ML Практикум: от теории к промышленному использованию

(24 ак. часов) Практикум дает сквозной навык построения ML-решений на Python: от анализа и предобработки данных, выбора и настройки моделей (линейные методы, деревья, бустинги, AutoML), feature engineering и базовых подходов к CV/NLP на нейросетях до воспроизводимости экспериментов и версионирования. В результате вы сможете доводить модели до промышленного использования: оформлять их как сервис (FastAPI), фиксировать артефакты и метрики (MLflow), автоматизировать пайплайны (Airflow) и аргументировать качество через метрики, привязанные к бизнес-целям.