К содержимому
ИИ Долина
Профессиональная переподготовка · Искусственный интеллект

Разработчик систем машинного обучения

От Python и классического ML до компьютерного зрения, языковых моделей, речи и LLM-агентов. Программа для разработчиков и аналитиков, которые хотят строить ML-системы.

Объём

272 ак. ч.

Срок

около 7 мес.

Состав

10 курсов + итоговая работа

Документ

Диплом о профессиональной переподготовке

Виноградов МаксимАвтор программыМаксим ВиноградовБрянов Олег АлександровичАвтор программыОлег Брянов

Стоимость программы

315 990 ₽421 900 ₽

Выгода 105 910 ₽ (−25%) к стоимости курсов по отдельности

НДС не облагается

Рассрочка на 12 месяцев

от 26 333 ₽ в месяц

  • 272 ак. ч. · около 7 мес. · 10 курсов и итоговая работа
  • Диплом о профессиональной переподготовке
  • Очно в Долине МГУ или онлайн
Получить консультацию
  • Собеседование с методистом до оплаты
  • Возможен социальный налоговый вычет 13%

О программе

Программа для тех, кто уже пишет код и хочет перейти к разработке систем машинного обучения. Она начинается с Python-стека для данных и классических методов, затем последовательно раскрывает три области глубокого обучения: компьютерное зрение, обработку языка и LLM, обработку звука и речи.

Во второй половине вы научитесь превращать модели в сервисы, строить агентные системы на российских и открытых LLM, подключать их к корпоративным данным через MCP и применять ML в прикладных областях: обнаружение аномалий в информационной безопасности и эксплуатации, автоматизация разработки и тестирования. Практика проходит на GPU-стенде ИИ Долины.

Итоговая аттестационная работа (16 ак. ч.) — законченная ML-система: от постановки и данных до сервиса с метриками качества и мониторингом. По результатам защиты выдаётся диплом о профессиональной переподготовке.

Для кого эта программа

  • Разработчики, переходящие в машинное обучение и работу с нейросетями
  • Аналитики данных, которые хотят строить собственные модели
  • Инженеры и научные сотрудники, применяющие ML в своей области
  • Специалисты по информационной безопасности, эксплуатации и тестированию, которые внедряют ML в свои процессы

Требования к поступающим

  • Среднее профессиональное или высшее образование (или обучение по соответствующей программе) — требование к программам ДПО
  • Уверенное владение основами Python: функции, классы, модули, работа с файлами
  • Опыт работы с NumPy и pandas; для программы желательны основы линейной алгебры и статистики
  • Базовые навыки работы в командной строке Linux

Ключевые технологии

PythonPyTorchScikit-learnTransformers и RAGFastAPIGPU-стенд ИИ Долины

Учебный план

10 курсов — 256 ак. ч. с преподавателем, плюс итоговая аттестационная работа — 16 ак. ч. Всего 272 ак. ч. Каждый курс можно открыть и изучить подробнее.

  1. Этап 1

    Python и инструменты разработчика

    Python-стек для данных: NumPy, pandas, визуализация, классические методы машинного обучения. ИИ-ассистенты для ускорения разработки.

    56 ак. ч. · 2 курса

    1. 01
      Python для машинного обучения

      Пройдите путь от первой модели в Jupyter до воспроизводимого ML-пайплайна на scikit-learn, CatBoost, Keras и PyTorch.

      40 ак. ч.8 модулейПродвинутый
      Состав модулей
      1. 1.Постановка задачи машинного обучения и рабочая среда2 ч
      2. 2.Обучение с учителем: задача классификации4 ч
      3. 3.Библиотека scikit-learn: классические модели классификации6 ч
      4. 4.Обучение с учителем: задача регрессии4 ч
      5. 5.Предобработка данных, отбор признаков и моделей6 ч
      6. 6.Обучение без учителя: кластеризация и снижение размерности4 ч
      7. 7.Основы глубокого обучения8 ч
      8. 8.От модели к сервису: объяснимость и итоговый проект6 ч
    2. 02
      ИИ-инструменты для программистов

      Шестнадцать часов практики: от промптов и ассистентов в IDE до агентной разработки и безопасной работы с кодом.

