Обучение востребованным
IT-специальностям: программирование, тестирование, аналитика
Академия GLOBUS
Все просто — нам в команду нужны крутые ИТ-специалисты.
Учим всех, трудоустраиваем лучших.
Здесь лежат звезды для карточек слайдера
IT-курсы
Low
подходит для студентов с любым уровнем подготовки
Medium
необходимо базовое техническое образование
High
требуется углубленное знание математических дисциплин
Мидлам
Джуниорам
Новичкам
• Прокачать себя до Senior
• Поменять специализацию
• Хочешь систематизировать свои знания
• Решил прокачать свои навыки в разработке
Наши курсы подойдут:
• Мечтаешь начать карьеру в IT
• Ищешь себя
• Планируешь получать хорошую зарплату
Учись в своем ритме
Модульная система обучения
  • Учебная программа разбита на тематические блоки – модули
  • Модули можно проходить последовательно или выбирать только актуальны
1
Индивидуальный подход
  • За каждым студентом закреплен ментор – опытный разработчик Globus уровня Senior
  • Регулярные консультации и обратная связь по домашним заданиям
2
Реальный результат
  • Выпускной кейс или pet-проект – по окончании курса
  • Сертификат о прохождении обучения
3
• Возможность получить оффер в Globus
Что ты получишь?
• Рекомендации для трудоустройства в другие компании
• Полезные контакты в IT-сообществе
• Практические умения и навыки
• Сертификат как еще один плюс в резюме
• Pet-проект и реальные кейсы для портфолио
• Инструменты и лайфхаки для работы
Почему нас выбирают
Компания Globus — лидер в разработке, аналитике и интеграции ИТ-систем
Нашу сильную техническую экспертизу высоко оценивают заказчики: Сбер, Яндекс, X5 Retail Group, Лаборатория Касперского, HeadHunter и другие
Программа составлена действующими специалистами — вы получите только самые актуальные знания
Наши спикеры — постоянные участники ведущих форумов и конференций в IT, они умеют работать с аудиторией и преподносить материал
Вас ждет максимально практическая направленность курса и работа с реальными кейсами
У лучших выпускников будет возможность стажировки в компании Globus и дальнейшее трудоустройство
Куратор программы
Илья Померанцев
Руководитель направления ML в Globus

Эксперт в области Machine Learning, Deep Learning, Computer Vision

Опыт управления проектами с 2007 года

Постоянный спикер на крупнейших IT-конференциях России — TechWeek, Технофорум, ЦИПР и др.


Связаться
Отзывы выпускников
Илья Соловьев
младший инженер-программист GLOBUS, курс «iOS-разработчик»
Я прошёл курс в 2019—2020 году от компании GLOBUS, который проводился на базе Высшей Школы Экономики. Лекции были структурированными и последовательными, после каждой лекции была практика. Преподаватели отзывчивые, помогали решить трудности.
Андрей Журавлев
младший инженер-программист GLOBUS, курс «iOS-разработчик»
На курсе изучали различные архитектурные паттерны (Clean Architecture, MVC, MVVM, VIPER,), а также язык Swift. Проходили все необходимые аспекты мобильных приложений: верстка UI, запросы в сеть, многопоточность. Все это было полезно, так как встречается в реальной разработке каждый день.
Андрей Ким
младший инженер-программист GLOBUS, курс «Android-разработчик
Долго не мог решить, каким программистом становиться, но курсы по android-разработке от GLOBUS дали старт развития в сфере мобильных технологий. Отличное сочетание теории с практикой, прекрасные преподаватели, которые в любой момент смогут помочь с трудностями! Спасибо вам огромное!
Наши выпускники работают на проектах
Записаться на курс
Наши специалисты свяжутся с вами и ответят на ваши вопросы
Отвечаем на самые частые вопросы об учебных курсах Академии Globus
Сколько стоит обучение?
Стоимость обучения зависит от курса и количества модулей, которые ты выберешь. Конкретные цены можно узнать у куратора Академии Globus Ильи Померанцева i.pomerantsev@globus-ltd.com.
Можно ли будет оплатить курсы по частям?
Да, можно, мы всегда пойдем навстречу. Договоримся!
Когда первое занятие и как на него попасть?
Каждый курс стартует по мере набора групп. Зарегистрируйся, и мы сообщим, когда начнется обучение.
Смогу ли я совмещать обучение в Академии Globus с работой или учебой?
Занятия будут проходить в удобное для студентов время. График согласуем с каждой группой индивидуально.
Что делать, если я не смогу прийти на некоторые занятия?
Можно посмотреть прямую трансляцию или видео после занятия, которое мы выложим на YouTube в закрытом доступе.
Подойдут ли мне курсы, если у меня нет технического образования?
Да, мы разработали учебные программы разного уровня сложности, которые смогут освоить люди с гуманитарным или естественно-научным образованием. На сайте они помечены значком. Студентам, не имеющим технического образования, подойдет, например, курс «Специалист по тестированию». Зарегистрируйся, мы свяжемся с тобой и определим, какая учебная программа подойдет именно тебе.
Вся информация, представленная на данном сайте, носит информационный характер и ни при каких условиях не является публичной офертой, определяемой положениями Статьи 437(2) Гражданского кодекса РФ. Услуга не носит характер образовательной или просветительской деятельности в понимании Федерального закона "Об образовании в Российской Федерации" от 29.12.2012 N 273-ФЗ. Услуга оказывается ООО "ГЛОБУС-ИТ" (ОГРН: 1135260012337), для получения подробной информации об услуги и её стоимости необходимо оставить заявку на сайте или обратиться по email: contact@globus-ltd.com.
© 2021
contact@globus-ltd.com
8 800 775 13 96
+7 495 175 13 96
Москва
Большая Новодмитровская, д. 36 стр. 12 (Flacon)
Нижний Новгород
Нижневолжская наб., 16,
Казанская наб., д.5
Делимся интересным

