Основы ML/AI
для продакта

Вокруг ML много хайпа. Урок расскажет, как преодолеть его и сразу построить настоящую модель, полезную для бизнеса, а заодно определить основные понятия ML-задач.

В уроке:
→ О том, что ML-модель можно построить прямо в Excel-ке
→ Основные понятия ML: фичи (feature), целевая функция (target), тренировочный сет (training set), модель (model)

Как это выглядит:
→ Помогаем CEO решить задачу спроса на арендные велосипеды
→ Тренируемся определять на разных кейсах из индустрии что есть фичи, целевая функция, тренировочный сет

Хотя продактам и не нужно понимать внутренность алгоритмов, им крайне важно уметь видеть из множества задач те, которые эффективнее решить с помощью ML, а какие - по старинке или вообще обойти стороной.

В уроке:
→ Основные типы ML-задач (регрессия, классификация, ранжирование и тд) на примерах из индустрии
→ Какие задачи лучше обходить стороной
→ Какие задачи не требуют ML вообще

Как это выглядит
→ Помогаешь коллегам с работы (CFO, Marketer, Jr.PM, CEO) определить класс их задачи

Когда продакт увидел, что задача относится к одной из известных категорий, крайне важно понять, какие критические данные нам понадобятся, чтобы построить быстрый MVP, и где эти данные достать.

В уроке:
→ Как определять фичи для тренировки первой версии модели
→ Из каких пяти источников можно достать тренировочные данные

Как это выглядит
→ Помогаешь коллегам с работы определить основные фичи для их кейсов
→ Придумываешь, где взять данные для этих фичей

Когда продакт "увидел" полезную бизнесу ML-задачу, выбрал первые фичи и даже раздобыл датасеты тренировочных данных, он передает фронт работ дата сайентистам. Дальше происходит магия, и обсуждение возвращается к продакту, когда приходит время говорить о метриках качества модели (следующий урок). Но какой продакт не хочет тоже немного понимать в магии!

В уроке:
→ Какие шаги делает дата сайентист при построении модели
→ Откуда берутся тренировочный и тестовый сеты
→ Как модель усложняется при необходимости учитывать более сложные зависимости

Как это выглядит
→ Вместе с Data Scientist-ом смотришь на данные и Python код модели спроса на велосипеды
→ Усложняешь модель до нелинейной
→ А потом и до модели с друмя переменными

Как и с продуктовыми метриками, продакту не нужно быть мастером деталей, но важно понимать результат обученной модели и уметь обсуждать его с командой аналитиков.

В уроке:
→ Что дата саентист выдает не одну модель, а несколько версий
→ Что такое Recall, Precision, F1 score для модели классификации и зачем они нужны
→ Что такое RMSE и MAR для модели регрессии и зачем они нужны

Как это выглядит:
→ Учимся на кейсах считать Recall, Precision, F1 score
→ Выбираем версию модели на основе понимания бизнес-кейсов

Настало время применить все полученные знания к новой задачке от нашего CEO.

В уроке:
→ Как применять полученные знания от начала до конца

Как это выглядит:
→ Решаешь задачу по предсказанию LTV пользователей

Обсудим, как ML-скиллы связаны с остальными продуктовыми навыками: аналитикой, технологиями и A/B-тестированием.

В уроке:
→ Как ML связан с API/сервисами, A/B-тестированием, аналитикой
→ Куда расти в теме ML дальше - профессия PM AI

Как это выглядит:
→ Получаешь суммирующий чек-лист и ссылки для дальнейшего изучения
→ Получаешь именной сертификат

От лидеров ждут результатов, а не теоретических идей. Поэтому цель любого курса - превратить знания в навык, решая много задач и проблем.

А еще студенты отмечают:

• структурный подход обучения (от простого к сложному)
• конкретные инструменты
• полезные дополнительные материалы
• незаезженные статьи разного уровня сложности

Ключевая ценность - иммерсивные задания, которые неотличимы от работы с реальным продуктом. Решая их, ты попробуешь прожить 10+ лет опыта в концентрированной истории.

