Новые складчины | страница 3

​

Курс по Data Science для middle: senior-навыки за 6 недель

Подойдет для Data Scientists, Classic ML и NLP-инженеров уровня middle/middle+
Нужны базовые знания основ машинного обучения, математики и программирования
Будем писать на Python, но если ты программируешь на чем-то другом — это некритично. Вся практика будет применима на другие ЯП

В курсе осваиваем навыки, которые мешают расти мидлам

• Как обнаружить проблемы в грязных данных в самом начале работы и сделать модель, устойчивую к дрейфу
• Как учесть все инфраструктурные ограничения и раскатать модель на прод с первого раза без финансовых потерь
• Как правильно мониторить деградацию моделей в проде, делать их стабильными и автоматически переобучать
• Как строить хорошие признаки по нестабильным временным рядам — активности пользователей, курсу валют и др.
• Как расти в зарплате через связку продуктовых и бизнес-метрик: увеличивать выручку и средний чек, а не техническую точность рекомендаций
• Как тестировать раскатанную ML через A/B-тесты, избегать ложных выводов и потерь у смежных бизнес-подразделений

Программа
6 недель точечно закрываем каждый блок-фактор
Не просто теория, а выжимка всего опыта от TeamLead из Яндекса. Лучшие практики из BigTech, разбор реальных бизнес-кейсов и много кода, который ты напишешь самостоятельно

• Вводная часть
• Неделя 1. Feature Engineering, Bias и согласованность данных
• Неделя 2. Модели: оптимизация и нестандартные сценарии использования ML
• Неделя 3. Real-time ML, потоковая обработка, мониторинг и обслуживание
• Неделя 4. Feature Store, MLOps, оптимизация ресурсов
• Неделя 5. Связка продуктовых и бизнес-метрик
• Неделя 6. Дипломный проект

В итоге прокачаем hard’ы до уровня Senior в BigTech и научимся:

• Работать с «грязными» данными, искать смещения и дрифты
• Использовать Feature engineering в real time системах и генерировать признаки с пониманием вычислительной сложности
• Оптимизировать ML-модели для продакшна
• Использовать специфику актуальных ML/DL моделей для работы с табличными и текстовыми данными
• Контролировать жизненный цикл моделей в продакшне и строить мониторинги
• Работать с MLOps инструментами и взаимодействовать с инфраструктурой

Преподает: Дмитрий Сафонов, Data Science Team Lead в Яндекс
разрабатываю алгоритмы антифрода рекламы, руковожу ML-командой - Яндекс
cтроил прогнозные модели биржевых индикаторов, разработал инфраструктуру для автоматизации ML-процессов - Quantum Brains
преподавал анализ данных на Python - СПБГЭУ

​

Устали от кода, который через месяц не можете понять сами? Боитесь показывать свой код коллегам? Этот вебинар для тех, кто хочет писать простой, понятный и поддерживаемый код.

Разбираем, как решать сложные задачи простыми способами и создавать систему кодирования, которую коллеги смогут понять даже через годы.

Для кого этот вебинар:
- Разработчики, работающие над проектами дольше одного вечера
- Команды от 2+ разработчиков
- Проекты в ответственных доменах (транспорт, медицина, платежи)
- Программисты, уставшие от legacy-кода
- Тимлиды, которые хотят навести порядок в кодовой базе

О чём говорим на вебинаре:
- Почему с одним кодом приятно работать, а другой хочется выкинуть. Как это измерить: объективные и субъективные способы.
- Откуда в коде берётся сложность (не потому же, что мы глупые?). Accidential vs Essential complexity. Какую сложность можно выкинуть, а какую остаётся только прятать.
- Когда сложность надо чинить, а когда — можно забить.
- Коммуникация при помощи кода. Как не обманывать и сделать, чтобы вас нельзя было понять неправильно.
- Инструментарий, чтобы моделировать доменную область: фракталы, функциональщина, конечные автоматы.
- Лингвистика и нейминг: синонимы, омонимы, двойные отрицания, части речи.
- Как продавать хороший код команде и бизнесу.
- Как начать работу над качеством кода в проекте.

