Курс «Менеджмент AI- и BigData-продуктов»

Видеоуроки / Самостоятельно / Обучение в ЛК на сайте автора

  • 2 месяца
  • 20 уроков
  • Сертификат
  • Видеоуроки

Практический курс, на котором вы узнаете, как создавать и запускать BigData-продукты. Освоите навыки управления сложными технологичными продуктами.

Автор: Онлайн-школа ProductStar

Обновлено: 16.09.2024

Источник изображения: Unsplash

45 540  91 080
Скидка 50%
  • Оплата на сайте автора. Цена может отличаться.
  • Доступен в рассрочку
Этот курс включает:
  • 2 месяца
  • 20 уроков
  • Обучение: в ЛК на сайте автора
  • Когда будете учиться: в любой день в любое время
  • Уровень сложности: для новичков
  • Демодоступ
  • Домашние задания: есть, с проверкой, обязательные
  • Сопровождение: куратором
  • Сертификат
  • Техническая поддержка: в рабочее время, чат в вк, чат в мессенджере, телефон
  • Доступ: сразу после оплаты
Менеджмент AI- и BigData-продуктов

Онлайн-школа ProductStar

Перейти на сайт

Что вы узнаете?

  • Как научиться создавать BigData-продукты.
  • Какие навыки необходимы продакт-менеджеру.
  • Что такое «фичи» в ML и как их выбирать.
  • Как рационально использовать AI/ML в продуктах.
  • Как оценить профит и разработать стратегию продвижения.

О курсе

В достаточной степени обучена выборка? Чистые ли данные? Выбрали ли мы правильный набор данных? Будут ли проблемы на продакшене и в чем? Если вас волнуют эти вопросы — значит, вы продакт-менеджер, которому не хватает опыта.

Рекомендуем курс «Менеджмент AI- и BigData-продуктов» от ProductStar. Вы освоите набор навыков, необходимых для того, чтобы стать BigData Product manager и правильно выстраивать командную работу.

На курсе «Менеджмент AI- и BigData-продуктов» вы получите:

  • Правила постановки цели для AI/BigData-проектов.
  • Понятные инструкции, как создавать BigData-продукты.
  • Кейсы оценки и внедрения AI-задач. 
  • Практику с инструментами Яндекс.Толока и Google's AutoML.

На курсе вы сможете собрать портфолио из реальных кейсов и составить конкурентное резюме. В качестве бонуса вы пройдете специальное тестовое собеседование и сможете получить помощь кураторов даже после трудоустройства.

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

  • AI-продукты и тренды их внедрения.
  • Обзор продуктов, которые используют AI.
  • Объясняем, зачем компаниям нужен AI/ML.
  • Детальный разбор 1-2 продуктов и необходимости использования ML в них.
  • Учимся разбираться, в каких случаях поможет ML, а в каких нет.
  • Учимся понимать, какие проблемы проще решить с помощью AI/ML, а какие сложно.
  • Постановка чётких целей для AI/BigData-проектов.

Урок 2. Чек-лист внедрения ML-задач в компании и команде

  • AI для ваших задач. Построение AI-стратегии.
  • Оценка профита от внедрения AI/ML-функциональности.
  • Оценка трудоёмкости AI/ML-задач для правильного планирования.
  • Как снизить риски неудачного завершения AI/ML-проектов.
  • Разбор кейсов внедрения и оценки AI-задач.

Урок 3. Лучшие практики работы с BigData/ML-командой

  • Разбираем, какие нюансы (новые типы принимаемых решений) приходится принимать менеджеру по продукту при общении с AI/ML-командой.
  • Достаточно ли обучена выборка? Чистые ли данные? Выбрали ли мы правильный набор данных? В чём могу быть проблемы на продакшене?
  • Глоссарий основных терминов (learning, unsupervised learning, neural networks).
  • Построение правильной культуры в команде. Как тестировать ML-продукты.

Урок 4. Работа с датасетами и моделями. Выбор фичей

  • В чём сила и нюансы датасетов. Как происходит сбор и очистка данных и что об этом должен знать менеджер.
  • Юридические стороны вопроса.
  • Что такое «фичи» в ML и как их правильно выбирать.
  • Выбор и составление модели. Как выбирают и обучают модель.
  • Реальный пример с использованием инструмента Google's AutoML.
  • Описание стандартных кейсов: обработка видео, эмоции, работа с изображениями, вытаскивание параметров.

Урок 5. Workshop: создание и запуск датасета

  • Практическая работа с инструментами Яндекс.Толока и Google's AutoML.
  • Создаём датасет, выбираем фичи, получаем первый результат и сами понимаем как работает ML-команда.

Урок 6. Валидация бизнес-результатов запуска AI/ML-функциональности

  • Разбираемся, как измерять профит и принимать решения по собранным моделям.
  • В каких случаях не стоит выкатывать в продакшен полученные модели.
  • Поддержка внедренных ML- и BigData-решений.
  • Формат
    Самостоятельно
    Видеоуроки
    Обучение в ЛК на сайте автора
  • Демодоступ
  • Количество уроков
    20
  • Продолжительность
    2 месяца
  • Уровень сложности
    Для новичков
  • Когда вы будете учиться
    В любой день в любое время
  • Домашние задания
    ЕстьС проверкойОбязательные
  • Документ об обучении
    Сертификат
  • Сопровождение
    Куратором
  • Общение с группой
    Чат в Telegram
  • Техническая поддержка
    В рабочее времяЧат в вкЧат в мессенджереТелефон
  1. Нажмите на кнопку
    Подробнее о курсе
  2. Вы перейдете на детальную страницу курса Онлайн-школы. Внимательно прочитайте представленную на ней информацию.
  3. Следуя указаниям, оформите заказ на курс.
  4. Обязательно укажите актуальный e-mail. На него придет вся информация, в частности, по доступу к курсу.
  5. Если вы еще не готовы к покупке курса, то советуем для начала освоить бесплатный материал Онлайн-школы.

Если инструкция вам не помогла, пожалуйста напишите нам на почту info@info-hit.ru, мы оперативно поможем вам получить необходимую информацию.

Отзывы о курсе

Пока никто не оставил отзывов. Чтобы оставить отзыв перейдите на полную версию страницы.

Другие курсы автора