Что отметили ученики:

• сценарная игра и погружение в увлекательные кейсы
• персонажи из реальной компании: CEO, CTO, Enginering Manager, коллеги-продакты
• формат диалога с разбором ошибок, подробный фидбэк
• самостоятельное прохождение в любое время

Говорят, что это лучший формат, который есть на рынке :)

Продукты созданы для продактов, которые хотят расти: студенты решают такие же практические задачи, с которыми ежедневно сталкиваются опытные PM-ы в международных компаниях. Основная цель при выборе кейсов - показать, что продукты и проекты бывают очень разными. Это сложно понять, если работаешь 5 лет над одним продуктом и проходишь курсы, которые повторяют уже существующие знания.

Что крутого:

• курсы учат применять навыки на работе
• курсы расскажут, как четко структурировать знания в голове
• в любое время можно освежить знания по чек-листу
• если техника не подведет, то доступ к материалам будет неограничен

В курсы вложен опыт, применяемый каждый день: 7+ лет построения продуктов в боевых условиях в таких компаниях как Booking.com, Wolt, Flo.

Что это дает студенту:

• возможность практиковаться на реальных задачах и факапах международных компаний
• посмотреть опыт глобальных продуктов и позадавать вопросы типа «а как там у них это работает?»
• узнать о возможностях вырасти в карьере и попасть в большую компанию

Если коротко:
Все курсы отвечают на немного разные и непересекающиеся вопросы, поэтому некоторые студенты хотят пройти все: начинают с основ, расширяют их "Профессией PM ML", потом "LLM"-курсом и, наконец, приходят на "AI-прототипирование", чтобы посмотреть, на что способны современные LLM-ки с точки зрения автогенерации кода.

А теперь подробнее:

Начинать лучше с “Основ ML”. Там рассказывается база про то, что такое ML, какие задачи он решает хорошо, как их замечать, а где он бессилен. Ну и главное — какая в этом всём роль продакта. Будет полезно всем без исключения (и не только продактам).

Курс “Профессия PM ML” — для тех, кому достался ML-продукт и несколько суровых ML-инженеров. Где брать данные? Как их чистить? Что пойдет не так при запуске? Куда удрейфует модель через месяц? В общем, более продвинутые темы для тех, кому базы уже недостаточно.

Курс “LLM для продакта” — про революционное направление в мире AI, которое набирает обороты в бизнесе. LLM-модели позволяют решать те 5–10% классов задач, где классический ML бессилен или неэффективен (например, анализ текста, генерацию речи, пошаговое мышление). При этом классический ML никуда не исчезнет: задачи оптимизации (например, определение цены) решать LLM-ками довольно бессмысленно.

Курс “AI-прототипирование для продакта” учит делать первые шаги в создании реалистичных прототипов (или даже работающих простых продуктов) без кода: его за тебя пишет LLM-ка. Полезно всем, кто хочет пробовать свои идеи как можно быстрее, а может быть, и запустить простой пет-проект в одиночку.

Да, курс рассчитан на продактов, проджектов и системных аналитиков, которые вообще не понимают в ML. Мы расскажем об основных понятиях, которые нужны на практике именно лидеру (а не ученому!), чтобы управлять командой и строить успешный продукт.

Почитай отзывы - у нас было много ребят без опыта, которые уже во всю применяют знания в своих проектах.

10 лет назад ML-знания были нужны только ученым. 3-5 лет назад они стали необходимыми и продакту. Сегодня мы наблюдаем, что любой IT-специалист (продакт, проджект, аналитик, маркетинг-менеджер, даже сейлс) ценится выше, если понимает, что скрывается за хайпом про ML, ведь это позволяет задавать более предметные вопросы и не ожидать от ML невозможного.

В данном курсе мы рассматриваем очень конкретную область знаний - "Основы ML". Сами по себе (без базы) они не сделают тебя суперспециалистом, но при этом никуда и не денутся - ты просто будешь знать один кусок знаний. Это как построить мощный двигатель машины, у которой еще нет колес: ехать не на чем, но в то же время движок ждет своего часа.

Поэтому совсем новичкам мы рекомендуем проходить базу параллельно со спецкурсами: базовых материалов много и они относительно несложные, а специалист, который сразу прокачивает нужные (сложные) дисциплины будет расти сильно быстрее остальных, потому что сразу погружен в реальные (а не упрощенные) задачи.