Внутри:
- запись вебинара
- чеклисты для себя и команды

​

VesperfinCode: MarketRaptor — Суперавтоматизация трейдинга
Поддержка 6 потока (старт 15 августа 2025)
В этом потоке мы переходим от идей к действиям — создаём MarketRaptor: полностью автономного торгового бота, который работает 24/7, адаптируется к рынку, принимает команды через Telegram и торгует одновременно на MOEX и криптовалютах.

Что вы изучите на курсе:
Полная сборка суперавтоматизированного сервиса — от архитектуры до запуска торговых стратегий
Telegram-интерфейс — управление стратегиями и активация через команды в мессенджере
Серверная инфраструктура — Docker, Prometheus, Grafana, логирование и автоматизация
Мультиактивная торговля — одновременная работа на MOEX и криптовалютных биржах
Параллельные стратегии — запуск нескольких стратегий на разных инструментах с гибкой настройкой
Расписание эфиров:
15 августа — Архитектура MarketRaptor и Telegram-бот для управления
22 августа — Автоматизация торговли, серверная часть и логика
29 августа — Финальная сборка + разбор всех вопросов участников
Поддержка участников: Онлайн-кураторы в чате 18, 25 августа и 1 сентября с 10:00 до 20:00
Получите помощь с настройкой и ответ на любые вопросы по заданиям

Итог курса:
Рабочий бот, развернутый на сервере
Система логирования, оповещений и мониторинга
Навыки DevOps-автоматизации в трейдинге

Требования: Знание Python, понимание базовых терминов трейдинга

​

Курс «Инженер по тестированию»

Это 4-месячный курс для тех, кто хочет освоить профессию QA-инженера с нуля. Программа построена так, чтобы вы двигались от базовой теории к сложной практике, включая автоматизацию и подготовку к реальной работе.

Программа по спринтам:

• 
  
  
  • Спринт #1: Клиент-серверная архитектура, HTTP
  • Спринт #2: Тестирование веб-приложений. REST, JSON и Devtools
  • Спринт #3: Тестирование бекенда, API. Практика с Postman и автотестами на JavaScript
  • Спринт #4: Теория. Виды тестирования. Техники тест дизайна
  • Спринт #5: Практика создания детального чек-листа в Miro
  • Спринт #6: Тест-документация: баг-репорт, тест-кейс. Практика с TMS
  • Спринт #7: HTML, CSS, TCPIP.
  • Спринт #8: SQL. Agile, Scrum и Kanban. Роли в команде

В складчине только обучающие материалы, без доступа к домашкам в Яндекс Трекере

​

Курс «Инженер по тестированию»

Это 4-месячный курс для тех, кто хочет освоить профессию QA-инженера с нуля. Программа построена так, чтобы вы двигались от базовой теории к сложной практике, включая автоматизацию и подготовку к реальной работе.

Содержание курса по блокам:

• Основы тестирования: Вы изучите клиент-серверную архитектуру, виды и техники тестирования, научитесь работать с веб-приложениями, документацией (баг-репорты, тест-кейсы) и базами данных SQL.
• Инструменты и технологии: Курс охватывает работу с такими инструментами, как Postman для тестирования API, TMS (например, Test IT), снифферы типа Charles, а также основы HTML, CSS, JS, Git и Linux.
• Автоматизация тестирования: Большая часть курса посвящена автотестам. Вы получите практические навыки с Cypress JS, Jmeter, а также создадите автотесты на Python с использованием Pytest, Requests, Selenium и Allure.
• Мобильные приложения и CI/CD: Вы научитесь тестировать мобильные приложения и познакомитесь с жизненным циклом разработки ПО и принципами CI/CD.
• Карьера и стажировка: В финальной части курса вас ждет подготовка к собеседованиям и составление сильного резюме

