Rivalry2

HTML Diff

1 added 1 removed

Original 2026-01-01

Modified 2026-03-10

1 <p>Научитесь создавать и управлять Machine Learning-командами: от мотивации сотрудников и настройки таск-трекера до применения методов MLOps для автоматизации и оптимизации процессов</p>

2 <p><strong>ML Team Lead</strong>- это управленческая роль в команде, занимающейся разработкой и внедрением решений на базе машинного обучения. Особенность этой темы заключается в необходимости сочетания глубоких технических знаний с навыками управления людьми и проектами. ML Team Lead отвечает за координацию работы команды, определение стратегий развития проектов, внедрение практик MLOps, обеспечение качества моделей и их соответствия бизнес-целям.</p>

3 <h2>Для кого этот курс</h2>

4 <ul><li>Опытные Data Scientist-ы и ML-инженеры с опытом 3+ лет, которые заинтересованы в переходе на руководящие позиции</li>

5 <li>Текущие руководители и менеджеры с техническим бэкграундом, которые хотят изучить специфику управления ML командами </li>

6 <li>Руководители стартапов и предприниматели в сфере технологий, которые планируют создать ML команду</li>

7 </ul><h2>Необходимые знания</h2>

8 <ul><li>Навыки программирования: Уверенное владение Python, включая библиотеки для машинного обучения (например, scikit-learn, TensorFlow, PyTorch). </li>

9 <li>Основы Data Science: Знание ключевых понятий и методов анализа данных, таких как статистика, методы визуализации данных, работа с большими данными. </li>

10 <li>Опыт работы с ML моделями: Понимание принципов машинного обучения, опыт разработки и оценки моделей.</li>

11 <li>Опыт работы в команде: Опыт участия в проектах как часть команды, желательно в роли ML Engineer, Data Scientist или Data Analyst.</li>

12 <li>Общие навыки управления проектами (желательно): Понимание принципов Agile, Scrum или Kanban будет полезным, но не обязательным.</li>

13 </ul><h2>Что даст вам этот курс</h2>

14 <h3>Data Scientists'ам и ML-инженерам</h3>

15 <ul><li>Развиваем навыки управления людьми и проектами, что необходимо для перехода на роль Team Lead</li>

16 <li>Даем практику по MLOps и управлению ML проектами на протяжении всего жизненного цикла продукта</li>

17 </ul><h3>Руководителям и менеджерам с техническим бэкграундом</h3>

18 <ul><li>Делаем упор на интеграцию ML в бизнес-процессы и управление кросс-функциональными командами</li>

19 </ul><h3>Руководителям стартапов и предпринимателям в сфере технологий</h3>

20 <ul><li>Фокус на построение и масштабирование ML команды, как создать эффективную ML команду и интегрировать ее в компании </li>

21 </ul><h2>После курса вы сможете:</h2>

22 <ul><li>Создавать и управлять ML командами, определять роли и распределять задачи, обеспечивать продуктивное взаимодействие между участниками</li>

23 <li>Обеспечивать мотивацию и развитие команды, внедрять программы наставничества и обучения, управлять карьерным ростом сотрудников</li>

24 <li>Применять принципы MLOps для автоматизации и улучшения процессов разработки, развертывания и мониторинга ML моделей</li>

25 <li>Использовать современные методологии управления проектами (Agile, Scrum, Kanban) для эффективного планирования и координации работы ML команды</li>

26 <li>Настраивать и использовать инструменты для коллаборации и управления задачами (JIRA, Trello, MLflow) для обеспечения прозрачности и эффективности в проектной работе</li>

27 <li>Классифицировать и решать этические и регуляторные вопросы, обеспечивая соответствие ML проектов стандартам конфиденциальности и безопасности (GDPR, HIPAA и т.д.)</li>

28 </ul><p>В рамках курса студенты выполнят несколько тематических домашних заданий, нацеленных на проверку знаний по пройденным модулям. В конце курса студентам предстоит выполнить финальный проект, в рамках которого они должны будут представить план создания и управления ML командой для решения конкретного бизнес кейса в компании</p>

