Поиск курсов в IT

За 17 месяцев обучения по 15 часов в неделю вы освоите навыки.

Все необходимые для ML-инженера навыки – в одном курсе. Спрос на таких специалистов есть во всех технологичных сферах: в бизнесе, медицине, промышленности и других, а средняя зарплата ML-инженеров составляет 200000 рублей.

Вы изучите, как работают модели на основе нейронных сетей, на что они способны на данный момент и каковы их ограничения. А также получите практический опыт решения реальных задач и разработки с Pytorch.

За 2 дня работы с наставником научитесь применять искусственный интеллект, чтобы быстрее выполнять дизайнерские задачи.

Основы нейросетей и ИИ, работа с ChatGPT и Midjourney, генерация изображений и текста, обучение собственных моделей, практика на реальных задачах.

Изучите возможности AI. Научитесь генерировать уникальный арт с помощью AI вместе с академией онлайн-образования Onskills.

Освой ИИ без программирования — начни говорить на языке будущего! Искусственный интеллект Машинное обучение Нейронные сети Примеры применения ИИ Практика: ИИ-детектив Классификация Регрессия Кластеризация Прогнозирование Детектирование Распознавание речи Генерация Анализ текста Поиск аномалий Обучение с подкреплением Определение типа задачи в реальном проекте Практика: Сортируем кейсы Возможности и ограничения классических методов Данные и датасеты Популярные инструменты машинного обучения Оценки качества распознавания Применение машинного обучения Практика: Думаем как ИИ и обучаем модель поиска дефектов Что могут и не могут нейронные сети Обучение нейронных сетей Особенности внедрения нейронных сетей в проект Применение нейронных сетей Практика: Визуализации нейросетей и DeepSeek

Курс по применению ИИ в HR для автоматизации подбора, аналитики и коммуникации с кандидатами. Без кода, с практическими инструментами: скрининг резюме, генерация вакансий и вопросов для интервью, создание дашбордов прогноза текучести и закрываемости, а также мультимедийный контент для кандидатов. Вы научитесь учитывать этику ИИ и требования GDPR, сокращать рутину и повышать точность отбора. В ходе занятий вы получите готовые промпты, письма и примеры интеграций, которые можно внедрить сразу после обучения.

• Базовые понятия ИИ, LLM, нейросети.
• Актуальные иностранные и отечественные модели и их различия.
• Этические и правовые аспекты применения ИИ.
• Как ИИ уже используют в HR (примеры реальных компаний).

Практика: разбор HR-кейсов — где применять ИИ. Построение списка HR-задач для автоматизации в своей компании. Принципы эффективных промптов. Шаблоны промптов под разные задачи: скрининг резюме, письма кандидатам, отчеты.

Практика: написание текстов вакансий. Генерация вопросов для интервью и резюме по профилю вакансии. Написать промпт для анализа 100 резюме и вывода ТОП-5 кандидатов. Сгенерировать персонализированный отказ с улучшением по feedback-петле.Что такое GPT-агент, как работает.

Сценарии: скоринг резюме, ответы кандидатам, обучение. Ранжирование кандидатов. Алгоритмы сопоставления и маршрутизации.

Практика: загрузка резюме, анализ, выдача релевантных кандидатовМетрики: потребность, текучесть, эффективность подбора.

Анализ неструктурированных данных.

Практика: создание дашборда (Google Sheets или Yandex DataLens). Использование ИИ для обработки Excel / PDF / фидбека. Обзор: Midjourney, Kandinsky, Synthesia, ElevenLabs и др. Использование визуального контента в бренде работодателя, адаптации.

Практика: создание баннера и видео-приветствия. Озвучка письма / ролика для кандидатов.Цифровые ассистенты и чат-боты в адаптации. Автоматизация коммуникации после оффера.

Практика: сценарии и цепочки писем / ботов.Методология формирования аналитических отчетов.

Практика: сбор вакансий с помощью ИИ-расширений. Презентации результатов практических занятий.

Овладейте искусственным интеллектом для максимально эффективного тестирования ПО. Что такое генеративный ИИ и LLM Как работают LLM (на пальцах): трансформеры, обучение, контекст Обзор популярных моделей: ChatGPT, Gemini, Claude, YandexGPT, Qwen — их особенности для QA Этические аспекты, ограничения, галлюцинации Практика: Знакомство с интерфейсами LLM Первые промпты: простые запросы Сравнение ответов разных моделей Анализ точности и полезности ответов Генерация чек-листов, тест-кейсов, сценариев Создание входной и выходной документации Автоматическое формирование отчетов по результатам тестирования Практика: Написание промптов для генерации чек-листов Создание тест-кейсов из требований Автоматическое формирование отчета по багам Адаптация промптов под разные модели Генерация тест-данных Симуляция пользовательского поведения Формулировка и оформление баг-репортов Уточнение шагов воспроизведения Практика: Генерация набора тестовых данных Получение идей для нестандартного тестирования Оформление и улучшение баг-репортов Переписывание непонятных описаний Генерация автотестов (Selenium, Playwright и др.) Помощь в написании SQL-запросов, API-запросов Работа с шаблонами и примерами (few-shot prompting) Цепочка рассуждений (Chain-of-Thought) Практика: Написание простых автотестов с помощью ИИ Генерация API-запросов по спецификации Проверка и оптимизация SQL-запросов Создание шаблонов для повторяющихся задач Проверка соответствия стандартам UX/UI Поиск типичных ошибок дизайна Генерация идей для улучшения юзабилити Практика: Использование ИИ для проверки доступности и удобства Анализ скриншотов (при наличии multimodal моделей) Генерация предложений по улучшению интерфейса Промпты для анализа логики кода Выявление уязвимостей и антипаттернов Проверка соответствия требованиям Обнаружение дублирования, проблем в тестах Практика: Анализ фрагментов кода на безопасность и качество Проверка тест-сценариев на наличие антипаттернов Декомпозиция требований на user stories Оценка и доработка сгенерированных тестов Встраивание ИИ в ежедневную работу тестировщика База промптов для разных задач Шаблоны и менеджеры промптов Внедрение в команду: обучение, внедрение, мотивация Практика: Разработка персонального набора полезных промптов Работа с системами управления задачами через ИИ Обсуждение: как внедрить промпты в свою команду Мозговой штурм: идеи автоматизации и оптимизации Реальные кейсы использования промптинга в QA Лучшие практики, распространенные ошибки Критическое мышление при работе с ИИ Практика: Финальное задание: Создать комплексный набор тест-кейсов Сгенерировать отчет по багам Проверить качество тестов и кода Обсуждение решений, обмен опытом Демонстрация полученных результатов