Программа

• Спринт #1: Клиент-серверная архитектура, HTTP
• Спринт #2: Тестирование веб-приложений. REST, JSON и Devtools
• Спринт #3: Тестирование бекенда, API. Практика с Postman и автотестами на JavaScript
• Спринт #4: Теория. Виды тестирования. Техники тест дизайна
• Спринт #5: Практика создания детального чек-листа в Miro
• Спринт #6: Тест-документация: баг-репорт, тест-кейс. Практика с TMS
• Спринт #7: HTML, CSS, TCPIP.
• Спринт #8: SQL. Agile, Scrum и Kanban. Роли в команде
• Спринт #9: Git, Linux консоль
• Спринт #10: Жизненный цикл разработки ПО, CI/CD
• Спринт #11: Тестирование мобилок. Запуск эмулятора.
• Спринт #12: База по автотестам Cypress JS. TDD BDD, Cucumber и Gherkin
• Спринт #13: База по автотестам Python + Pytest + Requests
• Спринт #14: База по автотестам Python + Selenium + Allure.
• Спринт #15: Этапы собеседования. Трудоустройству . Популярные вопросы от HR
• Спринт #16: Составляем резюме. Что влияет на получение оффера

В складчине только обучающие материалы, без доступа к домашкам в Яндекс Трекере

​

Комплексный практический курс по Three.js

Включает:+ Основы Three.js от А до Я
+ Подготовка 3D-моделей в Blender
+ Работа с 3D-моделями в Three.js
+ Работа с материалами и текстурами
+ Управление камерой и ракурсами
+ Раздел по работе с освещением и тенями
+ Постобработка и эффекты (Post-Processing)
+ Интерактивность и UI (триггеры, прогрессивная загрузка)
+ Адаптивность и производительность
+ Готовый пример и все исходники
+ Разбор частых ошибок и их решения

Консультации:
Только покупатели курса имеют возможность получать
консультации в любое время и по любому вопросу.

​

Набор инструментов программиста и специалиста 1С для всех конфигураций на управляемых формах. В состав входят инструменты: Консоль запросов, Консоль СКД, Консоль кода, Редактор
объекта, Анализ прав доступа, Метаданные, Поиск ссылок, Сравнение объектов, Все функции, Подписки на события и др. Редактор запросов и кода с раскраской и контекстной подсказкой. Доработанный конструктор запросов тонкого клиента. Продукт хорошо оптимизирован и обладает самым широким функционалом среди всех инструментов, представленных на рынке.

Infostart Toolkit – это набор полезных инструментов для программистов - разработчиков конфигураций 1С 8.3 и специалистов по внедрению. Поставляется в виде расширения, в состав которого входит набор взаимосвязанных помощников. Решение ориентировано на работу в тонком клиенте. Реализован режим отказа от модальности и синхронных вызовов.

Состав инструментов для разработки на управляемых формах 1С:

Консоль запросов
Консоль кода
Анализ прав доступа
Консоль СКД
Редактор объекта и кода
Метаданные
Поиск ссылок
Доработанный конструктор запросов тонкого клиента
Глобальное меню
Подписки на события
Сравнение объектов
Регламентные и фоновые задания

Расширение не меняет структуру метаданных и существующие объекты конфигурации, а только добавляет новые модули и обработки. Это позволяет использовать инструменты в РИБ и не влияет на обновление основной конфигурации. Само расширение также без проблем отключается или удаляется (при желании) через обработку-установщик.

Требования и совместимость
Режим запуска: управляемое приложение, версия платформы 1С:Предприятие 8.3.10 и выше, режим совместимости: 8.3.10 и выше, язык: русский или английский.
Рекомендуется платформа 8.3.15 и выше, Библиотека стандартных подсистем (БСП) 2.4 и выше.

Поддерживается работа с английскими конфигурациями WE: ERP, Drive и другие. Для конфигураций с БСП в большинстве длительных операций используется фоновое выполнение.

Версия Версия PROF

​

Онлайн-курс для разработчиков, знакомых с Java и Spring

Онлайн-курс для тех, кто хочет встроить ИИ в свое приложение и выстроить архитектуру так, чтобы все работало как надо, даже на локальной модели.
А это значит безопасно. И почти бесплатно.
Опытный инженер-практик покажет, как подойти к созданию приложений с локальными LLM-моделями не по учебнику, а по-взрослому: с пониманием архитектуры, принципов взаимодействия и маленькими трюками, которые сделают работу с AI не только эффективной, но и приятной.
Во время прохождения курса вы получите рекомендации по настройке инструментов, выбору архитектурных решений и улучшению качества взаимодействия с моделью.

