Skip to content

SENATOROVAI/intro

BranchesTags

Repository files navigation

Добро пожаловать на стажировку в SENATOROVAI!

О нас:

  • Создатель организации, Сенаторов Р.О., в 2019 году был принят на работу в IT-компанию umisoft , где работал в качестве младшего PHP-программиста с функциями дебага JS кода, на OS Linux (Lubuntu)

    изображение

  • Через пару недель работы был выполнен пул-реквест, с улучшением ядра кодовой базы организации

  • Поработав там какое то время Сенаторов Р.О. уходит в другую организацию, где успешно улучшил накопленный опыт став старшим фулл-стек разработчиком и в 2022 образовалась организация SENATOROVAI, в которой были интегрированы все стандарты коммерческой разработки которые использовались в предыдущих компаниях, а так же улучшены линтеры, CI/CD и другие технические компоненты IT-инфраструктуры

  • Прочитайте обязательно информацию про опыт и биографию Сенаторова Р.О.

На кого учатся в моей школе?

изображение

Почему оптимизатор моделей — профессия будущего

Мир уже научился создавать модели. Настоящий дефицит сегодня — в людях, которые умеют заставить их работать максимально эффективно.

Оптимизатор моделей — это специалист, который понимает не только как обучить модель, но и как сделать её быстрее, точнее, дешевле и стабильнее. Это работа на стыке математики, алгоритмов оптимизации, машинного обучения и инженерии. Именно здесь рождается реальная ценность для бизнеса.

Почему эта профессия востребована по всему миру

Любая крупная компания — от финтеха и медицины до BigTech — сталкивается с одними и теми же проблемами:

  • модели слишком дорогие в обучении и инференсе
  • обучение нестабильно или медленно сходится
  • небольшие улучшения дают огромный экономический эффект

Оптимизатор моделей решает эти задачи. Он экономит миллионы долларов вычислительных ресурсов, ускоряет вывод продукта на рынок и напрямую влияет на прибыль.

Почему особенно США и Кремниевая долина

В Кремниевой долине:

  • модели обучаются на кластерах стоимостью десятки и сотни миллионов долларов
  • даже 1–2% улучшения в оптимизации — это колоссальные деньги
  • ценятся специалисты, которые понимают градиенты, сходимость, кривизну, численные методы, а не только вызывают .fit()

Поэтому лучшие оптимизаторы работают в Google, OpenAI, Meta, Apple, NVIDIA, стартапах с миллиардными оценками — и получают очень высокие компенсации, включая опционы и бонусы. Для топ-уровня счёт действительно идёт на миллионы в год.

Почему этому не учат массово

Большинство курсов по ML:

  • поверхностны
  • не дают математического фундамента
  • не учат почему алгоритм работает или ломается

А оптимизация — это глубокая, сложная область. Здесь нужны:

  • выпуклый анализ
  • численные методы
  • SGD, SAG, SAGA, LBFGS, Newton, trust-region
  • понимание геометрии пространства параметров

Именно поэтому специалистов так мало.

Почему SenatorovAI

Моя школа SenatorovAI обучает не «пользователей библиотек», а инженеров оптимизации:

  • с нуля и до реального продакшн-уровня
  • с разбором алгоритмов изнутри, а не по слайдам
  • с математикой, интуицией и практикой на реальных задачах

Мы готовим людей к профессии, которая:

  • глобально востребована
  • плохо автоматизируется
  • и будет только расти по мере усложнения моделей

Оптимизатор моделей — это не тренд. Это ключевая роль в экономике ИИ ближайших десятилетий.

Ближе всего это похоже на профессию Data Scientist, поэтому обязательно прочитайте эту статью

Обязанности в SENATOROVAI после прохождения стажировки:

Участие в полном цикле разработки и внедрения AI/ML-решений:

  1. Анализ бизнес-потребностей и постановка задач

    Тесное взаимодействие с бизнес-заказчиками и технологическими экспертами (инженерами, технологами) для выявления, формализации и приоритизации проблем, потенциально решаемых методами ИИ. Перевод неструктурированных бизнес-требований в конкретные, измеримые задачи машинного обучения, иначе говоря нужно переводить бизнес-цели в ML-задачи, определять метрики успеха. Анализ осуществимости и оценка потенциального экономического эффекта от внедрения DS-решений. Формирование технических заданий и дорожных карт для Data Science проектов.

