За предыдущие пять лет симуляторы GoPractice помогли десяткам тысяч специалистов научиться использовать данные, чтобы принимать продуктовые решения.
Но мир меняется, и теперь данные не только помогают в принятии решений, а все чаще сами становятся ядром ценности продуктов.
Сегодня мы хотим представить вам «Симулятор управления ML/AI-проектами».
Этот симулятор научит вас строить продукты и оптимизировать процессы на основе технологий машинного обучения. На основе данных и алгоритмов.
Зачем продактам, предпринимателям и другим специалистам изучать ML
Недавно в эссе “” Билл Гейтс, основатель Microsoft, поделился мыслями по поводу прогресса в развитии ML/AI-технологий:
«Прорывы в сфере искусственного интеллекта и машинного обучения столь же фундаментальны, как создание микропроцессора, персонального компьютера, интернета и смартфона. Это изменит то, как люди работают, учатся, путешествуют, получают медицинскую помощь и общаются друг с другом. Эти технологии изменят целые отрасли. Конкурентное преимущество компаний будет зависеть от того, насколько хорошо они используют ML/AI».
Долгое время основные вызовы в применении ML-технологий лежали в инженерной и научной плоскостях. Развитие технологий привело к тому, что сейчас эти вызовы стремительно смещаются в плоскость продуктовую.
Все чаще вопрос оказывается не в том, как что-то реализовать, а в том, где есть возможности для применения ML-технологий: создадут ли они ценность, принесет ли это выгоду бизнесу, как организовать разработку и довести проект до успешного внедрения.
Этот сдвиг вместе с развитием ML-технологий открывает огромные возможности:
- У многих компаний появляется возможность нарушить статус-кво и обогнать конкурентов, увеличив долю рынка;
- Для специалистов открываются возможности для роста дохода и работы над продуктами, которые сделают мир лучше и определят будущее.
Все это создает спрос на специалистов, которые способны увидеть возможности для применения машинного обучения и реализовать ML-проект. Уже сейчас зарплата, например, ML/AI-продакта доход обычного продакт-менеджера на 20–40%.
Почему мы создали симулятор
Представления большинства нетехнических специалистов про ML находятся в одной из двух крайностей:
- Одни видят ML/AI как магию, которая позволяет сделать все, что угодно. Надо лишь поставить задачу разработчикам;
- Другие же считают, что ML — это что-то очень сложное, глубоко техническое и недоступное.
Такая ситуация возникает по той причине, что человеку со стороны бизнеса достаточно сложно разобраться в ML.
С одной стороны, есть футуристические книги и статьи на широкую аудиторию, где рассказывают про AI и «риски господства роботов».
С другой стороны, есть много прикладных материалов, которые фокусируются на алгоритмах, математике и других аспектах технологии машинного обучения. Изучать такие материалы, не владея высшей математикой и программированием, очень сложно. Да и не очень нужно, если вы не ML-инженер, исследователь или Data Scientist.
Если десять лет назад глубокое понимание математики и программирования было необходимым знанием для погружения в ML-индустрию, то на текущем этапе развития алгоритмы и модели стали уже общедоступными.
Простая аналогия. Представьте, насколько сложно было создать интернет-магазин в 1999 году. Для этого были нужны свои сервера, программисты, дизайнеры, админы, контент-менеджеры, склады, логистика и многое другое. Сейчас же интернет-магазин может запустить один человек в течение дня, собрав его в конструкторе из разных сервисов.
Похожий переход сейчас происходит в ML. В его свете ключевая ценность смещается в способность увидеть возможность для применения машинного обучения, а потом адаптировать существующие алгоритмы и технологии для конкретной прикладной задачи.
Развитию именно этого навыка и посвящен «Симулятор управления ML/AI-проектами».
Чему вы научитесь в симуляторе
Вы изучите, как устроен процесс создания и внедрения ML-решения, научитесь видеть типичные ошибки и проблемы проектов с машинным обучением.
«Симулятор управления ML/AI-проектами» создаст фундамент навыков и знаний, необходимых для работы над прикладными задачами.
Симулятор научит вас:
- Видеть, где машинное обучение может принести пользу бизнесу;
- Создавать продукты на основе технологий машинного обучения;
- Строить процесс создания и внедрения ML-решений, предотвращать типичные ошибки и проблемы заранее;
- Организовать работу над ML-проектами так, чтобы они приносили пользу бизнесу.
Как устроено обучение в симуляторе
Научиться управлять ML-проектами можно только на практике. Но для того, чтобы менеджеру доверили такой проект, нужен опыт. Замкнутый круг.
Разорвать этот круг поможет симулятор, который позволяет получить практический опыт в безопасной среде.
Обучение в симуляторе построено вокруг работы над тремя проектами, каждый из которых научит вас решать распространенную ML-задачу:
- Задача на основе компьютерного зрения (computer vision);
- Прогнозирование продаж;
- Создание рекомендательной системы.
В процессе вы будете получать теорию и вспомогательные материалы, которые помогут в решении кейсов и создадут устойчивый фундамент для применения навыков в реальном мире.
Процесс максимально приближен к реальности. При работе над кейсами вы будете тестировать обученные командой модели, видеть, как они меняются после принимаемых вами решений, определять следующие шаги проекта.
Этот симулятор — многолетний практический опыт создания ML-решений, упакованный в двухмесячную интерактивную образовательную программу.
Отзывы первых студентов
«Симулятор управления ML/AI-проектами» был в разработке более трех лет.
За это время в нем уже отучилось несколько когорт студентов. Именно их вопросы и фидбек помогали нам заточить программу под реальные нужны специалистов. Именно их успехи и прогресс по итогам обучения давали нам уверенность, что мы двигаемся в правильном направлении.
«Симулятор десятикратно окупился уже в середине обучения. С помощью MVP, созданного благодаря курсу, мы закрыли большого клиента на хороший контракт».
Олег Красиков, Product Manager, Chatfuel
«Программа помогла мне переложить имеющиеся знания в управлении продуктами на ML-проекты».
Иван Жуган, Personalisation Product Manager, Zalando
«Возникло понимание, что ML-проекты — это тоже проекты, для работы с которыми нужно только обзорное понимание технологии и универсальные принципы управления. Возможно, смогу начать новую компанию, где данные будут важной частью продукта».
Павел Данилов, VP of E-Commerce, NRS
«После прохождения курса я понял, что могу полноценно управлять ML-командами».
Дмитрий Калита, Lead PM, InDriver
«Главная польза от обучения в том, что пришло понимание, что работа с ML-задачами и инженерами — это не rocket science. Стало понятно, что это постижимая и прикладная область, в которую можно и нужно погружаться».
Дима Твердохлебов, Директор по умным устройствам и голосовым ассистентам VK («Маруся»)
