимания (Attention mechanism) в задаче машинного перевода и других задачах;
▶ сверточные нейронные сети в задачах обработки текста, сравнение с рекуррентными нейронными сетями;
▶ DNN на практике: инициализация, предобработка данных, модельный зоопарк, дообучение, вычисления на видеокартах, визуализация.
Изучите основы работы с большими данными: Hadoop, HDFS, MapReduce, Spark и многое другое!
Финальное испытание — защита проекта, над которым вы работали на протяжении второй части курса.
Наши преподаватели
Вашими преподавателями и наставниками будут практики из Amazon AWS, Яндекса, Rambler, NVIDIA. А еще они авторы совместной с Яндексом специализации Big Data for Data Engineers на Coursera, у которой уже более 100 тысяч слушателей.
-
Алексей ДральCEO at BigData Team10 лет в IT (Amazon AWS, Yandex, Rambler). Преподаватель и автор учебных программ по Machine learning, Big data, CDO programs for Chief Data Officers. Руководит международным онлайн-курсом "Big Data for Data Engineers" на Coursera, совместный проект с Яндексом. -
Дмитрий ИгнатовЗав. лабораторией моделей и методов вычислительной прагматики, ВШЭАвтор более 50 научных статей в журналах Machine Learning, Expert Systems and Applications, Discrete Applied Mathematics, General Systems.
Организатор международных конференций и семинаров по анализу данных и машинному обучению: AIST, ECIR, CLA, ICFCA, ICCS, EEML, RuSSIR и др. -
Наталья КорепановаData Science Tech Lead,
IPONWEBОпыт исследовательской работы в департаменте биостатистики в институте эпидемиологии, биостатистики и превентивной медицины Цюрихского университета. -
Кирилл ВласовPO FoMo platform, Yandex.CloudРуководитель ML и DS проектов в промышленности. Входит в программный комитет и команду организаторов DataFest. -
Павел КлеменковChief Data Scientist (Data Platform), NVIDIAОснователь комьюнити Moscow Spark. Соавтор специализации по большим данным Big Data for Data Engineers на Coursera. -
Эмели ДральChief Technical Officer, Evidently AIАвтор международного онлайн курса Machine Learning and Data Analysis (Coursera, Yandex, МФТИ). В рамках совместного проекта с Яндексом, соавтор международного онлайн-курса Big Data for Data Engineers на Coursera -
Арсений АшухаSenior Research Scientist at Isomorphic LabsЗанимается исследованиями глубоких нейронных сетей в группе Байесовских методов в Samsung и ВШЭ. Автор статей, опубликованных на ведущих конференциях по машинному обучению: ICML, NeurIPS, ICLR. -
Илья БойцовDeep learning Lead, WayfairСфера интересов: NLP и рекомендательные системы (RecSys)
Преподаватель и один из авторов курса 'Рекомендательные системы" в Школе Анализа Данных (ШАД) Яндекса -
Александр КлимовMachine Learning Engineer, eBayСфера интересов: MLOps
Портфолио: построение с нуля MLOps инфраструктуры для DS команды Альфа-Банка (РФ)
-
Илья СенаторовPhD at University of SaarlandСфера интересов: Drug design, графовые нейросети
Что вы получите
- Максимум знаний и навыковМы адаптируем программу под уровень подготовки слушателей, чтобы вы максимально прокачали знания и навыки в сжатые сроки.
- Быстрая обратная связь по домашним заданиямМы знаем, каково это не спать всю ночь, чтобы успеть к дедлайну. Мы уважаем ваше время, поэтому стараемся как можно быстрее дать обратную связь по домашним заданиям.
- Много практики и бизнес-кейсовВас ждет 80 часов интенсивной работы: практические задания на каждом занятии, домашние задания, бизнес-кейсы, защита проекта.
- Материалы курсаВсе материалы курса останутся с вами после обучения.