      16 ак. ч.7 модулейБазовый
      Состав модулей
      1. 1.Экосистема ИИ-инструментов разработчика и выбор модели3 ч
      2. 2.Промпт- и контекст-инжиниринг для кода2 ч
      3. 3.ИИ-ассистенты в IDE2 ч
      4. 4.Агентная разработка: агенты, MCP и правила проекта3 ч
      5. 5.Тесты, документация и диаграммы2 ч
      6. 6.Безопасность, право и контроль качества2 ч
      7. 7.Финальная практика: вайбкодинг2 ч

  2. Этап 2

    Нейронные сети: зрение, язык, звук

    Три направления глубокого обучения: сверточные сети и компьютерное зрение, трансформеры, LLM и RAG, обработка звука и речи.

    80 ак. ч. · 3 курса

    1. 03
      Нейронные сети. Уровень 1: компьютерное зрение

      Пройдите путь от разметки данных до работающего прототипа сервиса, который находит объекты, читает текст и понимает содержание изображений и видео.

      32 ак. ч.7 модулейПродвинутый
      Состав модулей
      1. 1.Задачи компьютерного зрения и основы нейронных сетей5 ч
      2. 2.Данные: разметка, аугментация, датасеты4 ч
      3. 3.Свёрточные сети и перенос обучения5 ч
      4. 4.Трансформеры, мультимодальные и генеративные модели5 ч
      5. 5.Обнаружение объектов и сегментация5 ч
      6. 6.Видео и распознавание текста4 ч
      7. 7.Прототип сервиса и ответственное применение4 ч
    2. 04
      Нейронные сети. Уровень 2: обработка языка, LLM и RAG

      Научитесь дообучать языковые модели, строить семантический поиск и RAG-системы и запускать их в закрытом контуре компании.

      32 ак. ч.7 модулейПродвинутый
      Состав модулей
      1. 1.Задачи NLP, представление текста и трансформеры4 ч
      2. 2.Библиотека transformers и работа с данными5 ч
      3. 3.Токенизаторы3 ч
      4. 4.Дообучение моделей под прикладные задачи6 ч
      5. 5.Эмбеддинги, семантический поиск и RAG6 ч
      6. 6.Большие языковые модели: API, локальный запуск, агенты4 ч
      7. 7.Итоговый проект, безопасность и вывод в эксплуатацию4 ч
    3. 05
      Нейронные сети. Уровень 3: обработка звука и речи

      От спектрограммы до работающего сервиса: научитесь обучать, дообучать и внедрять модели распознавания и синтеза речи, в том числе для русского языка.

      16 ак. ч.6 модулейПродвинутый
      Состав модулей
      1. 1.Звук как данные: сигналы, спектры, подготовка датасета3 ч
      2. 2.Классификация звуков и поиск событий: CNN, RNN, трансформеры3 ч
      3. 3.Предобученные модели: wav2vec 2.0, HuBERT, Whisper, GigaAM3 ч
      4. 4.Распознавание речи: конвейер, метрики, диаризация3 ч
      5. 5.Синтез речи и шумоподавление2 ч
      6. 6.От ноутбука к сервису: тестирование, безопасность, интеграция2 ч

  3. Этап 3

    LLM-приложения и агенты

    Агенты на российских и открытых моделях, подключение корпоративных систем через MCP, оценка качества и стоимости.

    40 ак. ч. · 2 курса

    1. 06
      AI-агенты на отечественных LLM: GigaChat, YandexGPT и on-premise модели

      Соберёте и запустите агента на российских и открытых моделях, который работает в вашем контуре, не отправляет персональные данные за его пределы и поддаётся измерению.

