Machine learning
для продакта
Сегодня машинное обучение — самая мощная тенденция, преобразующая цифровые продукты. Хочешь оставаться конкурентоспособным на рынке будущего — научись работать с ML.
LEVEL UP
10+ кейсов, в формате вебинаров
Курс на английском. Старт 17 мая
От продактов Meta & Booking.com
Почему будущее за ML продактами?
Инициативы в области искусственного интеллекта внедряются повсюду. С помощью ML алгоритмов предупреждают о сердечных заболеваниях и обнаруживают аномалии, прогнозируют погоду, распознают лица. Машинное обучение активно используется в рекомендательных системах, чат-ботах, в беспилотных автомобилях, чтобы «видеть» дорогу. Недавний опрос мировых бизнес-лидеров показал, что 70% запустили инициативы в области AI. Чем больше компаний изучают и внедряют машинное обучение, тем сильнее растет спрос на ML продактов.
Этот курс для тебя, если ты...
Хочешь управлять ML-продуктами
AI-продуктовые команды нуждаются в лидере, который говорит с ними на одном языке. Ты должны понимать, как работает ML, чтобы принимать правильные продуктовые решения.
Хочешь увеличить свою зарплату
Продакты с ML компетенциями сейчас востребованы как никогда раньше. AI PM в среднем зарабатывают на ~20% больше, чем PM общего профиля.
Хочешь работать в IT-гигантах
Apple, Amazon, Google и др. встраивают ML в продукты в рамках своей стратегии. Эти компании активно нанимают продактов, которые разбираются в ML.
Твоя суперсила после курса
Product Manager
ML Product Manager
Понимает влияние и ограничения алгоритмов
Разрабатывает стратегии запусков ML продуктов
Понимает концепции алгоритмов и обучения моделей
Дает четкие кейсы инженерной команде
Пытается применять традиционные подходы к ML-проектам
Применяет ML там, где это бессмысленно
Не может определить фичи и функцию потерь
Создает фичи, решающие проблемы пользователей, с помощью AI
Не может понять гипотезы Data Scientists
Не может перевести пользовательские инсайты в ML кейс
Авторы курса
- Natalia KuznetsovaCurrent Senior PM Maang, Machine Learning & Data Science, LondonEngages in ranking and personalisation in FB/IG Shops (Commerce).
- 10+ years in Product Management
- ex-Senior PM Data Science at Booking.com (search)
- ex-Lead Tech PM at Yandex (web search, ranking)
- Master of Business Administration (MBA)
- Andrew MendeCurrent Senior Machine Learning PM @ Booking.com, AmsterdamUses machine learning methods to create better recommendation systems at Booking.com.
- 11+ years in Product Management
- launched products in Yandex (search verticals)
- trained 1,000+ PMs on various edu-platforms
- Master of Business Administration (MBA)
Course program
Throughout five lessons, we will discuss real life product situations and apply various ML instruments to add value to the product
We will discuss which aspects of PM work are different when you are working with an ML application. How we need to transform our approaches to adapt to this new nature of work.
What you will learn:
→ what are typical cases of an ML application
→ which decisions fall under PM responsibility
→ what are the new skills you have to acquire to succeed in this role
What you will learn:
→ what are typical cases of an ML application
→ which decisions fall under PM responsibility
→ what are the new skills you have to acquire to succeed in this role
One way in which ML projects are very different from typical feature development it that they have inevitably longer production cycles. There are a lot of pitfalls on the early stages of data gathering and feature engineering.
What you will learn:
→ how typical ML project is structured
→ which decisions do you have to take on each stage
→ how to time box the stages for your team
→ practical life hacks to reduce delivery time and risks
What you will learn:
→ how typical ML project is structured
→ which decisions do you have to take on each stage
→ how to time box the stages for your team
→ practical life hacks to reduce delivery time and risks
ML components are not only expensive to build, but also much more expensive to maintain. Here the main advantage of ML – its variability – also becomes its weakness. Unfortunately ML models don't start to throw errors like typical back end code. Their performance just slowly degrades over time.
What you will learn:
→ what is the overhead associated with ML
→ how performance degradation manifests itself
→ effective monitoring strategies for features and predictions
→ continuous benchmarking of model value
What you will learn:
→ what is the overhead associated with ML
→ how performance degradation manifests itself
→ effective monitoring strategies for features and predictions
→ continuous benchmarking of model value
The dilemma of pivot/persevere was never so relevant and so complicated. You will have to take this decision multiple times in course of your ML project to ensure that the resources of your team are driving business impact.
What you will learn:
→ what are some explore/exploit strategies applicable to ML development
→ what is the relation between model accuracy and business impact
→ the law of diminishing returns for ML models
What you will learn:
→ what are some explore/exploit strategies applicable to ML development
→ what is the relation between model accuracy and business impact
→ the law of diminishing returns for ML models
In this section we will share the most relevant challenges ML teams are facing today, which will make you ready for stepping into the PM ML role and give you an advantage on the interview.
What you will learn:
→ built-in biases: ethical ML
→ explainability, transparency and user control
→ using art as training set
→ regulations in different regions
What you will learn:
→ built-in biases: ethical ML
→ explainability, transparency and user control
→ using art as training set
→ regulations in different regions
Стоимость
Last call sale
64'000 ₽/€850
26'000 ₽/€349
- Старт: 17 мая
- Продолжительность: 5 недель
- 10+ реальных кейсов
- Опытные авторы
- От PM ML топовых компаний
В ProductDo учатся
- Андрей, ProductDoУх, вроде все расписали... Остались вопросы?
Справа ссылка на чатик, пиши.
© 2021 ProductDo
Юридическое лицо
- ИП Поваров Александр Васильевич
- г. Санкт-Петербург, пр. Королёва, д. 7, кв. 523