- Поддержка наставников и кураторовНаши преподаватели будут вашими наставниками на протяжении всего обучения: ответят на вопросы, дадут обратную связь по заданиям, подскажут, что улучшить.
Наши кураторы не оставят без ответа ни одно ваше сообщение. - Удостоверение о повышении квалификацииТе, кто успешно пройдет курс, получат Удостоверение о повышении квалификации государственного образца.
Все слушатели получат электронный сертификат об окончании курса.
Что вы получите
- Максимум знаний и навыковМы адаптируем программу под уровень подготовки слушателей, чтобы вы максимально прокачали знания и навыки в сжатые сроки.
- Быстрая обратная связь по домашним заданиямМы знаем, каково это не спать всю ночь, чтобы успеть к дедлайну. Мы уважаем ваше время, поэтому стараемся как можно быстрее дать обратную связь по домашним заданиям.
- Много практики и бизнес-кейсовВас ждет 80 часов интенсивной работы: практические задания на каждом занятии, домашние задания, бизнес-кейсы, защита проекта.
- Материалы курсаВсе материалы курса останутся с вами после обучения.
- Поддержка наставников и кураторовНаши преподаватели будут вашими наставниками на протяжении всего обучения: ответят на вопросы, дадут обратную связь по заданиям, подскажут, что улучшить.
Наши кураторы не оставят без ответа ни одно ваше сообщение. - Удостоверение о повышении квалификацииТе, кто успешно пройдет курс, получат Удостоверение о повышении квалификации государственного образца.
Все слушатели получат электронный сертификат об окончании курса.
У нас обучаются сотрудники ведущих компаний
и студенты лучших ВУЗов:
и студенты лучших ВУЗов:
У нас обучаются сотрудники ведущих компаний
и студенты лучших ВУЗов:
и студенты лучших ВУЗов:
2. Нейронные сети
и Deep learning
и Deep learning
Нейронные сети и введение в глубокое обучение (Deep Learning)
Deep Learning: CNN, RNN, Transformers
Ансамбли решающих деревьев
Итоговый проект
55 000 ₽
/ 290 000 ₸
Практический курс по Machine Learning целиком
Часть 1. Классическое машинное обучение
Часть 2. Нейронные сети и Deep Learning
105 000 ₽
/ 570 000 ₸
Стоимость обучения
Вы можете пройти курс целиком или по частям
1. Классическое
машинное обучение
машинное обучение
Введение в машинное обучение и библиотеки ML для Python
Линейные модели, регуляризация, SVM, метрики качества
Деревья
Обучение без учителя (Unsupervised Learning)
55 000 ₽
/ 290 000 ₸
Вы также можете
- Взять рассрочкуВы можете оплатить курс по частям: половину стоимости надо внести до начала курса, половину — в середине. Напишите нам или заполните форму, чтобы оформить рассрочку или обсудить индивидуальные условия платежа.
- Получить налоговый вычетУ нас есть образовательная лицензия - это значит, что вы сможете получить налоговый вычет за обучение на курсе. Что такое налоговый вычет и как его получить, читайте в нашей статье.
Вы также можете
- Взять рассрочкуВы можете оплатить курс по частям: половину стоимости надо внести до начала курса, половину — в середине. Напишите нам или заполните форму, чтобы оформить рассрочку или обсудить индивидуальные условия платежа.
- Получить налоговый вычетУ нас есть образовательная лицензия - это значит, что вы сможете получить налоговый вычет за обучение на курсе. Что такое налоговый вычет и как его получить, читайте в нашей статье.
Что надо знать для успешного прохождения курса
Основы программирования на Python
Обучение проходит на Python 3. Если вы умеете писать простые программы на Python, работать с функциями и (идеально) классами, то проблем в обучении не возникнет.
Вам не нужны знания в области машинного обучения, но есть входные требования по программированию и математике.
