Есть вопросы по курсу?
напишите нам в Telegram, ответим на все вопросы
Научитесь создавать и деплоить DL-сервисы за 4 месяца
Деплой DL-сервисов
Cтарт — 19 марта 2025
Наведите порядок в репозиториях, внедрите лучшие практики и повысьте свою ценность на рынке
Лист ожидания
Мы свяжемся, когда начнем собирать группу и подарим скидку на обучение
От Jupyter
к продакшн-решениям
До курса Деплой DL-сервисов
На работе занимаетесь лишь обучением сетей, а для деплоя передаёте их разработчикам
Переживаете, что на интервью спросят что-то про тесты, Docker, CI/CD
Путаетесь в тетрадках и их версиях, не получаете code-review
Долго ищете, какая модель на чём училась, и какие были результаты
Работа напоминает рутину, становится скучно
После курса Деплой DL-сервисов
Можете сами обернуть сеть в сервис и задеплоить веб-приложение
Знаете лучшие практики от опытных инженеров и можете им научить коллег
Пишите понятный код в скриптах и версионируете проекты в git
Храните версии датасетов и экспериментов, видите результаты в удобном UI
Автоматизируете рутину в CI, решаете больше любимых и сложных задач
Для DL-инженеров всех грейдов
CV-инженерам
NLP-инженерам
ML-инженерам
Главное — знать базовую теорию нейросетей
с уклоном в CV-фреймворки
с уклоном в NLP-фреймворки
кто хочет перейти в DL и поднять скиллы
Нужно иметь опыт в DL на уровне написания собственного train loop на PyTorch для любой из «классических» задач, например, классификации или сегментации в CV. А также базовое знание Python — будем писать много модулей, функций и классов
Программа
Лекция каждую неделю. После каждой темы — домашнее задание с фидбеком от лектора. Большой проект в конце программы. Раз в 4−5 недель — Q&A-сессия для разбора вопросов. В середине курса есть перерыв на каникулы.
16 недель
11 лекций
11 заданий с фидбеком
1 проект
01. Настройка репозитория с моделингом, 1/3
Сделаем репозиторий обучения модели «по фэншую»: сделаем Makefile и подключим линтеры и пре-коммит, разберёмся, как конфигурировать эксперименты. Тренировать модель будем при помощи Pytorch Lightning, а логировать эксперименты — в ClearML
Зависимости в python • Лнтеры/форматтеры, pre-commit хуки • PyTorch Lightning. Основные компоненты • ClearML • Конфигурация. Omegaconf, Pydantic
02. Настройка репозитория с моделингом, 2/3
Продолжим работу с репозиторием из первой лекции. Научимся версионировать данные при помощи clearml-data (и, как альтернатива, dvc). Покажем, как можно дебажить на разных уровнях: в IDE, в Ligtning’е, в ClearML. Напишем тесты на код обучения и сделаем, чтобы они прогонялись на каждом коммите при помощи Gitlab CI
Работа с данными: dvc, clearml-data • Дебаггинг: в IDE, в PyTorch Ligtning, в ClearML • Тестирование кода обучения, pytest • Автоматизируем проверки в CI
03. Настройка репозитория с моделингом, 3/3
В первых лекциях мы пользовались Lightning, а в этой сделаем бо́льший фокус на NLP и расскажем, как обучать модели с transformers. Также разберёмся, как учить, логгировать, дебажить и тестировать
transformers: основные компоненты • как «подружить» со всем, что мы изучили до этого
04. Сериализация моделей
Разберёмся, как устроены чекпоинты в PyTorch. Поймём, чем нас не устраивают чекпоинты «из коробки» и покажем типичные ошибки при работе с ними. Рассмотрим torch jit: script/trace и поймём, в каком случае какой подход нужно использовать. Перейдём к ONNX, научимся в него конвертировать, анализировать и упрощать граф. Затем расскажем про onnx-runtime
Как устроены чекпоинты в torch и какие с этим есть проблемы • Torch jit: script/trace • ONNX. Конвертация, анализ и упрощение графа • onnx-runtime
05. Сервис
Расскажем, что такое веб-сервисы, обсудим REST. Научимся писать свои веб-сервисы на FastAPI и конфигурировать их при помощи OmegaConf. Расскажем про внедрение зависимостей и научим применять DI-контейнеры
Веб-сервисы, http, REST • FastAPI • DI-контейнеры
06. Тесты и линтеры
Научимся проверять наш код: писать юнит и интеграционные тесты при помощи pytest, а также пропускать его через линтеры. Расскажем про хорошие практики и типичные ошибки при написании тестов
Линтеры, pre-commit • Pytest • Виды тестов • Фикстуры • Хорошие практики и типичные ошибки в тестах
07. Docker, 1/2
Поговорим про важность изоляции, скорости развёртывания и масштабирования. Расскажем про отличие виртуализации и контейнеризации. Рассмотрим основные компоненты и команды docker
Виртуализация, контейнеризация • Docker: основные компоненты • Docker{file, image, container, hub} • Основные команды • Docker volumes
08. Docker, 2/2
Продолжим изучать docker. Научимся ускорять сборку образа и уменьшать его вес. Поговорим про multistage-сборки. Научимся работать с docker compose и использовать docker для локальной разработки и тестирования.
