Привет! Я — практикующий ML-инженер и ментор с опытом коммерческой разработки в машинном обучении, NLP и Computer Vision. Помогаю пройти системный путь от полного нуля до уровня Senior, готового к реальным задачам и техническим собеседованиям.
Что вы получите:
- Индивидуальную программу под ваши цели и стартовую подготовку
- Глубокое понимание математики, алгоритмов ML и современных архитектур
- Практику на реальных датасетах и бизнес-кейсах
- Портфолио из 3–5 законченных проектов (GitHub + README)
- Подготовку к код-ревью и техническим интервью
- Психологическая поддержка на протяжении всего обучения
- Обучение уверенное, без воды и академического отрыва от индустрии. Разбираем только то, что используется в продакшене сегодня.
Формат работы:
- Онлайн-сессии 1–2 раза в неделю (Zoom / Discord / Google Meet)
- Домашние задания + детальная проверка кода и архитектуры
- Поддержка в рабочем чате между занятиями
- Стек: Python, PyTorch, scikit-learn, HuggingFace Transformers, OpenCV, MLflow, Docker (адаптируется под ваши цели)
Длительность: 6–12 месяцев в зависимости от интенсивности и фона
Кому подойдёт:
- Тем, кто начинает с нуля и хочет войти в ML осознанно
- Junior-разработчикам, готовящимся к переходу на Middle+
- Специалистам из смежных областей (Data Analysis, Backend, QA, аналитика), планирующим свитч
Важно: Я обеспечиваю практику, честный фидбек и структуру, которые делают ваш уровень действительно конкурентным на рынке. Многие ученики получают офферы в первые 1–3 месяца после завершения программы (есть база проверенных HR).
Напишите в личные сообщения краткий опыт, цель и желаемый темп. Проведём бесплатную 20-минутную диагностику, составим план и согласуем формат.
Слоты на месяц ограничены. Отвечаю в течение 2 часов.
⭐️ С чем могу помочь:- Уровень на выходе: конкурентный Senior. Вы сможете самостоятельно формулировать задачу, выбирать и обучать модели, базово деплоить решения, читать статьи и аргументировать свои решения на собеседованиях.
- Стек: Python, PyTorch, scikit-learn, HuggingFace Transformers, OpenCV, MLflow, Docker (адаптируется под ваши цели)