29 <h2>Процесс обучения</h2>

30 <p>Обучение проходит онлайн: вебинары, общение с преподавателями и вашей группой в Telegram, сдача домашних работ и получение обратной связи от преподавателя.</p>

31 <p><strong>Вебинары проводятся 2 раза в неделю по 2 ак. часа </strong>и <strong>сохраняются в записи </strong>в личном кабинете. Вы можете посмотреть их в любое удобное для вас время.</p>

32 <p>В ходе обучения вы будете выполнять домашние задания. Каждое из них посвящено одному из компонентов вашего выпускного проекта.</p>

33 <p>После выполнения всех домашних заданий вы получите готовый выпускной проект.</p>

34 <h3>Оптимальная нагрузка</h3>

35 <p>Возможность совмещать учебу с работой</p>

36 <h3>Портфолио</h3>

37 <p>Индивидуальная разработка итоговой проектной работы </p>

38 <h3>Перспективы</h3>

39 <p>Получите знания, которые помогут повысить вашу востребованность и доход</p>

40 <h2>Партнеры</h2>

41 <p>Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности.</p>

42 <ul><li><strong>Получите помощь с оформлением резюме</strong>, портфолио и сопроводительного письма</li>

43 <li><strong>Разместите свое резюме в базе OTUS</strong>и сможете получать приглашения на собеседования от партнеров</li>

44 </ul><h5>Формат обучения</h5>

45 <h3>Интерактивные вебинары</h3>

46 <p>2 занятия по 2 ак.часа в неделю. Доступ к записям и материалам остается навсегда</p>

47 <h3>Обратная связь</h3>

48 <p>Домашние задания с поддержкой и обратной связью наших преподавателей помогут освоить изучаемые технологии</p>

49 <h3>Активное комьюнити</h3>

50 <p>Чат в Telegram для общения преподавателей и студентов</p>

51 <h2>Программа</h2>

52 <h5>Основы лидерства и управления командой</h5>

53 <p>В этом модуле мы изучим ключевые аспекты лидерства в ML-командах и рассмотрим, как эффективно строить и управлять командой. Вы узнаете, как распределять роли, выстраивать коммуникацию внутри команды и между отделами компании. Мы также разберём разные стили лидерства, их влияние на производительность команды и методы разрешения конфликтов, которые помогут вам сохранять продуктивную рабочую атмосферу. Кроме того, обсудим, как сформировать стратегическое видение для ML-команды и мотивировать её на достижение целей компании</p>

54 <p>Тема 1: Позиция Team Lead</p>

55 <p>Тема 2: Структура и построение ML команды</p>

56 <p>Тема 3: Кросс-функциональное взаимодействие</p>

57 <p>Тема 4: Лидерство и коммуникации</p>

58 <p>Тема 5: Видение и стратегия</p>

59 <p>Тема 6: Мотивация команды и управление производительностью</p>

60 <h5>Инструменты для управления ML проектами</h5>

61 <p>Этот модуль посвящён инструментам и методам, которые помогут вам эффективно организовать и управлять ML-проектами. Мы разберем, как выстраивать работу с данными и оптимизировать рабочие процессы, используя современные технологии для сбора, хранения и обработки данных. Вы научитесь применять Agile-методологии в управлении ML-проектами, использовать таск-трекеры, такие как JIRA и Trello, и интегрировать MLOps для развертывания и мониторинга моделей. Также рассмотрим, как наладить контроль качества кода с помощью контроля версий и автоматизированного тестирования</p>

62 <p>Тема 1: Data&ML Pipelines. Как построить эффективную систему для работы с данными и моделями</p>

63 <p>Тема 2: Управление задачами (task management)</p>

64 <p>Тема 3: Инструменты и технологии: MLOps</p>

65 <p>Тема 4: Инструменты и технологии: коллаборация, MLFlow</p>

66 <p>Тема 5: Контроль качества кода</p>

67 <h5>Развитие команды и управление персоналом</h5>

68 <p>В этом модуле мы сосредоточимся на росте и развитии команды. Вы узнаете, как разрабатывать стратегии найма, интегрировать новых сотрудников в команду и создавать программы наставничества. Также мы разберём карьерные пути для различных ролей в ML-командах, что поможет вам поддерживать развитие сотрудников. Мы обсудим, как организовать постоянное обучение команды через семинары, курсы и конференции, и как внедрять эффективные циклы обратной связи</p>