Ускорение сборки образов и уменьшение веса образа • Multistage • Docker Compose • Docker для разработки и тестирования локально
09. Serving
Научимся сервить модели при помощи Nvidia Triton. Научимся им пользоваться и разберём основные компоненты. Интегрируем модель из Triton в наше приложение.
Конкурентная обработка, latency vs throughput • Как реализовать батчинг • Nvidia Triton: компоненты, API: HTTP/gRPC, как запустить и засервить модель, ансамблирование моделей, тюнинг производительности, метрики, поддерживаемые форматы
10. CI/CD
Научимся использовать Gitlab CI в своих проектах. Будем тестировать и прогонять через линтеры каждый коммит. Научимся деплоить наше приложение из Gitlab при помощи Ansible.
CI/CD: что это и зачем нужно • Основные концепты Gitlab CI: pipeline, stage, job, etc.. • Сборка образа в CI •anchors, include, triggers, artifacts • Ansible
11. Мониторинг
Покажем, как мониторить задеплоенное приложение. Научимся узнавать об ошибках при помощи Sentry, а собирать и отслеживать метрики нам помогут Prometheus и Grafana
Sentry • Prometheus • Grafana
Как именно вы освоите каждый навык
Кто будет преподавать
Опытные инженеры будут вести Zoom-лекции и семинары, отвечать на ваши вопросы и ревьюить код
Денис Солдатов
Backend-разработчик. Расскажет как создавать, деплоить и поддерживать сервисы
НИИАС
Дмитрий Раков
Руководит командой ML, которая занимается разработкой беспилотных поездов в AO НИИАС
TheWatch
Егор Осинкин
Руководит CV командой в EPAM. Выстраивает инженерные практики в ML-командах
EPAM
Константин Носорев
Senior backend developer. Научит работать с Docker.
EPAM
Катерина Антонова
Senior NLP инженер, ML lead. Работает с поисковыми системами, advanced RAG и тд.
TheWatch
Денис Солдатов
Backend-разработчик. Расскажет как создавать, деплоить и поддерживать сервисы
EPAM
Егор Осинкин
Руководит CV командой в EPAM. Выстраивает инженерные практики в ML-командах
НИИАС
Дмитрий Раков
Руководит командой ML, которая занимается разработкой беспилотных поездов в AO НИИАС
Константин Носорев
Senior backend developer. Научит работать с Docker.
EPAM
Катерина Антонова
Senior NLP инженер, ML lead. Работает с поисковыми системами, advanced RAG и т. д.