Теория вероятностей, линейная алгебра и статистика
Рекомендуем вспомнить производные, матрицы, вероятности и случайные величины. В любом случае, не переживайте: мы умеем рассказывать сложные вещи простым языком.
Не уверены, что готовы к успешному прохождению курса? Пройдите тестирование и мы порекомендуем вам материалы для подготовки.
Наши ученики о курсе
Кристина Хасанова,
Практический курс по Machine Learning, 2026
Санкт-Петербург, Россия
Практический курс по Machine Learning, 2026
Санкт-Петербург, Россия
Отдельно порадовал финальный блок по Big Data — Hadoop, HDFS, MapReduce, Spark: не каждый ML-курс даёт эту инженерную часть, а на практике она реально пригождается. Материал выстроен логично, от простого к сложному, без каши в темах.
Чайкун Михаил
Практический курс по Machine Learning, 2026
Тель-Авив, Израиль
Практический курс по Machine Learning, 2026
Тель-Авив, Израиль
Для меня особенно полезным оказался постепенный переход от базовых алгоритмов машинного обучения к более сложным темам. По ходу курса удалось поработать с разными моделями и подходами, а ближе к концу — познакомиться с NLP, PyTorch и Transformers и самостоятельно собрать процесс обучения модели.
Сатымкулов Адильхан
Практический курс по Machine Learning, 2026
Бишкек, Кыргыстан
Практический курс по Machine Learning, 2026
Бишкек, Кыргыстан
Курс для меня лично оказался немного сложным. Потому что, уходило много времени. И домашка тоже оказалось сложной. Но, это того стоило. Спасибо большое!
Асылхан Рахымжан
Практический курс по Machine Learning, 2026
Алматы, Казахстан
Практический курс по Machine Learning, 2026
Алматы, Казахстан
В рамках данной части курса научился строить модели классическое машинное обучение, решать задачи регрессии и классификации, создавать ансамбли решающих деревьев. Также познакомился с нейронными сетями.
Трек по МЛ был очень полезен, планирую использовать данные знания в рабочих проектах в исследовании.
Благодарю Алексея, меценатов и всю команду BDT!
Трек по МЛ был очень полезен, планирую использовать данные знания в рабочих проектах в исследовании.
Благодарю Алексея, меценатов и всю команду BDT!
Образовательная лицензия
У нас есть образовательная лицензия - это значит, что мы предоставляем Удостоверение о повышении квалификации государственного образца тем, кто успешно прошел курс.
А еще это значит, что вы можете получить налоговый вычет за обучение на наших курсах.
А еще это значит, что вы можете получить налоговый вычет за обучение на наших курсах.
У нас есть образовательная лицензия - это значит, что мы предоставляем Удостоверение о повышении квалификации государственного образца тем, кто успешно прошел курс.
А еще это значит, что вы можете получить налоговый вычет за обучение на наших курсах.
j
А еще это значит, что вы можете получить налоговый вычет за обучение на наших курсах.
j
F.A.Q.
Занятия проходят онлайн 1 раз в неделю. Если вы пропустили занятие - не переживайте, будет видеозапись. Мы рекомендуем выделять на обучение 8-12 часов в неделю.
Для успешного прохождения курса вам надо знать Python и основы Linux и SQL. Напишите нам, и мы порекомендуем материалы для подготовки.
Мы постоянно обновляем и дополняем программу, чтобы дать вам максимум полезной и актуальной информации. Мы разрабатываем практические задания, чтобы вы быстрее прокачивали свои навыки.
Мы развернули для вас кластер для работы. Мы держим высокий темп, чтобы вам было сложно, но интересно. Мы уверены, что наш курс стоит своих денег. На выбор мы предлагаем несколько пакетов под любые задачи и бюджет.
Мы развернули для вас кластер для работы. Мы держим высокий темп, чтобы вам было сложно, но интересно. Мы уверены, что наш курс стоит своих денег. На выбор мы предлагаем несколько пакетов под любые задачи и бюджет.
