Менеджмент AI- и BigData-продуктов

4.4

2 месяца,

начало 21 ноября

Сложность

Начинающий

Тип обучения

Курс

Формат обучения

С проверкой домашнего задания

Трудоустройство

Содействие

Сертификат

Да

Стоимость курса

39 600 ₽

есть рассрочка

Интенсивный курс
Освойте навыки всего за 2 месяца
Комфортный темп
Вы выбираете, с какой скоростью проходить обучение
Практика от спикеров
Примените навыки на реальных кейсах
Доступ навсегда
Сможете вернуться к материалам даже через 2 года

Вы научитесь:

Внедрения ML-задач в компании и команд
Оценка профита и трудоёмкости от внедрения AI/ML-функциональности. Снижение рисков неудачного завершения AI/ML-проектов. Разбор кейсов внедрения и оценки AI-задач.
Построение AI-стратегии
Работа с командами разработки, аналитики и маркетинга, защита своих идей, работа со смежниками, удержание и прокачка ребят в своей команде
Лучшие практики работы с BigData/ML-командой
Разбираем, какие нюансы приходится принимать менеджеру по продукту при общении с AI/ML-командой. Достаточно ли обучена выборка? Чистые ли данные? Выбрали ли мы правильный набор данных?
Работа с датасетами и моделями. Выбор фичей
Что такое «фичи» в ML и как их правильно выбирать. Сила и нюансы датасетов. Сбор и очистка данных и что об этом должен знать менеджер. Выбор, составление и обучение ML-модели.

Как проходит обучение

Изучение темы
Изучаете тему с помощью видеоуроков, которые доступны на обучающей платформе
Выполнение ДЗ
Выполняете домашнее задание в том темпе, в котором Вам удобно это сделать
Наставничество
Общаетесь с наставником, закрепляете знания и исправляете ошибки
Защита проекта
Защищаете проект и дополняете им свое портфолио

Что вы получите после обучения

Приобретаемые навыки

Project-менеджмент

AI-продукты

Машинное обучение

BigData

Внедрение ML-задач

Датасеты

Модели

Фичи

Валидация

Technical Product Manager

SQL

Нейронные сети

Анализ данных

Hadoop

MapReduce

Soft skills

Сертификат, ссылками на который можно делиться с другими людьми

Вас будут обучать

Андрей Менде

курсов

Product Owner, Booking.com

В Яндексе занимался поисковыми вертикалями, в частности Яндекс.Недвижимостью. Затем переехал в Амстердам, чтобы заниматься платежами в компании Booking.com. Сейчас занимается поисковым ранжированием отелей. Работает в группе, которая занимается исключительно алгоритмами машинного обучения для поиска.

Окончил Санкт-Петербургский государственный университет и Стокгольмскую школу экономики. 3 года проработал исполнительным директором в OnlineDengi.

Основатель тренажера ProductDo https://productdo.it/

Преподаватель курсов:

Профессия Продакт
Менеджмент AI- и BigData-продуктов
Навык: A/B-тестирование

Михаил Карпов

курса

ex-Product Director, Skyeng

С 2015 года руководил сервисом «Видео» соцсети «ВКонтакте», в 2017 году он возглавил направление мультимедиа.
До «ВКонтакте» работал в «Яндексе». Перешел в Skyeng в феврале 2018 года. В обязанности входила разработка стратегии продуктового развития сервисов онлайн-школы, разработка моделей новых продуктов, отстройка и контроль процессов для работы команды продукта.

Преподаватель курсов:
Профессия Продакт
Level Up: Senior Product & CPO
Продакт-менеджмент с 0: быстрый старт

Роман Абрамов

курсов

Product Director, Тинькофф

Работал руководителем по продукту в компаниях CarPrice, Auto.ru и Yandex.Auto, Сберавто. Сейчас руководит продуктовыми платформами в Тинькофф.

Преподаватель курсов:
Профессия Продакт
Level Up: Senior Product & CPO
Продакт-менеджмент с 0: быстрый старт

Образовательная организация

ProductStar

4.5

69 отзывов

ProductStar — онлайн-университет с экспертизой в продуктовом менеджменте, аналитике, маркетинге и программировании: более 10 лет обучаем IT-профессиям. Компания ProductStar выросла из ProductCamp - это международная крупнейшая конференция по продакт менеджменту. Мы сотрудничаем с Google developers group и являемся организатором крупной конференции в мире разработки - Devscamp. Среди наших спикеров специалисты из Google, Amazon, Epam, Booking, Яндекса, Сбера. Обучение построено на прикладных кейсах российских и международных компаний. Также есть собственный карьерный центр, который помогает в трудоустройстве студентов как в российские, так и в зарубежные компании.

Честные обещания по трудоустройству и качеству курсов:

— Мы уверены в качестве программы, наших спикеров и партнёрств карьерного центра
— Мы полностью вернём деньги, если у вас не получится найти работу, в рамках изучения профессии
— Собственный карьерный центр с базой стажировок: более 80% наших студентов устраиваются на работу в процессе обучения
— Средний срок трудоустройства студентов – 2,5 месяца
— В течение первых 20 дней действует гарантия полного возврата. Это как раз то время, чтобы понять, хотите ли вы развиваться в данной профессии

Корпоративное обучение:
— 30% студентов учатся за счёт компании
— Соберём программу обучения под задачи вашей компании.
— Бесплатно поможем с наймом студентов наших курсов

Программа курса

Урок 1: "Определение бизнесовых точек роста компании, в которых может помочь ML"

Урок 2: "AI-продукты и машинное обучение"

Урок 3: "Чек-лист внедрения ML-задач в компании и команде"

Урок 4: "Лучшие практики работы с BigData/ML-командой"

Урок 5: "Работа с датасетами и моделями. Выбор фичей"

Урок 6: "Workshop: создание и запуск датасета"

Урок 7: "Валидация бизнес-результатов запуска AI/ML функциональности"

Урок 8: "Technical Product Manager"

Урок 9: "Введение в блок SQL"

Урок 10: "Извлечение данных и операторы"

Урок 11: "Фильтрация данных и условия"

Урок 12: "Знакомство с машинным обучением"

Урок 13: "Введение в нейронные сети"

Урок 14: "Введение (рекомендательные системы)"

Урок 15: "Методологии анализа больших данных и организации команды. CRISP-DM"

Урок 16: "Культура сбора и источники данных / Улучшение качества работы с данными"

Урок 17: "Основы работы в Hadoop и MapReduce"

Урок 18: "Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования"

Урок 19: "Soft skills для продакта"

Урок 20: "Защита своего проекта и идей перед командой и руководителями"