После обучения
Чат выпускников
Сертификат о прохождении обучения
Вы попадаете в чат выпускников — чат с опытными инженерами, где мы проводим литклубы, random coffee и обсуждаем вопросы с работы
Доступ к материалам курса на один год
Комфортные условия для вашей учёбы
Полный возврат стоимости в первые 14 дней,
если поймёте, что программа вам не подходит. Если примете решение позже, вернём деньги за вычетом уже пройденных занятий
если поймёте, что программа вам не подходит. Если примете решение позже, вернём деньги за вычетом уже пройденных занятий
Налоговый вычет
получите 13% от стоимости курса после обучения
получите 13% от стоимости курса после обучения
Оплата из-за рубежа
картой иностранного банка или другими удобными способами
картой иностранного банка или другими удобными способами
Может оплатить компания. мы принимаем оплату от юрлиц, если хотите, чтобы работодатель оплатил ваше обучение, пусть ваши представители напишут нам на b2b@deepschool.ru для оформления документов и оплаты
Мы обучаем по лицензии Л035-01199-54/00734237 ↗
Стоимость курса
105 000 ₽
Поддержка опытных инженеров
Проект в портфолио
Создание веб-сервисов
Автоматизация деплоя
Лучшие практики в моделинге
Полная оплата
от 19 610 ₽ / мес
При рассрочке на 6 месяцев
До 18 марта
Рассрочка
старт 19 марта
Полный цикл деплоя DL-проекта: от моделинга до мониторинга
11 лекций, 11 заданий, 1 проект и много фидбека
11 лекций, 11 заданий, 1 проект и много фидбека
Скидки только для физ. лиц
Лист ожидания
Запишитесь в лист ожидания. Мы свяжемся, когда начнем собирать группу следующего потока, расскажем о тарифах и подарим скидку на обучение первым участникам.
Что говорят наши выпускники
Истории глазами тех, кто успешно прошел обучение
Иван Малютин
«Курс как будто разложил все по полочкам. Материал структурированный, преподаватели всегда на связи, интересные…»
«Благодаря курсу я понял, как организовать разработку проектов так, чтобы код был понятным для коллег и удобным для меня
Александр Федоров
«Освоенный материал сделал мои резюме и навыки более востребованными — за время курса я успешно прошел…»
Алексей Андреев
Ольга Чаганова
«После обучения стала ощущать себя намного увереннее, многие вещи стали понятнее, осталось только углублять знания»
(Деплой DL-сервисов)
(Деплой DL-сервисов)
(Деплой DL-сервисов)
(CV Rocket)
«В анонсе организаторы утверждают, что вы «научитесь создавать и деплоить DL-сервисы за 4 месяца...»
Андрей Полуянов
(Деплой DL-сервисов)
Александр
LinkedIn
«На собеседовании за счет того, что подчерпнул на курсе об устройстве OCR, вытянул»
(CV Rocket)
FAQs
Когда проходят лекции и Q&A-сессии?
Лекции проходят по будням в 19:00 по московскому времени и длятся 1,5−2 часа. Q&A-сессии проходят после каждой 5-й лекции, время определяется индивидуально для каждого потока.
Смогу ли я оформить налоговый вычет?
Да, вы сможете оформить налоговый вычет за обучение, если вы являетесь налоговым резидентом России и оплачиваете подоходный налог. Подать документы на вычет можно в году, следующем за годом оплаты обучения. Подробнее о налоговом вычете за обучение можно прочитать на сайте ФНС
Может ли моя компания оплатить курс?
Моя компания может оплатить курс?
Да, мы подготовим счёт на полную или частичную оплату для юридического лица. Напишите на hello@deepschool.ru
Скидки не распространяются на оплату курса юр. лицами, поэтому при заполнении заявки указывайте полную стоимость.
Скидки не распространяются на оплату курса юр. лицами, поэтому при заполнении заявки указывайте полную стоимость.
На сколько часов рассчитана программа?
На сколько
часов рассчитана программа?
часов рассчитана программа?
Курс включает 25 астрономических часов лекций и Q&A-сессий. С учетом времени на домашние задания, учеба будет занимать примерно 8 часов в неделю. В курсе есть перерыв на каникулы.
Что я должен знать, чтобы начать обучение?