Профессия

ML-инженер

level
Срок обучения — 5 месяцев
Вернем деньги за курс при успешном прохождении и трудоустройстве
Machine learning developer —
одна из самых востребованных профессий на международном рынке
160.000 ₽ —
cредняя зарплата machine learning developer
Цели Академии Globus
  • Поиск сотрудников для работы в GLOBUS
  • Подготовка ИТ-специалистов для компаний-партнеров
  • Повышение квалификации действующих разработчиков
Наши преимущества
  • Каждый год выбираем разные направления подготовки специалистов в зависимости от востребованности на рынке разработки
  • Программа сформирована с учетом всех современных трендов
    и требований к ПО
  • Мощная теоретическая база и возможность сразу применить все знания на
    практике под руководством опытного наставника
  • Возвращаем полную сумму курса тем, кто успешно завершил курс
    и попал к нам в команду
О профессии

Машинное обучение позволяет автоматизировать труд человека. ML нужен для создания нейросетей, которые анализируют все что угодно — от комбинаций в шахматах до максимальной персонификации рекламы в соцсетях. ML позволяет создавать программы для прогнозов, которые работают гораздо лучше человека.

Python — наиболее популярный язык для машинного обучения. Для него написано огромное количество библиотек, применяемых для машинного обучения и анализа данных.

Специалистов по машинному обучению прицельно ищут крупные компании, которые используют или планируют использовать алгоритмы искусственного интеллекта в своих проектах.

Профессия machine learning developer — одна из самых востребованных на международном рынке.

Как строится обучение
human

Данный курс состоит из пяти модулей и содержит необходимую теорию и практику по изучению основных моделей машинного обучения и нейросетевых вычислений, реализации нейросетей и анализа изображений.

Обучение проходит в формате онлайн-вебинара, все участники курса также получают доступ к видеоконтенту и практическим занятиям для самостоятельной работы и проверки полученных знаний.

Если у студентов возникают вопросы, они их обсуждают с авторами курса в отдельном Tg-канале поддержки.

Для выполнения практических заданий курса студентам предоставляются готовые программные шаблоны решения задач, в которые они должны вписать реализацию отдельных функций. Правильность реализации проверяется автоматически.

В конце курса проводится соревнование/хакатон по распознаванию изображений.

Программа курса
Модуль 1. Математика и программирование в Python

1.1. Введение в программирование на Python

  • Установка языка и среды программирования
  • Установка и работа в Jupyter notebook и Google Colab
  • Основные структуры данных и синтаксис языка
  • Циклы, строки, списки, кортежи, множества, словари
  • Функциональное и модульное программирование Python

1.2. Матричные вычисления в Python. Графический анализ данных

  • Реализация матричных вычислений с использованием библиотеки numpy.
    Краткий обзор функционала библиотеки
  • Построение графиков
  • Краткий обзор функционала библиотеки matplotlib
Модуль 2. Математика машинного обучения

2.1. Векторные пространства, матрицы и тензорные вычисления

  • Векторная алгебра
  • Операции с векторами
  • Матричная алгебра
  • Операции над матрицами
  • Тензоры
  • Операции с тензорами
  • Транспонирование матриц и тензоров
  • Представление картинок в виде тензоров
  • Реализация операций с тензорами с использованием библиотеки numpy.