      24 ак. ч.9 модулейПродвинутый
      Состав модулей
      1. 1.Ландшафт российских и открытых моделей2 ч
      2. 2.Доступ к моделям: API, квоты и стоимость запроса2 ч
      3. 3.Промпты, структурированный вывод и вызов инструментов3 ч
      4. 4.RAG по корпоративным документам3 ч
      5. 5.Собственный контур: открытые модели on-premise3 ч
      6. 6.Оценка качества, ограничители и безопасность агента3 ч
      7. 7.Агент в Nodul и на Python: оркестрация и интеграции3 ч
      8. 8.Стоимость, задержки и наблюдаемость2 ч
      9. 9.Итоговый проект: агент в вашем контуре3 ч
    2. 07
      Агентные системы и MCP: подключаем ИИ к корпоративным системам

      Научитесь безопасно подключать ИИ-агентов к 1С, CRM, базам данных и документам через Model Context Protocol: с ограничением прав, журналом действий и подтверждением человеком.

      16 ак. ч.8 модулейПродвинутый
      Состав модулей
      1. 1.Агентные системы: от чата к исполнителю2 ч
      2. 2.Model Context Protocol: tools, resources, prompts2 ч
      3. 3.Свой MCP-сервер для корпоративных систем3 ч
      4. 4.AI-клиенты и MCP-сервер Nodul2 ч
      5. 5.Мультиагентная оркестрация2 ч
      6. 6.Права, аудит и безопасность агентных систем2 ч
      7. 7.Оценка и эксплуатация агентов1 ч
      8. 8.Итоговый проект: агент для вашей системы2 ч

  4. Этап 4

    Прикладные ML-системы

    ML в тестировании, информационной безопасности и эксплуатации: обнаружение аномалий, защита моделей, метрики эффекта и пилоты.

    80 ак. ч. · 3 курса

    1. 08
      ИИ в тестировании программного обеспечения

      Научитесь поручать нейросетям рутину тестировщика — тест-кейсы, данные и баг-репорты — и отвечать за качество результата.

      24 ак. ч.8 модулейПродвинутый
      Состав модулей
      1. 1.Основы ИИ и LLM для тестировщика2 ч
      2. 2.Возможности и границы LLM в задачах тестирования4 ч
      3. 3.Безопасность, этика и ответственность2 ч
      4. 4.Промпт-инжиниринг для тестировщика4 ч
      5. 5.Выбор модели и работа через API4 ч
      6. 6.Интеграция TMS и трекера с LLM4 ч
      7. 7.Генерация тестовых данных с помощью ИИ2 ч
      8. 8.Баг-репорты с помощью ИИ2 ч
    2. 09
      ИИ и машинное обучение в информационной безопасности

      От журналов событий до работающей модели в контуре SOC: данные, алгоритмы, нейросети, LLM-агенты и защита самих ИИ-систем.

      32 ак. ч.8 модулейПродвинутый
      Состав модулей
      1. 1.Введение в ИИ и ML для информационной безопасности3 ч
      2. 2.Данные безопасности: сбор, очистка и признаки4 ч
      3. 3.Классификация, обнаружение аномалий и вероятностные модели5 ч
      4. 4.Нейронные сети для задач кибербезопасности4 ч
      5. 5.Практические кейсы SOC4 ч
      6. 6.LLM и AI-агенты в центре мониторинга4 ч
      7. 7.Интеграция в контур ИБ и защита самих моделей4 ч
      8. 8.Итоговый проект: полный цикл от данных до отчёта4 ч
    3. 10
      ИИ в эксплуатации ИТ-инфраструктуры и инженерных систем (AIOps)

      Научитесь применять анализ данных, языковые модели и автоматизацию в Nodul, чтобы эксплуатация ИТ и инженерных систем кампуса стала предсказуемее: меньше шума в мониторинге, быстрее разбор инцидентов, измеримый эффект.