Нужно иметь опыт в DL на уровне написания собственного train loop на PyTorch для любой из «классических» задач, например, классификации или сегментации в CV. А также базовое знание Python — будем писать много модулей, функций и классов. Если вы сомневаетесь, подходит ли курс именно вам, напишите нам в телеграм Спросить в ТГ
Наши программы
Поможем освоить востребованные на рынке знания, передав секреты и опыт практикующих инженеров и исследователей
Наведите порядок в репозиториях, научитесь создавать и деплоить DL-сервисы
Деплой DL-сервисов
Март 2025 • 4 месяца
Научитесь ускорять модели и адаптировать инференс под CPU, GPU и NPU
Ускорение нейросетей
Февраль 2025 • 3 месяца
Узнайте, как решают задачи в VR/AR, беспилотниках и цифровых двойниках
3D Computer Vision
Апрель 2025 • 3 месяца
Подробнее
Подробнее
Подробнее
/
Освойте теорию генеративных моделей и их обучение на практике
Generative Computer Vision
Лист ожидания • 3 месяца
Теория, инференс, ускорение и актуальные подходы в LLM
LLM
Подробнее
/
Подробнее
Февраль 2025 • 4 месяца
Повысьте квалификацию, решая сложные кейсы в CV-задачах
CV Rocket 2.0
Апрель 2025
Лист ожидания
coming soon
Записаться в лист ожидания
Наведите порядок в репозиториях, научитесь создавать и деплоить DL-сервисы
Деплой DL-сервисов
Март 2025 • 4 месяца
Научитесь ускорять модели и адаптировать инференс под CPU, GPU и NPU
Ускорение нейросетей
Февраль 2025 • 3 месяца
Узнайте, как решают задачи в VR/AR, беспилотниках и цифровых двойниках
3D Computer Vision
Апрель 2025 • 3 месяца
Освойте теорию генеративных моделей и их обучение на практике
Generative Computer Vision
Лист ожидания • 3 месяца
Теория, инференс, ускорение и актуальные подходы в LLM
LLM
Подробнее
Подробнее
Подробнее
Подробнее
Подробнее
Февраль 2025 • 4 месяца
Повысьте квалификацию, решая сложные кейсы в CV-задачах
CV Rocket 2.0
Март 2025
Лист ожидания
coming soon
Телеграм-канал DeepSchool
Короткие посты по теории ML/DL, полезные библиотеки и фреймворки, вопросы с собеседований и советы, которые помогут в работе
Модуль 1 - Tools & Frameworks (4 лекции)
1. Моделинг в команде. Теория
Расскажем про организацию репозитория для моделинга. Про конфигурирование, логгирование метрик и экспериментов через clearml и про то, как управлять данными при помощи dvc
2. Моделинг в команде. Семинар
Сделаем репозиторий обучения модели «по фен шую»: создадим Makefile и подключим линтеры и пре-коммит. Тренировать модель будем при помощи Pytorch Lightning, а логировать эксперименты — в ClearML
3. Конвертация
Научимся ускорять нейросетей при помощи использования фреймворков для инференса. Научимся предсказывать через ONNX Runtime, OpenVINO и TensorRT
4. Nvidia DALI
Ускорять можно не только модели, но и работу с данными. Покажем, как можно ускорить ваш тренировочный пайплайн при помощи Data Loading Library (DALI) за счёт переведения операций с данными на GPU
Расскажем про организацию репозитория для моделинга. Про конфигурирование, логгирование метрик и экспериментов через clearml и про то, как управлять данными при помощи dvc
2. Моделинг в команде. Семинар
Сделаем репозиторий обучения модели «по фен шую»: создадим Makefile и подключим линтеры и пре-коммит. Тренировать модель будем при помощи Pytorch Lightning, а логировать эксперименты — в ClearML
3. Конвертация
Научимся ускорять нейросетей при помощи использования фреймворков для инференса. Научимся предсказывать через ONNX Runtime, OpenVINO и TensorRT
4. Nvidia DALI
Ускорять можно не только модели, но и работу с данными. Покажем, как можно ускорить ваш тренировочный пайплайн при помощи Data Loading Library (DALI) за счёт переведения операций с данными на GPU
Модуль 2 - Dev & Ops (4 лекции)
1. Введение в веб-сервисы, FastAPI
Расскажем, что такое веб-сервисы, обсудим REST. Научимся писать свои веб-сервисы на FastAPI и конфигурировать их при помощи OmegaConf. Расскажем про внедрение зависимостей и научим применять DI-контейнеры
2. Docker, Tests, Linters