69 <p>Тема 1: Рост команды и найм</p>

70 <p>Тема 2: Карьерные пути для ML специалистов</p>

71 <p>Тема 3: Развитие и обучение команды</p>

72 <h5>Этика, безопасность и регуляторы</h5>

73 <p>Этот модуль посвящен вопросам этики, безопасности и соответствия требованиям регуляторов в области ML. Вы узнаете о ключевых этических проблемах и научитесь обеспечивать прозрачность и конфиденциальность моделей. Мы также рассмотрим, как защищать данные и модели от угроз и соблюдать требования регуляторов, таких как GDPR и HIPAA</p>

74 <p>Тема 1: Этика в машинном обучении</p>

75 <p>Тема 2: Безопасность в машинном обучении</p>

76 <p>Тема 3: Регуляторы: GDPR, HIPAA и другие страшные буквы</p>

77 <h5>Дополнительные темы</h5>

78 <p>В этом модуле мы рассмотрим практические кейсы из различных компаний, которые помогут вам лучше понять, как функционируют ML-команды в различных условиях. Обсудим стратегии антикризисного управления и управления сложными проектами. В завершение модуля мы подготовим вас к собеседованию на позицию ML Team Lead</p>

79 <p>Тема 1: Построение системы аналитики и АБ-тестирования в компании</p>

80 <p>Тема 2: Кейсы и примеры</p>

81 <p>Тема 3: Работа с трудными проектами и антикризисное управление</p>

82 <p>Тема 4: Собеседование на позицию ML Team lead</p>

83 <h5>Выпускной проект</h5>

84 <p>Представьте, что вас пригласили на работу в качестве ML Team Lead в небольшую компанию для организации работы ML команды и решения конкретной бизнес задачи. Ваша задача - создать и управлять командой ML для разработки модели для этого продукта. Проект потребует от команды выполнения полного процесса - от сбора данных до развертывания модели</p>

85 <p>Тема 1: Выбор темы и организация проектной работы</p>

86 <p>Тема 2: Консультация по проектам и домашним заданиям</p>

87 <p>Тема 3: Защита проектных работ и подведение итогов курса</p>

88 <h5>Также вы можете получить полную программу, чтобы убедиться, что обучение вам подходит</h5>

89 <h2>Выпускной проект</h2>

90 <p>Каждый семестр завершается финальным проектом, который предстоит защитить перед преподавателями и командой. Вам будет, что обсудить на собеседовании!</p>

91 <p>В качестве проектной работы вы разработаете комплексный план проекта и презентацию для стейкхолдеров по решению конкретной бизнес задачи.</p>

92 <p>Вы можете выбрать одну из предложенных преподавателем тем или реализовать свою идею.</p>

93 <h2>Преподаватель</h2>

94 <h3>Дмитрий Сергеев</h3>

95 <p>ŌURA</p>

96 <p>Data Science Manager, Staff Data Scientist</p>

97 <p>Руководит европейской Data Science командой в компании ŌURA, выпускающей умные кольца. Больше 10 лет профессионального и преподавательского опыта. Работает в HealthTech уже 5 лет, до этого занимался машинным обучением в gamedev компаниях. Имеет как прикладной технический, так и управленческий опыт, в том числе на позиции Head of Data Science в стартапе WeatherWell. Консультирует различные стартапы по внедрению машинного обучения и построению ML команд. Преподавал в ЦМФ МГУ, ФНК ВШЭ, Aalto University. Руководил программами и читал лекции на различных онлайн курсах и платформах, таких как OTUS, ODS.ai и др. Образование: MSc Computer Science Aalto University, ДПО ФКН ВШЭ, ЦМФ МГУ, Эконом-мат РЭУ им. Плеханова</p>

