Основы тестирования ПО
Вводный курс по тестированию: роли в QA, STLC, виды и уровни тестов, базовые техники тест-дизайна и тестовая документация.
ПодробнееКурсы по технологиям — навыки для работы
Актуальные материалы по конкретным технологиям — прокачиваешь нужные навыки для реальных проектов в твоей профессии
PRO-курс
Подготовка к собеседованию: ML Engineer / Data Scientist
Интенсив для подготовки к ML-интервью: математика, алгоритмы ML, Python, статистика, ML system design и карьерная упаковка.
Подробнее
PRO-курс
MLOps: основы
Курс по MLOps-практикам: процессы, трекинг экспериментов, реестр моделей, версионирование данных и CI/CD для ML-проектов.
Подробнее
PRO-курс
Деплой ML-моделей
Курс по production-деплою ML-моделей: FastAPI inference API, контейнеризация в Docker и мониторинг предсказаний.
Подробнее
PRO-курс
Проект: ML-модель от EDA до отчёта
Сквозной ML-проект: исследование и подготовка данных, обучение и валидация модели, интерпретация результатов и отчёт.
Подробнее
PRO-курс
Deep Learning и PyTorch
Курс по глубокому обучению: нейронные сети, PyTorch (тензоры, autograd, nn.Module) и обучение моделей на реальных датасетах.
Подробнее
PRO-курс
Оценка и тюнинг моделей
Курс по оценке и оптимизации ML-моделей: выбор метрик, кросс-валидация, подбор гиперпараметров (GridSearch/RandomSearch) и интерпретация результатов экспериментов.
Подробнее
PRO-курс
Scikit-learn и Feature Engineering
Практический курс по Scikit-learn: обучение моделей, подготовка данных, кодирование признаков, масштабирование и конструирование фичей для табличных задач.
Подробнее
PRO-курс
Основы машинного обучения
Вводный курс по ML: типы задач и алгоритмов, переобучение, кросс-валидация, метрики качества и базовый pipeline обучения модели.
Подробнее
PRO-курс
Линейная алгебра для ML
Прикладной курс по линейной алгебре для ML: векторы, матрицы, линейные модели, регрессия и снижение размерности через PCA/SVD.
Подробнее
PRO-курс
Статистика и теория вероятностей для ML
Прикладной курс по математическим основам ML: вероятностные модели, распределения, гипотезы, байесовский подход и роль статистики в обучении и оценке моделей.
Подробнее
Подготовка к собеседованию: DevOps Engineer
Интенсив по подготовке к DevOps-интервью: Linux, сети, Docker, Kubernetes, CI/CD, облака, IaC и soft-skills.
Подробнее