Познакомимся с Dockerfile, docker-image, docker-container. Узнаем про docker volumes, stats и events. Расскажем про docker-compose. Научимся проверять наш код: писать юнит и интеграционные тесты при помощи pytest, а также пропускать его через линтеры
3. CI/CD
Научимся использовать Gitlab CI в своих проектах. Будем тестировать и прогонять через линтеры каждый коммит. Научимся деплоить наше приложение из Gitlab при помощи Ansible
4. Мониторинг
Покажем, как мониторить задеплоенное приложение. Научимся узнавать об ошибках при помощи Sentry, а собирать и отслеживать метрики нам помогут Prometheus и Grafana
Расскажем, что такое веб-сервисы, обсудим REST. Научимся писать свои веб-сервисы на FastAPI и конфигурировать их при помощи OmegaConf. Расскажем про внедрение зависимостей и научим применять DI-контейнеры
2. Docker, Tests, Linters
Познакомимся с Dockerfile, docker-image, docker-container. Узнаем про docker volumes, stats и events. Расскажем про docker-compose. Научимся проверять наш код: писать юнит и интеграционные тесты при помощи pytest, а также пропускать его через линтеры
3. CI/CD
Научимся использовать Gitlab CI в своих проектах. Будем тестировать и прогонять через линтеры каждый коммит. Научимся деплоить наше приложение из Gitlab при помощи Ansible
4. Мониторинг
Покажем, как мониторить задеплоенное приложение. Научимся узнавать об ошибках при помощи Sentry, а собирать и отслеживать метрики нам помогут Prometheus и Grafana
Модуль 3 - Data & Tasks (6 лекций)
1. Краудсорсинг, Толока
Расскажем, что такое crowdsource и как с ним работать. Научимся декомпозировать исходную задачу и писать инструкции для разметчиков. Покажем, как работать в Толоке: научим готовить данные, создавать пулы, контролировать качество и агрегировать результаты
2. Семантическая сегментация
Сделаем обзор моделей для задачи семантической сегментации, обсудим метрики и лоссы. Покажем, как применять Multi-task learning для этой задачи. Расскажем, как можно отделять объекты одного класса друг от друга при помощи Watershed
3. Детекция и трекинг
Пройдём путь от первых детекторов до современных. Обсудим двух- и одноэтапные anchor-based детекторы, а также anchor-free детекторы. Разберёмся, как работать с MMDetection. В задаче трекинга обсудим классический SORT и его современную модификацию FairMOT
4. Распознавание лиц
Расскажем, как обычная кросс-энтропия помогает искать похожие картинки (лица), узнаем, как из этого выводится angular margin loss и при чём здесь contrastive loss. Затронем использование этого для быстрого поиска картинок (лиц), упомянув матричные разложения и кластеризацию
5. Распознавание текста (OCR)
Расскажем про детекцию и распознавание текста, сделаем обзор основных архитектур и датасетов. Расскажем про готовые фреймворки и библиотеки: Paddle OCR, MMOCR, EasyOCR и расскажем, в каких случаях какой лучше применять
6. Детекция без нейросетей
Расскажем, как решают задачу локализации объектов без нейросетей. Рассмотрим алгоритмы поиска контуров и минимально-описывающих фигур, математические морфологии, проекции и бинаризацию
Расскажем, что такое crowdsource и как с ним работать. Научимся декомпозировать исходную задачу и писать инструкции для разметчиков. Покажем, как работать в Толоке: научим готовить данные, создавать пулы, контролировать качество и агрегировать результаты
2. Семантическая сегментация
Сделаем обзор моделей для задачи семантической сегментации, обсудим метрики и лоссы. Покажем, как применять Multi-task learning для этой задачи. Расскажем, как можно отделять объекты одного класса друг от друга при помощи Watershed
3. Детекция и трекинг
Пройдём путь от первых детекторов до современных. Обсудим двух- и одноэтапные anchor-based детекторы, а также anchor-free детекторы. Разберёмся, как работать с MMDetection. В задаче трекинга обсудим классический SORT и его современную модификацию FairMOT
4. Распознавание лиц
Расскажем, как обычная кросс-энтропия помогает искать похожие картинки (лица), узнаем, как из этого выводится angular margin loss и при чём здесь contrastive loss. Затронем использование этого для быстрого поиска картинок (лиц), упомянув матричные разложения и кластеризацию
5. Распознавание текста (OCR)
