Практикующий руководитель: Возглавляет направление Data Science в школе, обеспечивая стратегию и качество обучения.
Эксперт-методолог: Автор и архитектор программ курсов по Machine Learning. Отвечает за то, чтобы теория была живой, а знания — применимыми.
Действующий ML-Исследователь: Постоянно находится на передовой технологий, что позволяет наполнять курсы самыми современными кейсами и методами.
Популяризатор математики: Убежден, что глубокое понимание основ — ключ к мастерству. Умеет объяснять сложные концепции доступно и интересно.
Экс-developer: Понимает полный цикл создания продукта и важность интеграции ML-моделей в реальные системы.
Школа SenatorovAI предлагает:
Обучение:
⏺формат: обучение с нуля, персональные/групповые уроки или самостоятельное изучение материала согласно плану, полученному от руководителя; ⏺на обучение принимаются лица старше 14 лет(9 класс школы); ⏺сроки обучения: все зависит от вас. Дедлайнов нет, но вы должны еженедельно предоставлять отчёты. ⏺выполнение домашних заданий, взаимопроверка между студентами под контролем руководителя организации; ⏺помощь по возникшим вопросам в чате “Help”; ⏺еженедельные созвоны участников, где обсуждаются возникшие в рамках обучения проблемы у студентов; ⏺Важно! В школе поддерживается строгое соблюдение регламента - обучение согласно плану, а не на выбор студента.
Стажировку в IT организации. Школа имеет собственную организацию на GitHub - крупнейшей веб-платформе для хостинга IT-проектов и их совместной разработки. Вы не только изучите теорию, но и научитесь уверенно работать на этой платформе, что важно для вашей будущей карьеры.
Выполнение проектов с фриланс-биржи:
Вы можете брать проекты уже с первого дня пребывания в Школе, прокачивать свои навыки и зарабатывать деньги.
Важное преимущество: мы НЕ предлагаем вам оплатить обучение сразу за год. Вы можете вступить в школу на 1 месяц и понять, подходит ли вам формат или нет.
Основные этапы обучения:
1. Выполнение intro - установка и настройка программ, регистрация на платформах.
2. Изучение и взаимодействие с GitHub.
3. Изучение языка Python.
4. Изучение математики для Data Science. Вместо традиционного “сверху вниз через теорию” обучение начинается с разбора готовых решений в scikit-learn “изнутри”, чтобы понять принципы работы и математику, которая лежит в их основе с полного нуля.
Ответы на часто задаваемые вопросы.
1. Нужно ли мне повторять математику перед вступлением в Школу? Ответ: Нет. Даже если у вас есть пробелы, в материалах курсов есть хэлперы по школьному курсу.
2. Почему в школе введён строгий регламент по плану обучения? Ответ: На сегодняшний день легко запутаться в обилие информации. Если вы сегодня будете изучать вышмат, завтра бросите и перейдёте на Git - у вас не будет прогресса. Руководитель школы заинтересован в прогрессе каждого студента и разработал чёткую траекторию обучения.
3. Могу ли я отказаться от стажировки, пока просто изучать материал? Ответ: Да, в школе есть статус наблюдателя. Но лучше учиться работать с GitHub сразу, ведь время быстротечно.
Будьте осторожны: если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого - это мошенники. Обязательно жмите "Пожаловаться" или пишите в поддержку. Подробнее в гайде →
Текст вакансии взят без изменений
Источник - Telegram канал. Название доступно после авторизации