Онлайн (online) — это живые трансляции в Zoom с преподавателями. Преподаватели дают теоретический материал и практические задания, отвечают на вопросы слушателей. Занятие длится 3 часа.
МООК (MOOC) — это формат обучения, где вы изучаете новый материал по предзаписанным видео длительностью 5−10 минут, а не в формате 3х-часовой интерактивной сессии с преподавателем.
МООК формат имеет свои плюсы и минусы по сравнению с онлайн-обучением:
(+) гибкость: можно смотреть видео в любое удобное время. Например часть материала можно посмотреть в дороге или в перерыве между встречами днем;
(-) самоорганизация: вам нужно самостоятельно планировать время на изучение материала;
(+) стоимость: МООК дешевле онлайн, поскольку преподавателю не нужно выделять дополнительное время в графике для проведения занятия;
(-) интерактив: когда вы изучаете новый материал с преподавателем и другими слушателями, то в максимально-интерактивном режиме получаете обратную связь. Есть возможность один и тот же концепт обсудить с разных точек зрения, чтобы лучше в нем разобраться. В рамках МООК — вам нужно проявлять больше инициативы, чтобы задавать интересующие вас вопросы и вчитываться в комментарии других слушателей, менторов и преподавателей
В обоих форматах обучения предоставляются:
▶ доступ к чату и материалам курса;
▶ доступ к вычислительной инфраструктуре (кластеру) на курсе Big Data;
▶ задачи и автоматическая системы проверки для выдачи интерактивной обратной связи по решению;
▶ менторская поддержка по учебным материалам (наши менторы — обычно лучшие выпускники прошлых курсов, то есть лучшие 5%);
▶ комментарии по сложным вопросам от инструкторов / разработчиков курса;
Cмешанное обучение (blended learning) — возможность взять из обоих подходов лучшее. В рамках этого обучения часть учебных модулей даются в формате МООК, а часть в формате онлайн. Учитываются интересы максимально-интерактивного обучения и минимизируется риск недостаточной вовлеченности при обучении в формате МООК. После 2−4 МООК модулей проводится онлайн-занятие с преподавателем.
МООК (MOOC) — это формат обучения, где вы изучаете новый материал по предзаписанным видео длительностью 5−10 минут, а не в формате 3х-часовой интерактивной сессии с преподавателем.
МООК формат имеет свои плюсы и минусы по сравнению с онлайн-обучением:
(+) гибкость: можно смотреть видео в любое удобное время. Например часть материала можно посмотреть в дороге или в перерыве между встречами днем;
(-) самоорганизация: вам нужно самостоятельно планировать время на изучение материала;
(+) стоимость: МООК дешевле онлайн, поскольку преподавателю не нужно выделять дополнительное время в графике для проведения занятия;
(-) интерактив: когда вы изучаете новый материал с преподавателем и другими слушателями, то в максимально-интерактивном режиме получаете обратную связь. Есть возможность один и тот же концепт обсудить с разных точек зрения, чтобы лучше в нем разобраться. В рамках МООК — вам нужно проявлять больше инициативы, чтобы задавать интересующие вас вопросы и вчитываться в комментарии других слушателей, менторов и преподавателей
В обоих форматах обучения предоставляются:
▶ доступ к чату и материалам курса;
▶ доступ к вычислительной инфраструктуре (кластеру) на курсе Big Data;
▶ задачи и автоматическая системы проверки для выдачи интерактивной обратной связи по решению;
▶ менторская поддержка по учебным материалам (наши менторы — обычно лучшие выпускники прошлых курсов, то есть лучшие 5%);
▶ комментарии по сложным вопросам от инструкторов / разработчиков курса;
Cмешанное обучение (blended learning) — возможность взять из обоих подходов лучшее. В рамках этого обучения часть учебных модулей даются в формате МООК, а часть в формате онлайн. Учитываются интересы максимально-интерактивного обучения и минимизируется риск недостаточной вовлеченности при обучении в формате МООК. После 2−4 МООК модулей проводится онлайн-занятие с преподавателем.