  2. Работа с данными и Feature Engineering

    Сбор, интеграция и консолидация данных из разнородных источников. Проведение анализа данных для выявления закономерностей, аномалий и инсайтов. Активная работа с инженерными временными рядами: обработка пропусков, сглаживание, агрегация, построение специфических признаков (фичей). Разработка и создание высокоуровневых признаков (feature engineering), отражающих физику и технологию производственных процессов.

  3. Разработка, обучение и валидация ML-моделей

    Разработка, обучение и тонкая настройка (fine-tuning) моделей машинного обучения для решения поставленных в проекте задач. Применение широкого спектра алгоритмов: от классических (линейные модели, деревья, ансамбли) до нейросетей (LSTM для временных рядов, CNN для изображений). Тщательная валидация моделей с использованием кросс-валидации во временном разрезе (TimeSeriesSplit), оценка бизнес-метрик.

  4. Внедрение и мониторинг решений (MLOps)

    Участие в процессе развертывания моделей в промышленную эксплуатацию, взаимодействие с ML-инженерами и DevOps. Создание прототипов и MVP для демонстрации ценности решения Заказчику. Организация мониторинга качества данных (Data Drift) и прогнозов (Concept Drift) работающих моделей, их периодическое переобучение и калибровка.

  5. Коммуникация и документирование

    Подготовка прозрачных и интуитивно понятных отчетов и презентаций о результатах работы для технических и нетехнических специалистов. Создание и ведение технической документации по проектам. Участие в регулярных встречах с командой и заказчиками, демонстрация прогресса.

Выполни инструкцию ниже

Нужна помощь?

=> Бесплатная консультация по инструкции

Оглавление

Регистрация аккаунтов

  1. GitHub
  1. Kaggle
  1. ODS.AI
    • Перейдите на ODS.AI.
    • Зарегистрируйтесь для создания аккаунта.

Расскажи о себе

(Лучше пиши на английском, для большинства коллег, русский их не родной)
  • Напишите вашу роль в школе:
    1. Студент(-ка) - вы сдаёте отчёт, делаете домашнюю работу, общаетесь с преподавателем
    2. Исполнитель - вы выполняете проекты по Data Science, дополнительно мы помогаем с созданием профилей на фрилансе
    3. Резервист - вы сдаёте отчёты но не делаете домашнюю работу.
  • Уровень английского языка
  • Из каких источников узнали о нас
  • Прошлый опыт
  • Цель обучения
  • Из какой страны
  • Хобби
  • ссылка на гитхаб
  • ссылка на kaggle
  • ссылка на ODS
  • Сообщение отправь сюда https://t.me/SENATOROVAI

Договор о стажировке в SENATOROVAI

  • Скачайте и ознакомьте с договором о стажировке в SENATOROVAI:

  • Отправьте в чат, заполненный договор, укажите дату договора, впишите мои данные, ФИО, ссылку на мой профиль, дату начала стажировки, с этого числа вы должны будете 2 раза в неделю предоставлять отчёт, ваше ФИО, подпись, ссылка на ваш гитхаб профиль

  1. Групповые созвоны
  • выполните 4 пункта:
  1. найдите расписание первой группы и внесите в расписание дни, когда вы можете созваниваться с одногруппниками, в ячейку нужно писать логин TG
  2. скачивайте программу для звонков
  3. выставьте настройки в зум

Для выполнения 3 пунктов перейдите по ссылке .

Скачивание и установка программ

  1. GitHub Desktop
  1. Cursor и VS CODE

Активация русского языка в VS CODE и cursor

Нажмите F1 или View -> Command Palette: 👉СМОТРЕТЬ СКРИНШОТ

  • введите команды по очередно, после каждой нажмите enter
     Enable Russian Spell Checker Dictionary
     Enable Russian Spell Checker Dictionary in Workspace
  • Добавить слово в словарь => наводим на слово и нажимаем ctrl+. потом выбираем add to user settings
  1. Python (CPython)
    • Скачайте с CPython.
    • Следуйте руководству по установке для вашей платформы.
  1. Git for Windows
  1. Conda
    • Скачайте с Conda.
    • Следуйте инструкциям по установке для вашей системы.