Если заниматься по полчаса-час в день, то примерно 5-7 дней. Удовольствие можно растянуть, подолгу обдумывая кейсы и читая доп. материалы - симулятор никуда не убежит.

Да, так можно сделать. Напиши в наш telegram-чат, мы отправим ссылку на оплату.

Кейсы действительно реальные и отражают разнообразие продуктов в отрасли: не все есть "сайтик" или "магазин". В симуляторе «Tech for PM» мы рассмотрим приложение заказа такси (как Uber), сервис музыки (как Spotify) и приложение для доставки еды. В симуляторе «A/B-тестирование» мы погрузимся в эксперименты над в сервисом Медитации, а в «Product Discovery» разберем бизнес по аренде одежды.

Чем больше кейсов ты решаешь (а не просто читаешь/смотришь), тем более опытным продакт-менеджером становишься. По-другому никак.

Одна из отличительных фишек ProductDo – это курсы, упакованые в формат симуляторов. Симулятор как инструмент обучения имеет множество замечательных свойств:
- требует постоянного активного участия студента – чтобы двигаться вперед нужно каждый раз выбирать какое-то действие или отвечать на вопрос
- позволяет дать развернутый фидбэк на любое действие: можно со ссылками и примерами обосновать предпочтительный вариант
- позволяет двигаться в своем темпе и не нагружает лишним общением тех, кто не очень любит работать в группе.

Обычно преподают так: теория → практика. Если ты хорошо усвоил теорию, то практику ты делаешь на 100% или около того. У ProductDo совсем другая методика. Мы начинаем с практической задачи, которую надо решить (и если курс тебе подходит, то ты еще не знаешь, как это делается). И только когда ты попробовал решить задачу, курс подводит под нее теорию. Авторы верят, что цикл: попытка подумать самостоятельно → принятие решения → фидбэк на решение является очень эффективным способом освоить новый материал, особенно для тех, кто уже достиг некоторого профессионального уровня.

Если ты хочешь попробовать формат симулятора, пройди бесплатный урок. В нем собраны вопросы из разных областей продакт-менеджмента. Заодно можно оценить какие скилы у тебя уже достаточно прокачаны, а какие можно еще усилить.

ProductDo помогает тем, что дает кучу практических задач, делится факапами (то есть опытом) и учит выстоять питч и интервью. Более того, авторы построили уже столько продуктов, что своими примерами смогут помочь тебе сформулировать твою область (по-техничнее или по-платежнее, связанную с ML/AI, или с продажами и т.д.). Авторы верят, что хороший продакт сам выбирает любимый продукт и за ручку его водить не надо.

При этом, авторы с удовольствием зареферралят лучших студентов - им всегда нужные хорошие продакты. Опять же, тому, кто старался, ProductDo готов написать развернутое рекомендательное письмо и дать сертификат о прохождении всех челенджей (а их много).

Сейчас спрос на руководителей продуктов такой, что уже с базовыми навыками (и пониманием точек роста!) ты можешь получать >120000₽ в России и >4000€ в Европе. Главное - стараться.

Вся история прохождения симулятора с комментариями и ответами сохраняется. Если техника не подведет, то доступ к материалам будет неограничен. Рестарт - сброс прогресса обучения не делаем: все как на работе, учимся на ошибках.

Да, студенты, которые успешно закончили курс, могут сгенерировать в личном кабинете сертификат на английском языке и разместить его на LinkedIn (в разделе Licenses & certifications).

Но, обратите внимание, что при приёме в продуктовую компанию сертификаты курсов не увеличивают шансы кандидата, по крайней мере в практике авторов курсов такого не случалось ни разу. Если в резюме есть упоминание курса, то это может вызвать вопросы про то, что кандидат действительно знает прямо сейчас. Поэтому нужно решать задачи и развивать навыки, а не гнаться за "корочками". К счастью, на курсах практики хватает.

Если по какой-то причине программа не подойдет, можно перейти на другой курс или вернуть деньги (возврат возможен, если пройдено меньше трети курса).