Да, вы можете оплатить курс по частям. Напишите нам, чтобы оформить рассрочку или обсудить индивидуальные условия платежа.
Да. Образовательная лицензия номер 1 177 627 017 501.
Мы считаем, что обучение не гарантирует трудоустройства, поэтому не даем пустых обещаний.
Работодателю важно, насколько хорошо вы разбираетесь в технологиях, с которыми работали, умеете ли самостоятельно решать сложные задачи и находить оптимальные решения. Мы дадим вам актуальные знания и навыки, которые востребованы работодателями, а дальше — дело за вами.
Работодателю важно, насколько хорошо вы разбираетесь в технологиях, с которыми работали, умеете ли самостоятельно решать сложные задачи и находить оптимальные решения. Мы дадим вам актуальные знания и навыки, которые востребованы работодателями, а дальше — дело за вами.
1. Мы любим практику и разбираем реальные кейсы из индустрии и бизнеса.
2. Наша команда — это эксперты с опытом работы в NVIDIA, Amazon AWS, Yandex, Rambler. Они преподают в МГУ, ВШЭ, МФТИ, Harbour. Space University, Coursera. За их плечами множество запущенных проектов.
3. Нам доверяют обучение ведущие компании и вузы: Сбербанк, Мегафон, X5 Retail Group, ВШЭ, МФТИ.
2. Наша команда — это эксперты с опытом работы в NVIDIA, Amazon AWS, Yandex, Rambler. Они преподают в МГУ, ВШЭ, МФТИ, Harbour. Space University, Coursera. За их плечами множество запущенных проектов.
3. Нам доверяют обучение ведущие компании и вузы: Сбербанк, Мегафон, X5 Retail Group, ВШЭ, МФТИ.
Да, мы предоставляем "удостоверение повышения квалификации", но только на образовательных курсах, которые проходят в формате F2F, а именно:
— Python для анализа [больших] данных
— Промышленная разработка на Python (F2F)
— Практический курс по большим данным (F2F)
— Практический курс по машинному обучению (F2F)
— Big Data/Machine Learning Engineer, BDMLE-29
— Big Data/Machine Learning Engineer, BDMLE-24
— Big Data Engineer++
На другие курсы (и курсы в формате МООК) это не распространяется.
— Python для анализа [больших] данных
— Промышленная разработка на Python (F2F)
— Практический курс по большим данным (F2F)
— Практический курс по машинному обучению (F2F)
— Big Data/Machine Learning Engineer, BDMLE-29
— Big Data/Machine Learning Engineer, BDMLE-24
— Big Data Engineer++
На другие курсы (и курсы в формате МООК) это не распространяется.
Оставьте заявку на обучение
или задайте вопрос
Если хотите приобрести курс за тенге , отправьте заявку и менеджер пришлет вам реквизиты для оплаты.
Если у вас остались вопросы, возникла нестандартная ситуация, мы всегда готовы помочь. Заполните эту форму и мы вернемся с ответом в ближайшее время.
Если у вас остались вопросы, возникла нестандартная ситуация, мы всегда готовы помочь. Заполните эту форму и мы вернемся с ответом в ближайшее время.
Примем заявку на обучение для бизнеса
Поможем с оформлением рассрочки
Поймем ваши цели и запрос
Порекомендуем материалы для подготовки к курсу
Если хотите приобрести курс за тенге , отправьте заявку и менеджер пришлет вам реквизиты для оплаты.
Если у вас остались вопросы, возникла нестандартная ситуация, мы всегда готовы помочь. Заполните эту форму и мы вернемся с ответом в ближайшее время.
Если у вас остались вопросы, возникла нестандартная ситуация, мы всегда готовы помочь. Заполните эту форму и мы вернемся с ответом в ближайшее время.