Онлайн-курс для тех, кто хочет встроить ИИ в свое приложение и выстроить архитектуру так, чтобы все работало как надо, даже на локальной модели. А это значит безопасно. И почти бесплатно.
Курс включает техники, которые вы вряд ли встретите в других материалах по Spring AI:

• Кастомные retrieval-стратегии, чтобы запросы были умнее, а ответы точнее
• Оптимизация промптов для слабых моделей
• Настройка баланса между историей диалога и знаниями из RAG
• И, наконец, RAG, который действительно помогает, а не просто добавлен, «потому что сегодня так принято»

Программа курса
Теория не ради галочки. Все сразу закрепляется в коде, шаг за шагом: от запуска локальной модели до настройки кастомного RAG.
Диалог с моделью: создаем микросервис, который работает с локальной LLM и хранит историю переписки для полноценного общения
«И ты, RAG»: учимся готовить данные, резать их на чанки и подключать к модели
Оптимизация качества (выжмем из локальной модели то, что облаку и не снилось): пишем кастомный Advisor, внедряем Query Extensions, retrieval-стратегии и ранкеры — улучшаем ответы без увеличения мощности модели

​

Этот курс погружает учащихся в важнейшие аспекты кросс-валидации и оптимизации гиперпараметров с применением библиотеки Scikit-learn.

Начнём с изучения базовых методов оценки моделей, используя функции cross_val_score и cross_validate, чтобы получать более точную оценку производительности модели путем использования кросс-валидации.

Важной составляющей курса станет изучение различных стратегий кросс-валидации, таких как LeaveOneOut, ShuffleSplit и GroupKFold, каждая из которых подходит для определенных типов задач и данных.

Курс также охватывает анализ кривых обучения с использованием функции learning_curve, что поможет понять, как объем данных влияет на производительность модели.

Уделяется внимание и кривым валидации через функцию validation_curve, которая демонстрирует, как изменение гиперпараметров отражается на качестве модели.

Изучение функции permutation_test_score позволит оценивать значимость моделей с использованием перестановочных тестов.

Также рассматривается техника прогнозирования с кросс-валидацией через cross_val_predict, что окажется полезным для визуализации результатов.

Наконец, познакомимся с методами оптимизации гиперпараметров, используя GridSearchCV и RandomizedSearchCV, что позволит автоматизировать процесс поиска наилучших гиперпараметров для моделей.

Начальные требования
Курс для тех, кто уже сделал первые шаги в изучении машинного обучения, но, столкнувшись с вопросами кросс-валидации и оптимизации гиперпараметров, ощутил необходимость более глубокого понимания этих ключевых аспектов.

Программа курса
Перекрёстная проверка

1. Введение
2. cross_val_score()
3. cross_validate()
4. LeaveOneOut
5. ShuffleSplit, StratifiedShuffleSplit
6. GroupKFold
7. TimeSeriesSplit
8. learning_curve()
9. validation_curve()
10. permutation_test_score()
11. cross_val_predict()

Методы оптимизации гиперпараметров

1. GridSearchCV
2. RandomizedSearchCV

​

Знакомо? Постоянный стресс, бессонные ночи у графиков, упущенные возможности и эмоциональные решения. А теперь представьте: ваш торговый робот четко следует стратегии 24/7, пока вы занимаетесь действительно важными делами.

Три уровня автоматизации:

• Боты-сигналов — находят сигналы на всех рынках 24/7
• Торговые роботы — сами открывают и закрывают сделки
• ИИ-системы — предсказывают движения цены

Подключение к реальным счетам:

• Российский рынок: Quik, Finam API, Московская биржа, Interactive Brokers, MT5, T-bank (Tinkoff)
• Форекс: MT5 (любые брокеры)
• Криптовалюты: Binance, Bybit, Kraken, OKX и др.

