© 2018 URAL school of machine learning
"Уральская школа машинного обучения" на базе института информационных технологий ЧелГУ
при поддержке компаний "Интерсвязь" и "Napoleon IT School"

Школа машинного обучения рассчитана на студентов и выпускников инженерных,
математических и IT-специальностей. Обучение проходит в течение трех месяцев.
С 24 сентября по 23 декабря 2018 года.

В новом запуске школы вас ждут сразу два курса-специализации:
Machine Learning и Python Backend. Вы можете выбрать один или пройти оба курса.

Преимущества школы:
  • Бесплатное обучение и оплачиваемая стажировка
  • Самые актуальные направления в IT: Machine Learning и Backend-разработка на Python
  • Оптимальное сочетание теории и практики
  • Живое общение с преподавателями — экспертами ведущих IT-компаний
  • Соревнования и проекты на реальных данных
Преподаватели:
Занятия проводят опытные специалисты в области Data Science, Senior backend-разработчики, архитекторы программных систем и интеллектуальных сервисов из RnD отделов компаний-организаторов школы.
Курс “Machine Learning”
Курс по машинному обучению рассчитан на начинающих специалистов в области Data Science. За основу взята программа самого популярного открытого курса от сообщества OpenDataScience.

Если вам интересно машинное обучение и искусственный интеллект, вы не боитесь математики и готовы решать сложные исследовательские задачи на стыке аналитики данных и программирования - тогда этот курс для вас!
Программа курса:
  • Анализ и визуализация данных на Python
  • Обучение с учителем: методы классификации и регрессии
  • Композиции алгоритмов, градиентный бустинг
  • Построение и отбор признаков
  • Обучение без учителя: методы кластеризации
  • Анализ временных рядов
  • Применение алгоритмов машинного обучения в задачах обработки текста, изображений и геоданных
  • Работа с большими данными: применение онлайн-обучения
  • Соревнования на Kaggle
  • Выпускной проект по анализу данных
Что даст вам курс?
  • Вы изучите основные методы решения задач машинного обучения — классификации, регрессии и кластеризации
  • Вы пройдете через все этапы решения задач машинного обучения
  • Освоите современные библиотеки машинного обучения и инструменты анализа данных на языке Python
  • Получите опыт работы с реальными датасетами в задачах обработки текста, изображений, геоданных и временных рядов
Требования к слушателям:
  • Знание основ программирования, алгоритмов и структур данных
  • Знание базового синтаксиса языка Python 3 (или желание его освоить в ходе решения тестового задания)
  • Знание базовых разделов математики: линейной алгебры, математического анализа, комбинаторики, теории вероятностей и математической статистики
  • Базовые знания технического английского языка, чтение и перевод текстов
Курс “Backend-разработка на Python”

Курс создан для подготовки Junior Backend-разработчиков на Python. В его основе - лучшие материалы по изучению программирования на Python:

Этот курс для тех, кому интересно программирование на Python, разработка backend’а сложных программных систем, создание высоконагруженных сервисов для обработки больших данных.

