Продакт AI и BigData от ProductStar
Программа курса
Ознакомьтесь с программой курса «Продакт AI и BigData» от ProductStar
Урок 1: "Определение бизнесовых точек роста компании, в которых может помочь ML"
● AI-продукты и тренды их внедрения.
● Обзор продуктов, которые используют AI.
● Объясняем, зачем компаниям нужен AI/ML.
● Детальный разбор 1-2 продуктов и необходимости использования ML в них.
● Учимся разбираться, в каких случаях поможет ML, а в каких нет.
● Учимся понимать, какие проблемы проще решить с помощью AI/ML, а какие сложно.
● Постановка чётких целей для AI/BigData-проектов.
Урок 2: "Чеклист внедрения ML-задач в компании и команде"
● AI для ваших задач. Построение AI-стратегии.
● Оценка профита от внедрения AI/ML-функциональности.
● Оценка трудоёмкости AI/ML-задач для правильного планирования.
● Как снизить риски неудачного завершения AI/ML-проектов.
● Разбор кейсов внедрения и оценки AI-задач.
Урок 3: "Лучшие практики работы с BigData/ML-командой"
● Разбираем, какие нюансы (новые типы принимаемых решений) приходится принимать менеджеру по продукту при общении с AI/ML-командой.
● Достаточно ли обучена выборка? Чистые ли данные? Выбрали ли мы правильный набор данных? В чём могу быть проблемы на продакшене?
● Глоссарий основных терминов (learning, unsupervised learning, neural networks).
● Построение правильной культуры в команде. Как тестировать ML-продукты.
Урок 4: "Работа с датасетами и моделями. Выбор фичей"
● В чём сила и нюансы датасетов. Как происходит сбор и очистка данных и что об этом должен знать менеджер.
● Юридические стороны вопроса.
● Что такое «фичи» в ML и как их правильно выбирать.Выбор и составление модели. Как выбирают и обучают модель.
● Реальный пример с использованием инструмента Google's AutoML.
● Описание стандартных кейсов: обработка видео, эмоции, работа с изображениями, вытаскивание параметров.
Урок 5: "Workshop: создание и запуск датасета"
● Практическая работа с инструментами Яндекс.Толока и Google's AutoML.
● Создаём датасет, выбираем фичи, получаем первый результат и сами понимаем как работает ML-команда.
Урок 6: "Валидация бизнес-результатов запуска AI/ML-функциональности"
● Разбираемся, как измерять профит и принимать решения по собранным моделям.
● В каких случаях не стоит выкатывать в продакшен полученные модели.
● Поддержка внедренных ML- и BigData-решений.
- Город
- Онлайн
- Формат обучения
- Онлайн
- Сертификат
- Есть
Компетентность преподавателей. Все педагоги обладают высококлассным образованием и многолетним опытом работы.
Практика. Решение кейсов из реальной жизни, а в случае какого-то вопроса наставники всегда на связи.
Качество предоставляемой информации. Контент достаточно полезный, современный и актуальный.
Низкие цены. Стоимость курсов в ProductStar куда ниже и доступнее, чем на других платформах.
Слабый интерфейс. Полезным и качественным курсам необязательно завлекать клиентов только с помощью "красивой" обёртки.
Технические сбои. С проверкой заданий случаются задержки, а вебинары иногда отстают по времени, но это не слишком критично.
Взгляните, что студенты и выпускники говорят про ProductStar
-
Тимур Халитов
Всем привет) Ребят прям приятно слушать, постоянно проводят вебинары, без воды, с спикерами из ведущих компаний, делятся опытом). Скоро и я начну обучение на продакта). Недавно на одном из семинаров в качестве подарка сказали предоставят доступ к курсу) Жду теперь с нетерпением) ...
Показать отзыв полностью -
Рустам Ковалев
Если ищете хорошие курсы по маркетингу или программированию, то можно порекомендовать ProductStar. Узнал о них случайно из обзора на сайте «Это Развод»( https://eto-razvod.ru/review/productstar/), плюс другие отзывы в целом положительные. Для новичков отличный вариант, понравилос...
Показать отзыв полностью