Расскажем про детекцию и распознавание текста, сделаем обзор основных архитектур и датасетов. Расскажем про готовые фреймворки и библиотеки: Paddle OCR, MMOCR, EasyOCR и расскажем, в каких случаях какой лучше применять
6. Детекция без нейросетей
Расскажем, как решают задачу локализации объектов без нейросетей. Рассмотрим алгоритмы поиска контуров и минимально-описывающих фигур, математические морфологии, проекции и бинаризацию
Модуль 4 - Generative & SelfSup (4 лекции)
1. Трансформеры
Разберёмся, как работают трансформеры и пройдём путь от трансформеров в NLP до первых трансформеров в CV и их модификаций
2. SSL
Рассмотрим различные методы SSL и библиотеки с их реализацией. Спикер поделится личным опытом применения SSL и даст советы из практики
3. GAN
Расскажем теорию автоэнкодеров и GAN, обсудим, как решать проблемы при их обучении и разберем популярные архитектуры
4. Diffusion Models
Объясним, как работает диффузия. Расскажем, как обучают модели под определенные задачи: Conditional Generation, Super-Resolution, Text2Image. И разберем важные архитектуры DALL-E, Imagen, Stabe Diffusion
Разберёмся, как работают трансформеры и пройдём путь от трансформеров в NLP до первых трансформеров в CV и их модификаций
2. SSL
Рассмотрим различные методы SSL и библиотеки с их реализацией. Спикер поделится личным опытом применения SSL и даст советы из практики
3. GAN
Расскажем теорию автоэнкодеров и GAN, обсудим, как решать проблемы при их обучении и разберем популярные архитектуры
4. Diffusion Models
Объясним, как работает диффузия. Расскажем, как обучают модели под определенные задачи: Conditional Generation, Super-Resolution, Text2Image. И разберем важные архитектуры DALL-E, Imagen, Stabe Diffusion
Ни разу не пожалел, что решил пройти курс «Деплой DL-сервисов» — программа насыщенная и продуманная. Лекции ведут опытные и приятные спикеры, а домашние задания (иногда требующие серьезных усилий) и код-ревью помогают глубже разобраться в теме.
Благодаря курсу я понял, как организовать разработку проектов так, чтобы код был понятным для коллег и удобным для меня самого даже спустя время. Особенно рекомендую курс тем, кто работает в молодых командах, где есть простор для улучшения качества разработки.
Александр Федоров
Благодаря курсу я понял, как организовать разработку проектов так, чтобы код был понятным для коллег и удобным для меня самого даже спустя время. Особенно рекомендую курс тем, кто работает в молодых командах, где есть простор для улучшения качества разработки.
Александр Федоров
Я являюсь тем счастливчиком, которому удалось пройти данный курс, и хочу выразить безмерную благодарность всей команде, которая готовила материалы и задания. Вы — бесспорно лучшие! На каждой лекции я удивлялся тому, насколько разносторонними и крутыми «дядями» являются лекторы, но это только больше мотивировало к тому, чтобы я освоил нужные инструменты. Все темы разобраны максимально подробно с живыми примерами и даже групповыми интерактивами, а домашния задания позволяют хорошенько самому покопаться в деталях и сделать работающие решения.
Могу с уверенностью заявить, что все рассматриваемые инструменты подобраны так, чтобы по итогу программы навыки и резюме слушателя отражали все тенденции рынка. Освоенный материал сделал мои тоже более востребованными — за время курса я успешно прошел 3 собеседования на позиции, где требовались изученные инструменты, и мои знания оказались даже глубже, чем было необходимо.
Поэтому я настоятельно рекомендую данную программу, благодарю авторов и желаю успехов будущим слушателям!
Алексей Андреев
Могу с уверенностью заявить, что все рассматриваемые инструменты подобраны так, чтобы по итогу программы навыки и резюме слушателя отражали все тенденции рынка. Освоенный материал сделал мои тоже более востребованными — за время курса я успешно прошел 3 собеседования на позиции, где требовались изученные инструменты, и мои знания оказались даже глубже, чем было необходимо.
Поэтому я настоятельно рекомендую данную программу, благодарю авторов и желаю успехов будущим слушателям!
