О курсе

В курсе рассматриваются вопросы разработки систем обработки данных и машинного обучения.

• Как вывести разработанную модель в продакшен?
• Что делать для совместной работы над наукоемким ПО?
• Как не потерять ранее достигнутые исследовательские результаты?

В результате освоения курса слушатели приобретают навыки промышленной разработки алгоритмов машинного обучения, проведения повторяемых экспериментов, использования больших данных, тестирования и процессов выполнения проектов в области машинного обучения.

Тематический план

• Структурирование программ обработки данных (CODE).
• Написание надежного кода (CODE).
• Проектирование систем и хранение данных в системах машинного обучения (DATA).
• Процессы и виды работ в проекте анализа данных (PROC).
• Обеспечение повторяемости результатов (PROC).
• Тестирование наукоемкого ПО (TEST).

Самостоятельная работа

Практические задания по ходу курса + курсовой проект.

Оценивание

Итоговая оценка по курсу формируется из успешности выполнения заданий по ходу семестра - по 10% за каждое задание, и подтверждение на устном опросе владения каждой из тем курса (CODE, TEST, DATA, PROC) - 40% оценки.

Требуемые знания

Python.