98 <p>Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания</p>

99 <h2>Прошедшие мероприятия</h2>

100 <p>Дмитрий Сергеев</p>

101 <p>Открытый вебинар</p>

102 <p>Карьерные пути для ML специалистов</p>

103 <p>Дмитрий Сергеев</p>

104 <p>Открытый вебинар</p>

105 <p>Структура и построение ML команды</p>

106 <h2>Этот курс может оплатить ваш работодатель</h2>

107 <p>Обучайтесь за счёт работодателя или разделите оплату 50/50</p>

108 <ul><li>Подробно расскажем об интересующем вас курсе</li>

109 <li>Объясним, как договориться с работодателем</li>

110 <li>Сообщим стоимость обучения и варианты оплаты</li>

111 <li>Ответим на вопросы</li>

112 <li>Предоставим шаблон договора и счёт на оплату</li>

113 </ul><h2>Подтверждение знаний и навыков</h2>

114 <p>OTUS осуществляет лицензированную образовательную деятельность. В конце обучения вы получите сертификат OTUS о прохождении курса и удостоверение о повышении квалификации.</p>

115 <h2>После обучения вы:</h2>

116 <ul><li>Получите материалы по пройденным занятиям (видеозаписи курса и дoполнительные материалы)</li>

117 <li>Создадите свой проект, который поможет при прохождении собеседований</li>

118 <li>Повысите свою ценность и конкурентоспособность как IT-специалист</li>

119 <li>Получите сертификат об окончании курса</li>

120 </ul><h2>Частые вопросы</h2>

121 <h5>Почему OTUS?</h5>

122 <p>Мы обучаем IT-сотрудников уже 6 лет, через OTUS прошли 20 000 студентов. Специализируемся на программах для людей с опытом, а ещё - быстро переформатируем учебные программы под изменения в сфере информационных технологий.</p>

123 <h5>Обязательно ли выполнять и защищать выпускной проект?</h5>

124 <p>Для получения сертификата OTUS и УПК (удостоверение повышения квалификации государственного образца) необходимо сдать проект. Кроме того, проект необязательно защищать перед аудиторией, а можно сдать в чате с преподавателем. Для получения УПК также понадобится предъявить документ об образовании.</p>

125 <h5>Обязательно ли выполнять все домашние задания?</h5>

126 <p>Да, если хотите хорошо отточить навыки. На курсе будут практические домашние задания, их выполнение занимает примерно 2-3 часа.</p>

127 <h5>Помогаете ли вы с трудоустройством после курса?</h5>

128 - <p>В Otus Club проводятся вебинары на тему трудоустройства, разбор резюме, прохождения собеседований, особенности реферальных программ при найме. Также обратим ваше внимание, что преподаватели курса занимают ведущие позиции в разных компаниях. Будьте активны, выполняйте домашние задания, стройте network с сокурсниками и преподавателями, и вам будет проще найти работу, расширив свои контакты.</p>

128 + <p>В Otus Club проводятся вебинары на тему трудоустройства, разбор резюме, прохождения собеседований, особенности реферальных программ при найме. Также обратим ваше внимание, что преподаватели курса занимают ведущие позиции в разных компаниях. Будьте активны, выполняйте домашние задания, стройте network с сокурсниками и преподавателями, и вам будет проще найти работу, расширив свои ко��такты.</p>

129 <h5>Смогу ли я совмещать учебу с работой?</h5>

130 <p>Да. Программа курса рассчитана на студентов, у которых мало времени. Лекции проводим дважды в неделю, домашние задания - не чаще 1 раза в неделю.</p>

131 <h5>Что, если в середине курса я не смогу продолжать обучение?</h5>

132 <p>Вы можете бесплатно перейти в другую группу. Но только один раз.</p>

133 <h5>Я могу вернуть деньги?</h5>

134 <p>Да, мы можем вернуть деньги за то время курса, которое вы ещё не успели отучиться. Например, если курс длится пять месяцев, а вы отучились один, мы вернём деньги за оставшиеся четыре месяца.</p>

135 <h5>Может ли мой работодатель оплатить курс?</h5>

136 <p>Да. Когда свяжетесь с нашим менеджером, уточните, что оплачивать курс будет ваш работодатель.</p>

137 <h5>Остались вопросы?</h5>

138 <p>Оставляйте заявку и задавайте вопросы менеджеру, команда курса с ним на связи и постарается дать вам исчерпывающую информацию.</p>