Корпоративная программа для
DS-специалистов:
ИИ-трансформация
Ключевая цель — экспертиза в одном из поддоменов в сфере работы с данными и алгоритмами
Ключевые задачи программы
- 1. Определение вектораВыявление своей сферы интереса и дальнейшего развития внутри организации
- 3. ПроектыРешение аутентичных практических задач.
- 2. Теоретическая подготовкаУглубленная теоретическая подготовка в рамках выбранного трека.
- 4. Навыки до автоматизмаОтработка необходимых навыков до автоматизма.
Формат
3-х месячная программа с занятиями дважды в неделю в рабочие дни по вечерам. Каждый выбирает себе один из треков (требуется предварительное тестирование внутреннего спроса):
- NLP,
- CV,
- RecSys,
- Time Series,
- Геопространственная аналитика,
- Обработка больших данных,
- MLOps.
Верхнеуровневый состав программ
Теория вероятностей в языке, регулярные выражения, tf-idf, частотные статистики, сглаживание, перплексия, n-gram языковые модели, часть речи, лемматизация, синтаксический разбор, Named Entity Recognition, Coreference Resolution. Статистические и нейронные эмбеддинги, positional encoding, wordpiece токенизация. Transformer-архитектуры: BERT-варианты, RoBERTa-Large, Longformer, RetNet, Mixture-of-Experts LLM, длинноконтекстные Rotary-RoPE, Flash-Attention-3. Тонкая настройка: SFT, LoRA, QLoRA, дистилляция, RLHF, DPO. Retrieval-Augmented Generation, инструментальные LLM-агенты, векторные поисковые индексы, memory-cache. Мультимодальные LLM: текст-изображение-аудио, cross-modal alignment, diffusion-текстовая генерация. Метрики MTEB, доверие, калибровка, watermarking, защита приватности, политика безопасности, этика NLP.
Фотометрия, цветовые пространства, свёртка, детекторы границ, HOG, SIFT, SURF, оптический поток, матрица камеры, эпиполярная геометрия, калибровка, гомография, 3-D реконструкция. Сверточные сети: ResNet-50, EfficientNet-V2, MobileNet-V4. Детекция и сегментация объектов: YOLO-v8 серия, Faster R-CNN, Segment Anything Model, DE-DETR. Vision Transformer, гибридные ViT-CNN, EfficientViT. Генеративные модели: диффузионные сети, StyleGAN-XL, NeRF, 3-D Gaussian Splatting. Self-supervised контрастивное обучение изображений: MAE, DINOv2. Видео-понимание и 4-D репрезентации: TimeSFormer, VideoMAE. Оптимизация edge-инференции: pruning, quantization, distillation, TensorRT, ONNX. Мультимодальные VLM: CLIP-2, SigLIP 2, FLAVA-XL.
Табличные рейтинговые матрицы, content-based фильтрация, коллаборативная фильтрация, ассоциативные правила, SVD-разложение, метрики Precision@k, Recall@k, MAP, NDCG. Граф-структуры user-item, Graph Neural Recommender, LightGCN. Глубокие последовательные модели: GRU4Rec, SASRec, Transformer4Rec, two-tower LLM-Retriever. Wide&Deep архитектура, DeepFM, DIN. Контекстуальные bandit-алгоритмы, multi-objective реактивация, reinforcement-learning рекомендация. Контрастивное обучение пользователь-товар, диффузионные эмбеддинги, Denoising Flow. Онлайн A/B-эксперименты, off-policy оценивание, causal uplift. Холодный старт: генеративные метаданные LLM, synthetic user profiles. Справедливость, приватность, объяснимость, diversity, novelty.
Сезонность, тренд, станционарность, автокорреляция, PACF, лаговые признаки, скользящие окна, методология Box–Jenkins, точечные и интервальные прогнозы. Классические модели: ARIMA, SARIMA, ETS, STL-декомпозиция, Prophet. Нейронные архитектуры: N-BEATS, N-HITS, Temporal Fusion Transformer, PatchTST, Informer, TimesNet. Диффузионные модели прогнозирования, Flow Forecast. Календарные и событийные признаки, holiday-эффекты, особые дни, ковариаты. Онлайн-обучение, streaming-features, backtesting, rolling-origin evaluation, block-cross-validation. Обнаружение аномалий: Isolation-Forest, Spectral Residual, change-point detection, CUSUM. Причинно-следственные графы, Granger-каузальность, вероятностные сценарии, стресс-тесты.
Геодезические датумы, координатные системы, проекции, топологические отношения, буфер, пересечение, пространственный join, Shapefile, GeoJSON, WKT, WKB. Геостатистика: вариограмма, кригинга, индикаторное кригинга, регрессионное кригинга. Растер-плитка, вектор, сетки H3, S2, voxels, Octree. Спутниковые данные: Sentinel-2, Landsat-9, PlanetScope, SAR-Sentinel-1, Google Earth Engine. Каталоги данных: STAC, COG, Zarr, Cloud-Optimized GeoTIFF. Базы данных: PostGIS, GeoParquet, BigQuery GIS. Спатио-темпоральные GNN, PyTorchGeo, DeepGraphInfomax. Анализ мобильности: Origin-Destination матрицы, перерасчёт траекторий, GPS spatiotemporal clustering. LiDAR point cloud, DSM, DTM, 3-D облака, Mesh. Климатические рисковые модели, экстремальные явления, ESG-аналитика, цифровые близнецы городов.
Четыре V больших данных, CAP-теорема, BASE-консистентность, MapReduce парадигма, HDFS, Yarn, NoSQL: MongoDB, Cassandra, HBase, KV-store. Lakehouse-архитектура: Delta Lake, Apache Iceberg, Apache Hudi, Snowflake Unistore. Обработчики данных: Apache Spark-3.5, Apache Arrow, DuckDB, Polars, ClickHouse. Stream-процессинг: Apache Flink, Kafka Streams, Spark Structured Streaming, Pulsar. Масштабируемый Python: Ray, Dask, Modin, Fugue. Partitioning-стратегии, Z-order индексация, Bloom-фильтр, ACID-таблицы, time-travel. DataOps-паттерны, data mesh, метаданные, data catalog, lineage, open-metadata. Cost-aware compute, autoscaling, serverless lakehouse, spot-instance оптимизация. Security и governance: RBAC, ABAC, data contracts, privacy-preserving analytics, differential privacy.
Конвейер машинного обучения, reproducibility, тестирование данных, метрики экспериментов, DevOps принципы, observability, data quality. Контейнеризация Docker, контейнер-оркестрация Kubernetes. Пайплайны: Kubeflow, Airflow, Argo Workflows, Metaflow. Версионирование: Git, MLflow, DVC, Model Registry, Weights & Biases. Feature Store, онлайн-офлайн синхронизация, Feast, Tecton. CI/CD-паттерны: Canary, Blue-Green, Shadow, Progressive Delivery, GitOps. Мониторинг: дата-дрифт, модель-дрифт, концептуальный дрифт, этические метрики, bias-monitoring. Алёртинг, автоматизированный retraining, scheduler, conditional triggers, Continual Learning. Объектные хранилища: OBS, S3, MinIO. Объединённая DevOps + MLOps цепочка, SBOM, supply-chain security, model card, RAG-LLM deployment, NVIDIA Triton, KServe.
| | Задать вопрос Или запросить коммерческое предложение |