Программа курса:
  • Структуры данных и функции
  • Объектно-ориентированное программирование, углубленное понимание классов в Python
  • Объектно-ориентированное проектирование, качество кода, рефакторинг и паттерны в Python
  • Тестирование и отладка программ на Python, подход Test Driven Development
  • Многопоточное и асинхронное программирование: на примере asyncio, aiohttp
  • Сбор данных (скрапинг) со сторонних сайтов (Beautiful Soup, PhantomJS)
  • Слой доступа к данным: SQL (реляционные СУБД на примере MySQL, колоночные СУБД на примере ClickHouse) / NoSQL (MongoDB, Redis)
  • Популярные Python-фреймворки: Django, Flask, Bottle и др.
  • Работа с пользовательскими данными
  • Инфраструктура разработки: Git, Docker, Continuous Integration, Web-сервера
  • Архитектура высоконагруженных сервисов, потоковая обработка больших данных, MapReduce
  • Выпускной проект по созданию веб-сервиса
Вы научитесь:
  • Уверенно использовать конструкции языка, типы и структуры данных, функции, подходы объектно-ориентированного и функционального программирования на языке Python
  • Узнаете про особенности реализации Python, научитесь писать асинхронные и многопоточные программы
  • Научитесь писать красивый и чистый код, осознанно использовать паттерны и архитектурные подходы, создавать масштабируемые веб-сервисы
  • Освоите на практике возможности популярных Python-фреймворков и инструментария промышленной разработки: Git, Docker, CI
  • Получите практические навыки создания интеллектуальных высоконагруженных веб-сервисов на языке Python
Требования к слушателям:
  • Знание базовых алгоритмов и структур данных
  • Знание и понимание основных принципов объектно-ориентированного программирования, опыт программирования на любом объектном языке (необязательно Python, это может быть и C++, Java, C#, PHP и др.)
  • Знание базового синтаксиса языка Python 3 (или желание его освоить в ходе решения тестового задания)
  • Базовые знания технического английского языка, чтение и перевод текстов
В рамках школы предусмотрены:
  • Мастер - классы
  • Семинары с групповым разбором задач
  • Индивидуальные консультации
  • Соревнования
  • Проекты
  • Тьюториалы
Формат и время занятий:
  • Очные занятия с преподавателями: по вечерам 1-2 раза в неделю в будни с 18:20 до 20:00
  • Самостоятельная работа: 10-12 часов в неделю на изучение материалов курса и выполнение домашних заданий
  • Общение онлайн: чат с преподавателями и другими слушателями школы для обсуждения возникающих вопросов
Оплачиваемая стажировка

После успешного окончания одного из курсов школы вы сможете пройти оплачиваемую стажировку.

Станьте частью сильнейших команд, реализующих крупные проекты в сфере машинного обучения и искусственного интеллекта по направлениям:

  • Обработка естественного языка, диалоговые системы
  • Анализ изображений, аудио и видео
  • Информационный поиск, рекомендательные системы
  • Прогнозирование поведения пользователей
ОТЗЫВЫ
Наврас Бокиев
Выпускник школы
Меня зовут Наврас Бокиев, мне 21, сейчас я занимаюсь компьютерным зрением в компании “Интерсвязь”. В школе была отличная подача материала: можно посмотреть видеолекцию, затем прочитать статью и после этого еще закрепить все на встрече с преподавателями. Курс получился насыщенным, скучать не пришлось: и лекции, и домашки, и соревнования, и проект, и туториал. Плюс давали жетончики за особые успехи. Была интрига, что же за это дадут, в итоге я получил поездку на DataFest. Этот курс дал мне приличную базу знаний о машинном обучении, я завел много знакомств со специалистами в данной области.
Станислав Питуганов
Выпускник школы
Меня зовут Стас Питуганов, 23 года, я работаю над задачами обработки естественного языка в отделе машинного обучения компании «Интерсвязь». При подаче заявки в школу у меня не было каких-либо сомнений, так как я знал, чего ожидать, ведь компании “Интерсвязь” и “Наполеон ИТ” имеют хорошую репутацию. За время прохождения школы я понял, что в Челябинске есть крутые ml-специалисты! Классно, что занятия не проходят в формате банальных лекций, преподаватели постоянно взаимодействуют со слушателями. Результатами курса я полностью удовлетворен!
Никита Харченко
Выпускник школы
Я студент 3 курса ЧелГУ по направлению “Бизнес-информатика” и работаю над задачами обработки естественного языка в компании “Наполеон ИТ”. Плюсы школы: свободный формат занятий; примеры реальных задач и путей их решения от людей, занятых в отрасли; на выполнение задач дается достаточное количество времени, чтобы выполнить всё и при этом не расслабляться. Из минусов: мало соревнований на Kagle, они мне очень понравились.
Юрий Самусевич
Выпускник школы
Всем привет, меня зовут Юрий Самусевич, мне 22 года, учусь на матфаке ЧелГУ, занимаюсь компьютерным зрением в компании “Интерсвязь”. Сомнений при поступлении в школу никаких не испытывал, так как новые знания лишними не будут. В самом курсе могу отметить актуальность знаний и технологий. Приходите на новый курс, вы получите хороший бэкграунд в МО и python.
Людмила Литвинова
Выпускник школы
Привет, меня зовут Литвинова Людмила, 23 года, работаю над задачами обработки аудиосигналов в отделе машинного обучения компании "Интерсвязь". При поступлении в школу были некоторые сомнения, имеет ли смысл тратить на это время в течении выпускного года. Но плюсы перевесили, так как я хотела развиваться в направлении машинного обучения. Очевидные плюсы: интересный формат занятий, была возможность обсудить спорные моменты в заданиях и пообщаться со специалистами в ML. Результаты превзошли все мои ожидания. Помимо актуальных знаний, я получила приглашение на стажировку.
Анастасия Изюмова
Выпускник школы
Привет, меня зовут Анастасия, студентка 3 курса ЧелГУ. Я работаю над внедрением обученных моделей компьютерного зрения в мобильное приложение в отделе машинного обучения компании "Наполеон IT". Во время обучения нам не давали готовый материал, мы изучали его дома, а потом вместе разбирали непонятные моменты, это удобно. Порадовали соревнования, они позволили показать все свои силы и подогревало мотивацию искать новые пути решения задачи. Перед школой посоветую подтянуть математику.
Мария Еремина
Выпускник школы
Привет, меня зовут Мария Еремина, мне 21 год, учусь на 3 курсе ЧелГУ. Это были крутые 3 месяца в школе, мы делали домашки, участвовали в соревнованиях на Kaggle, получали плюшки за активное обсуждение на вечерних разборах лекций. Бессонные ночи за проектом и соревнованиями того стоили. После Школы меня пригласили на стажировку в компанию «Интерсвязь». Нужно ли проходить Школу машинного обучения? Ответ - однозначно да, если вы хотите разобраться в основах, найти единомышленников, а может и просто попробовать себя в новой области.
Участие в школе бесплатное.
ТОРОПИТЕСЬ: Количество мест ограничено!
Внимание, все поля обязательны для заполнения
ПОЗДРАВЛЯЕМ!
ВАША ЗАЯВКА ПРИНЯТА ДЛЯ ОТБОРА
В URAL SCHOOL OF MACHINE LEARNING

Для прохождения отбора вам необходимо выполнить тестовое задание, а также прислать резюме и мотивационное письмо.
Для прохождения одновременно двух курсов необходимо выполнить оба тестовых задания.

Вся информация об отборочных заданиях для каждого из курсов, резюме и мотивационном письме - по ссылке

  • “Мягкий” дедлайн по отборочным заданиям - 12 сентября 23:59
  • “Жесткий” дедлайн по отборочным заданиям - 18 сентября 23:59

Выполнение задания к “мягкому” дедлайну позволит получить обратную связь о качестве вашего решения и возможность исправить недочеты до “жесткого” дедлайна
Важно: у вас есть только две попытки, чтобы прислать решение до жесткого дедлайна

Советы по подготовке:

Как подготовиться к прохождению курсов — вспомнить математику для курса Machine Learning и освоить Python для обоих курсов — советы от OpenDataScience

Подписывайтесь на группу школы ВКонтакте для получения новостей, полезных ссылок и материалов курса

Заходите в чат школы в Telegram @USML2.
Здесь всегда самая актуальная информация об отборе в школу. Вы можете задать любые вопросы по отборочному заданию и оргмоментам, обсуждать решения с однокурсниками, пообщаться с преподавателями и организаторами