Скачайте репозиторий на свой компьютер.

  1. Поставьте звезду репозиторию
  1. Присоединитесь к команде

Отчётность

  • сдавайте отчёт в понедельник и четверг, до 9pm gmt+3 Инструкция
  • Коллеги, здесь нужно регулярно(пн,чт) предоставлять отчёт по проделанной домашней работе, если ничего не сделали, так и пишите.
  1. Сделайте Fork 👉СМОТРЕТЬ СКРИНШОТ
  2. Клонируйте репозиторий

5.1 Откройте ваш репозиторий в github desktop

  1. Введите команды в терминал
    • Откройте терминал и убедитесь что там написано Documents/github/Data-Science-For-Beginners-from-scratch-course
    • 👉СМОТРЕТЬ СКРИНШОТ
    • 👉СМОТРЕТЬ СКРИНШОТ
    • Затем вставьте 4 команды ниже, в терминал, по очереди, и нажмите каждый раз Enter
    • git init
    • pip install pre-commit
    • pre-commit install
    • pre-commit run --all-files

  1. Пришлите скриншот вашего терминала

    • Убедитесь что на скриншоте видна эта команда pre-commit install и пришлите в чат пример скриншота

    👉СМОТРЕТЬ СКРИНШОТ

7.1 Посмотрите процесс принятие и отправки коммитов и работе с линтером создайте файл log.ipynb (его требуется заполнять только один раз, при начале обучения в школе), в нем напишите дату и тезисно по пунктам что сделали, потом отправьте коммит как написано в пункте 7.2, а не как в видео через Github Desktop.

7.2 Затрекайте свои временные изменения в коммит, нажмите "+" чтобы внести изменения в трекинг систему гит

  1. Ознакомиться с системой штрафов и бонусов

  2. Список домашних заданий и дедлайнов

  3. Ознакомиться с системой помощи в комьюнити

  1. Ознакомиться с отменой занятий
  • Если вы записались на урок и поняли что не сможете на нём присутствовать, вы можете найти себе замену и сохранить свой урок иначе он сгорит Отмена занятий
  1. Программа обучения
  1. Важные анонсы крайте нежелательно пропускать
  1. Персональное обращение
  1. Включите отображение активности
  1. Занятия в группе
  2. Система поиска в сообществе
  1. SCRUM
  • сдавайте отчёт в понедельник и четверг, до 9pm gmt+3 Инструкция,
  1. День английского языка
1. Каждую среду, мы общаемся только на английском

21. Пройти курс по линтерам и опенсорс

  • запишитесь на курс по линтерам и опенсорс, для этого напишите в директ
  • минимум 1 главу в неделю необходимо делать, иначе отчисление, если у вас есть серьёзная причина по которой не можете делать такой объём, напишите мне дату с которой вы можете начать учиться
  • пройдите пару заданий и у вас на странице профиля появится сертификат, скиньте ссылку на ваш сертификат в чат
  • отправьте заявку в команду
  • отправьте в чат хэштег #request_group_1 и добавьте тег @arm_naruto
  • отправьте ссылку на ваш степик аккаунт в этот чат
  1. Подпишитесь на канал школы
  • Если хотите вы можете регулярно постить в этот канал историю вашего прогресса в школе (выдам админку)
  1. Делайте ревью кода(возьмите на заметку)

Если у вас есть вопросы или нужна дополнительная помощь, не стесняйтесь спрашивать здесь!

About

No description, website, or topics provided.

Resources

Readme

License

MIT license

Contributing

Contributing
Activity
Custom properties

Stars

9 stars

Watchers

0 watching

Forks

5 forks
Report repository

Releases

No releases published

Sponsor this project

Packages

 
 
 

Contributors

Languages