Есть вопросы по курсу?

напишите нам в Telegram, ответим на все вопросы

Телеграм-канал DeepSchool

Научим создавать и деплоить DL-сервисы за 3 месяца

От Jupyter’а до Прода

Телеграм-канал DS

Научитесь работать в команде

Разберётесь в лучших практиках

Наведёте порядок в репозиториях

Повысите свою ценность на рынке

Cтарт 6-го ноября

Курс подойдет всем грейдам

Junior

Middle

Senior

Новички

Главное — знать базовую теорию нейросетей

повысит грейд после курса

систематизирует знания и закроет пробелы

подсмотрит на практики других команд

заметно выделятся при поиске первой работы

Чтобы изучать эту программу, надо знать основные архитектуры нейросетей, функции потерь, функции активации, как работают forward pass и backpropagation и другую базовую теорию нейросетей

Как именно вы освоите каждый навык

Онлайн-лекции, где можно задавать вопросы, обсуждать сложные кейсы и дискутировать. В конце — анонимный тест для закрепления материала

Изучите теорию на zoom-лекции

1.

1/5

2/5

После каждой лекции — домашнее задание для закрепления материала

Сделаете практическое задание

2.

3/5

←

→

Каждое домашнее задание проверит лектор и даст исчерпывающий фидбэк

Получите разбор домашнего задания

3.

4/5

←

→

Обсуждайте домашние задания, рабочие задачи или просто общайтесь. Кураторы курса всегда помогут решить проблемы и поделятся советом

Если возникнут трудности, мы оперативно поможем в чате

4.

5/5

←

→

Раз в 4−5 недель спикеры и кураторы собираются в zoom, чтобы ответить на ваши вопросы, помочь с практикой, обсудить задачи

Или приходите на онлайн-встречи с кураторами, чтобы обсудить вопрос голосом

5.

Программа

После каждой лекции — практика

недель

лекций

8-12

часов в неделю

1. Git, линтеры, Makefile

Удалённый git показываем на примере Gitlab

Базовые концепты git: коммиты, ветки, мержи, резолв конфликтов, ролбеки

Cherry picking, rebase, сквош коммитов

Удалённый проект: как создать, подрубиться и т.п., gitignore. Настройка гита в IDE

Merge request’ы в gitlab, практика ревью, стратегии работы в команде с несколькими разработчиками

Линтеры: flake, wemake, mypy. Форматтеры

Pre-commit hooks

Makefile

2. Настройка репозитория с моделингом. Lightning и ClearML

Темы лекции:

Зависимости в python

Pytorch Lightning. Мотивация и основные компоненты

Как метрики заслать

Как сравнить эксперименты

Lightning Callbacks

Конфиги: Omegaconf и Pydantic

- Module

- DataModule

- Trainer

- Loggers + Callbacks

- Интеграция с ClearML:

3. Clearml data, DVC, Lightning, тесты

Темы лекции:

Дебаг кода для DL

Добавление линтеров/форматтеров и прекоммит хуков

Тесты для моделинга

Юнит на какой-нибудь препроцессинг

CI с прогоном тестов и линтеров. Не вдаёмся в подробности как работает — говорим что подробнее будет дальше

Данные: ClearML data, DVC

4. Jit/ONNX

Темы лекции:

Torch and Lightning checkpoints

Jit/Script

ONNX

Как проинференсить onnx-модель: OnnxRuntime

Simplifyers

Netron

Конвертация в ONNX и отправка в ClearML

5. Сервис. Часть 1: что такое запросы, FastAPI, DI

Темы лекции:

Как работает интернет

HTTP/REST

Пишем запросы в python: requests. Postman

FastAPI: пишем сервис, pydantic

Swagger, доп. параметры к документации

DI-контейнеры

FastAPI: пишем сервис, который использует нашу модельку в ONNXRuntime

6. Сервис. Часть 2: приводим сервис в порядок, добавляем тесты и линтеры

Темы лекции:

Обработка ошибок в сервисах, коды, поведение, etc

Тесты: юнит и интеграционные

Плохие и хорошие практики в тестах

Pytest: скоупы, фикстуры, метки

Простые тесты

Показываем, как в тестах полезен DI

Добавляем линтеры

pytest docker compose

Mark async

Очереди: redis, faststream, DI

7. Docker

Темы лекции:

Мотивация изоляции/контейнеризации

Виртуализация vs Контейнеризация

Основные концепты docker

Слои

Основные команды

Best Practices для DL

Мониторинг ресурсов и events

Docker Compose

Пакуем сервис в докер

- Dockerfile

- Docker Image

- Docker container

- Docker registry

- Dockerignore

8. Serving (Triton)

Темы лекции:

Зачем нужен. Батчинг

Triton: основные концепты, учимся разворачивать

Пайплайны

Стратегии развёртывания

Асинхронный код и поход из FastAPI в сервинг

Тест на связку FastAPI и Torchserve

9. Gitlab CI

Темы лекции:

CI/CD

Основные концепты Gitlab CI

Сборка образа в CI

Пайплайн для сервиса: сборка, линтеры/тесты

- Пайплайн

- Стейджи

- Джобы

- when

- Переменные

- anchors

- include

- triggers

- artifacts

10. Deploy и мониторинг

Темы лекции:

Что такое ssh

Ansible: основные концепты

Деплой сервиса через Gitlab CI и ansible:

Сбор ошибок, Sentry

- инвентори

- плейбуки

- деплой

- Деплой для сервинга/модели

- И остановка для обоих

- Деплой для FastAPI части

Спикеры

Опытные инженеры будут вести Zoom-лекции и семинары, отвечать на ваши вопросы и ревьюить код

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

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

Стоимость курса

93 000 ₽

Поддержка опытных инженеров

Проект в портфолио

Создание веб-сервисов

Автоматизация деплоя

Лучшие практики в моделинге

до 20 октября

Полная оплата

9 110 ₽ / мес

При рассрочке на 12 месяцев

Рассрочка

Записаться на консультацию

~~110 000 ₽~~

~~10 770 ₽ / мес~~

старт 6-го ноября

Полный цикл деплоя DL-проекта: от моделинга до мониторинга
10 лекций, 10 заданий, 1 проект и много фидбека

Что говорят наши выпускники

Истории глазами тех, кто успешно прошел обучение

Мария Старцева

«Воспользовалась на работе некоторыми идеями и мне очень пригодился код для построения рабочих пайплайнов»

Читать отзыв полностью

«Хочу сказать, что это, пожалуй, лучший курс по ML, который я проходила (а у меня достаточно лет опыта в ML)»

Галина Альперович

«Курс оказался крайне полезным. Благодаря лекторам, тьюторам и создателям программы, я смог углубить свои знания»

Арсений Рылов

Читать отзыв полностью

Ольга Чаганова

«После обучения стала ощущать себя намного увереннее, многие вещи стали понятнее, осталось только углублять знания»

Читать отзыв полностью

(CV Rocket)

(3DCV)

(CV Rocket)

«Курс максимально полезный лично для меня, систематизирует знания, не оставляет пробелов»

Дмитрий

Читать отзыв полностью

(3DCV)

Александр

«На собеседовании за счет того, что подчерпнул на курсе об устройстве OCR, вытянул»

Читать отзыв полностью

(CV Rocket)

FAQs

Когда проходят лекции и семинары?

Лекции проходят по будням в 18:00 МСК и длятся от 90 до 120 минут. Онлайн-семинары проходят после каждой 5-й лекции

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

На сколько часов рассчитана программа?

На сколько
часов рассчитана программа?

20 астрономических часов на лекции и ~30 часов практики или примерно 8 часов в неделю, что позволяет комфортно встроить обучение в рабочий график

Что я должен знать, чтобы начать обучение?

Основы Deep Learning и Computer Vision. Мы предполагаем, что вы уже знаете теорию нейросетей и решали задачи из области компьютерного зрения. Если вы сомневаетесь, подходит ли курс именно вам, напишите нам в телеграм Спросить в ТГ

Телеграм-канал DeepSchool

Короткие посты по теории ML/DL, полезные библиотеки и фреймворки, вопросы с собеседований и советы, которые помогут в работе

Открыть Телеграм