Инженер по глубокому обучению нейросетей

Кому этот курс адресован на самом деле

Школа называет три роли: специалисты по Data Science, которым нужны современные архитектуры нейросетей для своих задач; разработчики, которым нужно понять, как нейросети устроены, и познакомиться с PyTorch; ML-инженеры, которым важно, как модели глубокого обучения ведут себя при встраивании в ML-пайплайны. Отдельным блоком на странице стоит список входных требований, и он сформулирован жёстче обычного: Python с ООП, навыки анализа данных и их визуализации, опыт классического ML на табличных данных, базовая математика про функции и дифференцирование, базовая линейная алгебра про матрицы и операции над ними. Командная строка названа преимуществом, а не обязательным пунктом.

Что внутри программы

Бесплатная часть занимает около двух часов: введение в нейросети, их роль в сложных задачах, работа с текстами и изображениями, проба предобученных моделей. Первый спринт это фундамент: построение полносвязной сети MLP, функции ошибок и градиентный спуск, обратное распространение ошибки, гиперпараметры и оптимизаторы, функции активации, типовые проблемы обучения, введение в PyTorch. Второй спринт ведёт от рекуррентных сетей к трансформерам: последовательные данные, простые RNN и их болезни, GRU и LSTM, двунаправленные сети, механизм внимания. Третий спринт про свёрточные сети: ограничения полносвязных сетей на изображениях, основы свёрток, пулинг и его виды, популярные архитектуры CNN, методы улучшения качества и Transfer Learning. Четвёртый спринт отдан предобработке данных для NLP, компьютерного зрения и анализа аудио.

Четыре проекта, которые остаются с вами

Каждый спринт закрывается работой для портфолио. Первая: полносвязная нейросеть на PyTorch, написанная с нуля и обученная под задачу. Вторая: автодополнение текста, рассчитанное на работу на мобильном устройстве, то есть с оглядкой на ограничения по размеру и скорости. Третья: модель распознавания лекарств для фармпроизводства, собранная на CNN с дообучением предобученной сети. Четвёртая: мультимодальная модель, которая определяет калорийность блюда по фотографии и текстовому описанию. Все четыре работы проверяют вручную ревьюеры и пишут комментарии, а не выставляют автоматический зачёт.

Инфраструктура и люди

Практика идёт на готовой облачной инфраструктуре: виртуальные машины с GPU, доступ в один клик с платформы, поддержкой занимаются штатные инженеры школы. Программу писали шесть инженеров с прикладным опытом: senior-специалист по компьютерному зрению, DL и ML-инженеры из бигтеха и банковской сферы, NLP-инженер, оптимизирующий обучение крупных MoE-моделей, преподаватель глубокого обучения из МГТУ имени Баумана. Воркшопы ведут и отвечают в чате senior ML-инженеры из e-commerce и бигтеха, проекты проверяет тимлид из крупного банка, преподающий в ВШЭ. Теория лежит в интерактивном учебнике, доступном с компьютера и в приложении, вопросы по ней берёт на себя встроенный ИИ-помощник Практикума.

Два режима прохождения

Формат выбираете вы. Вариант с дедлайнами: обучение идёт спринтами, модули открываются по расписанию, работы сдаются в срок, дата окончания фиксирована. Вариант в своём темпе: дедлайнов нет, модули открываются по мере прохождения, закончить можно раньше или позже. Школа честно предупреждает, что второй режим требует самоконтроля, и что с дедлайнами дойти до конца проще. Если не справляетесь с нагрузкой, есть каникулы и можно согласовать новый дедлайн с куратором.

Что на выходе

Удостоверение о повышении квалификации установленного образца выдают тем, кто закончил курс и сдал итоговый проект, но только при наличии среднего профессионального или высшего образования. Если его нет, приходит электронный сертификат о прохождении курса. Не дошли до итоговой работы, по запросу выдадут электронную справку об обучении с перечнем освоенных модулей. Помощи с трудоустройством на курсе нет, и школа объясняет это прямо: программа рассчитана на действующих специалистов, у которых навыки поиска работы уже есть.

Деньги

В каталоге курс стоит 62 500 рублей, на странице школы тариф показан как 81 000 рублей одним платежом с учётом промокода и сертификатов, и эти числа надо сверять перед оплатой. Способы оплаты стандартные для школы: один платёж с дополнительной скидкой (за единовременную оплату обещают выгоду до 20 процентов), беспроцентная рассрочка от Т-Банка ровно на срок обучения с первым платежом через месяц, кредит от Т-Банка на 3-36 месяцев, Яндекс Сплит, оплата через компанию или ИП. По длинному графику платёж выходит около 2 551 рублей в месяц. Есть налоговый вычет 13 процентов и возврат при отказе: до старта потока всю сумму, после старта частично, по седьмому пункту оферты. Работодатель может оплатить курс полностью или пополам, схемы 50 на 50 и 75 на 25, а при покупке сразу на десять сотрудников школа даёт ещё 10 процентов скидки.

Где программа проседает

Первое: входной барьер высокий, и школа не предлагает подготовительного блока внутри курса, только отдельные программы по Python и ML. Второе: два месяца на MLP, RNN, CNN и трансформеры это очень плотно, и глубина по каждой архитектуре неизбежно ограничена, школа сама предлагает добирать её специализациями. Третье: зарплатные ориентиры на странице относятся к профессии, а не к выпускнику курса, и Deep Learning Engineer с медианой 310 000 рублей это не позиция после двух месяцев. Четвёртое: цена в каталоге и на странице школы расходятся, а название на странице уже сменилось на «Основы глубокого обучения нейросетей».

Итог

Прикладной курс для тех, кто пришёл с готовым техническим бэкграундом и хочет за два месяца собрать руками базовый набор архитектур на PyTorch. Четыре модели в портфолио, ручное ревью, GPU в комплекте и удостоверение о повышении квалификации. Если Python вы знаете шапочно, а нейросети интересуют как инструмент для рабочих задач, вам нужен любой из соседних курсов про промптинг, а не этот.