Изучите современные технологии:

• Python для финансовых рынков с нуля
• Машинное обучение для прогнозирования цены
• Автоматическую оптимизацию стратегий
• Профессиональный бэктестинг

Создадите рабочие системы:

• Сигнальные боты для мессенджеров Telegram и MAX
• Торговые роботы для автоматических сделок
• ИИ-модели для анализа рынка
• Системы управления рисками

Получите в комплекте:

• 60+ готовых стратегий для всех рынков
• Готовые модели машинного обучения
• Диплом «Специалист в области инновационных финансовых технологий» (гос. образца)
• Доступ к материалам всех потоков + 1 месяц в сообществе «VesperfinCode: Поддержка»
• VFCodeGPT — персональный ИИ-помощник 24/7

Важно: это серьезная программа для тех, кто готов учиться. Мы не продаем иллюзии быстрого заработка.

Программа:

• Модуль 1: Python Старт
  Создаете ботов, которые находят ваши сетапы на всех рынках и шлют готовые сигналы в Telegram. Вы спите — боты ищут возможности.
• Модуль 2: Торговый робот
  Программируете робота, который сам торгует по вашей стратегии. Учитесь оптимизировать параметры и подбирать лучшие настройки для максимальной прибыли.
• Модуль 3: Машинное обучение
  Обучаете искусственный интеллект предсказывать движения цены по историческим данным. ИИ находит скрытые закономерности, которые не видит человек.

​

Добрый день! Меня зовут Сергей Спирёв, и я являюсь автором данного курса.

Когда я только начинал свой путь в изучении машинного обучения, тема метрик качества была для меня какой-то «головоломной». Вроде бы и нет в ней какого-то совсем уж сложного математического аппарата, но когда в неё углубляешься, то в голове каша и винегрет из понятий, формул, терминов. А когда её ещё и преподносят в академической форме, то тут уж совсем тоска зелёная.

Но тема метрик качества является одной из основополагающих в машинном обучении. Это фундамент, на котором строится всё машинное обучение с точки зрения применимости и полезности моделей на практике. И хорошо разбираться в этом вопросе – это важный момент.

Как понять, ваша модель «умная» или «глупая»? Понять это можно, только посмотрев на её ошибки и оценки качества. Хорошо, посмотрели на оценки качества – результат получился супер. Отлично! Но подходит ли та метрика качества, которую вы применили к вашей модели, или она не учитывает важные особенности ваших данных?

На эти вопросы специалист по машинному обучению должен уметь отвечать.

Скажу также, что по своей натуре я не являюсь теоретиком. Я предпочитаю, когда теория соединяется с практикой. Через практику я могу понять больше, чем из сухих формул.

Этот же подход я применяю в подготовке обучающего материала. Я не теоретизирую много, стараюсь не углубляться туда, куда не нужно углубляться с точки зрения здравого смысла и практической применимости. А также пытаюсь сложные понятия перевести на простой человеческий язык.

Материала, предоставленного в курсе будет достаточно, чтобы приобрести надёжную базу, на которую впоследствии вы можете наслаивать новые знания в такой интересной области, какой является машинное обучение.

Для кого этот курс
Курс для тех, кто уже делает первые шаги в изучении машинного обучения, но желает глубже изучить вопросы оценки качества моделей с использованием инструментов библиотеки Scikit-learn.

​

Получите актуальные навыки вайбкодинга за 2 недели
Вайбкодинг — будущее разработки, и мы поможем вам освоить этот навык одним из первых

• Вы сможете запустить стартап в одиночку
  Реализуете любые идеи, MVP за выходные без привлечения команды разработчиков
• Увеличите доход
  Обойдёте конкурентов, предлагая клиентам полный цикл разработки с нуля до релиза
• Автоматизируете рутину
  Освободите силы для творчества и креатива вместо того, чтобы перекладывать JSON'ы
• Обретёте массу знаний
  Помимо навыков вайбкодинга вы получите базу по фронтенду, бэкенду, тестированию и безопасности

Только полезные знания.
Обучение происходит на реальных проектах, которые решают проблемы клиентов

• Обучение полному циклу разработки
  Вы научитесь не только созданию фронтенда, но также проектированию REST API и разработке бэкенда
• От простого к сложному понятным языком
  Мы начнём с базовых навыков и постепенно перейдём к созданию полноценных веб-приложений с бэкендом. Мы даём всю необходимую базу — поймёт даже новичок
• Современные технологии
  Вы получите навык интеграции нейросетей в своё приложение, а также получите опыт работы с самыми актуальными технологиями
• Фокус на практике, а не теории
  Никакой «воды» — только актуальные техники, которые можно применить сразу после просмотра урока