Алексей Андреев
Ранее я уже проходил другой курс по MLOps, но он оставил больше вопросов, чем ответов. Курс DeepSchool как будто разложил все по полочкам. Материал структурированный, преподаватели всегда на связи, интересные домашние задания и лекции. Я узнал очень много нового и теперь активно применяю это в работе. Было не просто разбираться с новыми инструментами и фреймворками, но сейчас понимаю насколько сильно это уже начало упрощать мне ведение проектов.
Иван Малютин
Иван Малютин
В анонсе организаторы утверждают, что вы «научитесь создавать и деплоить DL-сервисы за 4 месяца». После прохождения курса, могу с уверенностью сказать, что действительно научитесь!
Курс очень интенсивный и освещает основные этапы разработки моделей и вывода их в prod.
Лекторы с большим практическим опытом, чат с поддержкой, интересные и сложные домашние задание с развернутой обратной связью, репозиторий с базовыми пайплайнами, которыми можно пользоваться при разработке собственных проектов — далеко не про все курсы можно сказать подобное. Спасибо DeepSchool за то, что создали такой курс.
Будущих учащихся хочу предупредить — для 4 месяцев, объем материала довольно приличный. Для прохождения курса нужно свободное время, заранее рассчитывайте свои силы — 2−3 часа лекций в неделю, 2−10 часов на домашнее задание и желание учиться.
Андрей Полуянов
Курс очень интенсивный и освещает основные этапы разработки моделей и вывода их в prod.
Лекторы с большим практическим опытом, чат с поддержкой, интересные и сложные домашние задание с развернутой обратной связью, репозиторий с базовыми пайплайнами, которыми можно пользоваться при разработке собственных проектов — далеко не про все курсы можно сказать подобное. Спасибо DeepSchool за то, что создали такой курс.
Будущих учащихся хочу предупредить — для 4 месяцев, объем материала довольно приличный. Для прохождения курса нужно свободное время, заранее рассчитывайте свои силы — 2−3 часа лекций в неделю, 2−10 часов на домашнее задание и желание учиться.
Андрей Полуянов
Курс авторский и уникальный. Хоть темы и стандартные для CV, в лекциях было очень много практических вещей из опыта лекторов, которые в интернете вряд ли найдешь. После обучения стала ощущать себя намного увереннее, многие вещи стали понятнее, осталось только углублять знания. Но базу курс дает хорошую, могу рекомендовать всем начинающим специалистам.
Я проходила курс и сразу применяла на практике в работе новые знания. Например, перешла на pytorch lightning, стала лучше организовывать и писать код. Docker и Gitlab CI/CD больше не пугают. Вообще для меня курс многое разложил, как правильно и лучше делать с точки зрения software engineering.
Отдельно хочу отметить очень вовлеченную и позитивную команду преподавателей, которые все отвечали на вопросы подробно и понятно, добирались до самой сути. Отдельное почтение Артему за обширные познания и полезные замечания на код-ревью и Сергею, за то что несколько дней помогал разобраться со вторым дз, и все-таки мы ее побороли :) такая вовлеченность и поддержка дорого стоят, ребятам большое спасибо за атмосферу!
Ольга Чаганова
Я проходила курс и сразу применяла на практике в работе новые знания. Например, перешла на pytorch lightning, стала лучше организовывать и писать код. Docker и Gitlab CI/CD больше не пугают. Вообще для меня курс многое разложил, как правильно и лучше делать с точки зрения software engineering.
Отдельно хочу отметить очень вовлеченную и позитивную команду преподавателей, которые все отвечали на вопросы подробно и понятно, добирались до самой сути. Отдельное почтение Артему за обширные познания и полезные замечания на код-ревью и Сергею, за то что несколько дней помогал разобраться со вторым дз, и все-таки мы ее побороли :) такая вовлеченность и поддержка дорого стоят, ребятам большое спасибо за атмосферу!
Ольга Чаганова
Хочу поделиться хорошей новостью - устроился в австралийскую компанию, буду заниматься облаком OCR) На собеседовании за счет того, что подчерпнул на курсе об устройстве OCR, вытянул - сказали, что как будто у них уже года полтора работаю, такое понимание процессов). Собственно, все, что хотел сказать, просто спасибо за курс)
Александр
Александр
Есть вопросы, на которые вы не нашли ответы? Напишите нам в Telegram, ответим на все интересующие вопросы