2.2. Евклидовы пространства

  • Длины и нормы векторов и матриц
  • Скалярное произведение векторов
  • Свойства скалярного произведения
  • Углы между векторами
  • Меры сходства векторов
  • Метрики MSE, MAE

2.3. Анализ и дифференциальное исчисление функций

  • Виды и свойства нелинейных функций активации
  • Производная функции одной переменной
  • Свойства производных функций активации
  • Частные производные ФНП
  • Градиент
  • Градиентный спуск

2.4. Вероятностные пространства

  • ДСВ
  • Вероятностное распределение
  • Биномиальное распределение
  • НСВ
  • Равномерное распределение
  • Нормальное распределение
  • Меры сходства вероятностных распределений
  • Расстояние Кульбака — Лейблера
Модуль 3. Введение в машинное обучение

3.1. Основные понятия машинного обучения

  • Подход к управлению, основанный на данных, или Что такое машинное обучение
  • Основные задачи машинного обучения
  • Обучение с учителем
  • Обучение без учителя
  • Обучение с подкреплением

3.2. Построение регрессионных зависимостей

  • Постановка задачи регрессионного анализа
  • Критерий минимума наименьших квадратов
  • Метрики качества модели
  • Линейная регрессия
  • Построение линейной регрессии
  • Работа с библиотекой scikit-learn

3.3. Решение задачи классификации

  • Постановка задачи классификации
  • Функции потерь в задачах классификации
  • Метрики качества
  • Методы классификации
  • Повышение качества классификации
  • Работа с библиотекой scikit-learn

3.4. Решение задач снижения размерностей и кластеризации

  • Постановка задачи снижения размерности данных
  • Постановка задачи факторного анализа данных
  • Линейный ФА: метод PCA
  • Снижение размерности: метод tsne
  • Постановка задачи кластеризации данных
  • Метод k-средних
  • Метод иерархической кластеризации
Модуль 4. Основы нейросетевых вычислений

4.1. Основы нейросетевых вычислений. История нейросетевых вычислений

  • Алгебраическая модель нейрона
  • Функции активации
  • Модель нейрона с тождественной функцией активации
  • Построение линейной регрессии
  • Модель нейрона с логистической функцией активации
  • Построение классификатора
  • Моделирование булевых операций
  • Реализация моделей нейронов с использованием библиотеки numpy

4.2. Модель многослойной нейросети

  • Обучение нейрона. Проблема XOR
  • Модель нейросети, реализующей операцию XOR
  • Нейросетевое моделирование предикатов
  • Модель многослойных классификационных нейросетей
  • Пример реализации нейросетей с использованием библиотеки numpy
  • Обучение нейрона
  • Правило Хебба
  • Применение метода градиентного спуска для обучения нейрона
  • Пример и иллюстрация обучения нейрона с использованием библиотеки numpy

4.3. Обучение многослойной нейросети

  • Алгоритм обратного распространения ошибки для оптимизации многослойных нейронных сетей
  • Пример обучения нейросети, реализующей XOR с помощью алгоритма обратного распространения ошибки с использованием библиотеки numpy
  • Стохастический градиентный спуск (СГС)
  • Регуляризация
  • Подбор параметров нейросети и обучения
  • Визуализация процесса обучения нейросетей
Модуль 5. Нейросетевой анализ изображений

5.1. Классификация данных

  • Анализ изображений
  • Построение и оптимизация многослойной классифицирующей нейросети
  • Виды слоев нейросети
  • Dropout
  • Batch-нормализация
  • Пример классификации изображений рукописных цифр
  • Основные возможности библиотеки tensorflow.keras / pyTorch по построению и обучению нейросетей
  • Кейс по распознаванию изображений рукописных букв

5.2. Сверточные сети

  • Анализ изображений
  • Сверточные сети
  • Сверточные и подвыборочные слои
  • Ядра и смещения
  • Обучение сверточных сетей
  • Пример классификации изображений рукописных букв
  • Решение кейса по распознаванию изображений рукописных букв с использованием сверточных сетей и функционала библиотеки tensorflow.keras / pyTorch

5.3. Кодирование изображений

  • Тюнинг нейросетей
  • Автоэнкодинговые сети
  • Структура и обучение
  • Сверточные автоэнкодинговые сети
  • Пример факторного анализа фотографий лиц
  • Обучение нейросетей фильтрации шумов
  • Пример фильтрации шумов на изображениях рукописных цифр с использованием сверточных автоэнкодинговых нейросетей и функционала библиотеки tensorflow.keras / pyTorch
  • Оптимизация параметров нейросетей
  • Использование алгоритмов поиска квазиоптимальных параметров

5.4. Инструменты предварительной обработки изображений. Библиотека Pillow

  • Предобработка изображений, повышающая точность работы нейросетей
  • Фильтрация изображений
  • Ресайзинг
  • Генерация изображений

Финальное соревнование (рейтинг): хакатон по распознаванию изображений рукописных букв кириллицы.

Объективность системы оценивания

Объективность проверки знаний теории с помощью итогового теста обеспечивается достаточно большим количеством заданий в тесте (15–20) и офсетными тестовыми заданиями с большим количеством вариантов для каждого тестового задания (более 30).

Программные решения практических заданий проверяются автоматически и имеется возможность проверки решений на плагиат. Практика показывает, что это является очень хорошей защитой от списывания.

Machine learning developer — одна из самых востребованных профессий на международном рынке
160.000 ₽ —
cредняя зарплата machine learning developer
ML-инженер
level
5 месяцев
45.000 ₽
ML-инженер
45.000 ₽