Программа

• Начало работы с Cursor Al
• Настройка Cursor
• Вёрстка лендинга
• Продвинутая работа с Cursor
• Git и GitHub для вайбкодинга
• Введение в базовый бэкенд
• Разработка бэкенда сервиса нейросчетчика калорий

​

Делать аналитику - это навык. И его нужно качать, если вы:

• Аналитик. Основная ценность вашей работы - не в табличках и коде, а в ценных выводах.
• Продакт. Чтобы развивать продукт, необходимо видеть неочевидное в цифрах и конверсиях.
• Менеджер. Управлять командами и проектами возможно только за счет выверенных действий, подкрепленных цифрами.
• Предприниматель. Аналитика снижает энтропию и повышает эффективность действий, что выражается в деньгах.

После прохождения тренинга вы научитесь:

• Строить деревья метрик и находить рычаги роста
• Читать отчеты и видеть не просто цифры, а ценные выводы
• Считать когорты всеми возможными способами
• Делать реверс-инжиниринг и моделировать будущее
• Анализировать клиентов, товары, маркетинг и другие бизнес-сущности
• Строить юнит-экономику и находить узкие места в продукте
• Превращать дашборды и таблички в рабочие инструменты
• Регистрировать и искоренять типичные ошибки при проведении аналитики
• Строить правильные объяснительные конструкции и причинно-следственные связи
• Видеть полную картинку бизнеса без погружения в него — только на основании цифр

Программа

• 1 неделя. Дерево метрик и иерархия метрик.
• 2 неделя. Аналитика товаров и ассортиментной матрицы.
• 3 неделя. Как выстроить эффективную систему отчетности и дашбордов в компании.
• 4 неделя. Юнит-экономика.
• 5 неделя. Когортный анализ
• 6 неделя. Реверс-инжиниринг
• 7 и 8 недели. Бонусные занятия и воркшопы.

​

На вебинаре мы поговорим про историю возникновение микросервисов, начиная от самого "первобытного" этапа разработки приложений, где существовали только монолиты с огромной кодовой базой.

Мы затронем (и постараемся как следует разобрать) такие темы как:
- Вертикальное и горизонтальное масштабирование
- Load balancers
- Service registry & service discovery
- Аутентификация & авторизация
- Logging & Metrics
- Проблемы "монолитов"
- Работа с базами данных в микросервисах
- Механизмы общения между сервисами (sync & async)
- Самые распространенные паттерны микросервисов и зачем они нужны (Transactional outbox, Strangler application, API Gateway, Distributed tracing, Saga, etc)
- И многое другое

​

Курс по подготовке к техническому собеседованию на Golang-разработчика, грейд middle/middle+/senior Включает в себя необходимую теорию, стратегии ответов на сложные вопросы, и разбор часто встречающихся практических задач.
С помощью этого курса вы сможете за короткий срок подготовиться к сложным техническим собеседованиям.

Для кого этот курс

• Курс в первую очередь для тех, кто хочет перейти на Go с другого языка и не потерять при этом грейд, а в каких-то случаях даже поднять грейд при переходе.
• Так же курс подойдет и для действующих Go-разработчиков, которые хотят увеличить свой доход за счет смены работы.

Начальные требования
- Начальные знания языка Go
- Базовые знания в Computer Science
- Начальные знания о базах данных

Программа курса

• О курсе
• Работа с памятью в Go
• Платформа Go
• Планировщик и горутины
• Практика по конкурентности в Go
• Базы данных для собеседований
• Очереди сообщений. Apache Kafka
• Linux и сети
• Проектирование распределенных систем (System Design)
• Дополнительные материалы

Что вы получаете

• Навыки и знания, необходимые для успешного прохождения собеседований и получения офферов на большие суммы
• Неограниченный по времени доступ к информации
• Чат с поддержкой от автора курса

Наш преподаватель: Skill Issue

В курс входят
51 урок
10часов 39минут видео
2 теста