      24 ак. ч.9 модулейПродвинутый
      Состав модулей
      1. 1.Эксплуатация как процесс: ITSM-взгляд и точки приложения ИИ2 ч
      2. 2.Данные эксплуатации: метрики, журналы, телеметрия, обращения2 ч
      3. 3.Аномалии и предиктивное обслуживание оборудования4 ч
      4. 4.Корреляция событий и снижение шума2 ч
      5. 5.LLM-ассистент дежурного инженера и runbook'и3 ч
      6. 6.Автоматизация инцидентов и service desk в Nodul4 ч
      7. 7.Данные, безопасность и КИИ: что можно доверить модели2 ч
      8. 8.Метрики эффекта и проектирование пилота2 ч
      9. 9.Итоговый проект: пилот AIOps на своём участке эксплуатации3 ч

Итоговая аттестационная работа · 16 ак. ч.

Законченная ML-система

Вы решаете прикладную задачу от постановки до сервиса: готовите данные, обучаете и оцениваете модель, упаковываете её в сервис и описываете, как контролировать качество и стоимость в эксплуатации.

Что будет результатом

  • Постановка задачи и метрики качества
  • Код пайплайна: данные, обучение, оценка
  • Сервис с API и тестами
  • Описание мониторинга и плана развития

Чему вы научитесь

01

Готовить данные и обучать модели

Работать с NumPy, pandas и Scikit-learn, строить пайплайн от очистки данных до оценки качества классических моделей.

02

Разрабатывать нейросети на PyTorch

Обучать сверточные сети для компьютерного зрения, применять предобученные модели и дообучать их под задачу.

03

Работать с языком и речью

Использовать трансформеры, эмбеддинги и RAG, дообучать языковые модели, распознавать и синтезировать речь.

04

Строить LLM-агентов

Разрабатывать агентные системы на российских и открытых моделях с инструментами, MCP и оценкой качества.

05

Искать аномалии и угрозы

Строить модели классификации и обнаружения аномалий для задач информационной безопасности и эксплуатации, защищать сами модели от типовых атак.

06

Автоматизировать разработку и тесты

Использовать ИИ-ассистентов и LLM в разработке, генерации тестов и данных, контролировать качество сгенерированного кода.

Кем вы сможете работать

ML-инженер

Разработчик систем компьютерного зрения

NLP-инженер / разработчик LLM-приложений

Разработчик ИИ-сервисов

Инженер по ML в информационной безопасности

Специалист по анализу данных

Ориентир по зарплате

от 230 000 ₽

По данным открытых вакансий, ориентир. Фактический уровень зависит от региона, опыта и работодателя; это не гарантия трудоустройства или дохода.

Авторы и преподаватели

Программу разработали и ведут практики BPM и ИИ. Отдельные занятия проводят приглашённые эксперты-практики из индустрии.

Виноградов Максим

Виноградов Максим

Продакт-менеджер платформы Nodul

Курсов программы: 10

Брянов Олег Александрович

Брянов Олег Александрович

Директор по эксплуатации инфраструктуры АО «УК ИНТЦ МГУ «Воробьёвы горы»

Курсов программы: 2

Диплом о профессиональной переподготовке

После успешной защиты итоговой аттестационной работы вы получаете диплом о профессиональной переподготовке — документ о новой квалификации. Он подтверждает право заниматься новым видом профессиональной деятельности. Сведения о документе вносятся в ФИС ФРДО.

  • Электронная копия в личном кабинете
  • Подходит для аттестации, портфолио и смены должности
  • Если итоговая аттестация не пройдена, выдаётся справка об обучении

ИИ Долина

ИНТЦ МГУ «Воробьёвы горы»

Серия ПП № 000000

Диплом

о профессиональной переподготовке

Настоящий диплом свидетельствует о том, что

Фамилия Имя Отчество

прошёл(ла) профессиональную переподготовку по программе

«Разработчик систем машинного обучения»

в объёме 272 академических часов

и имеет право на ведение профессиональной деятельности в сфере «Искусственный интеллект»

Председатель комиссии
ИИ
Долина
Москва, 2026

Макет для демонстрации · не является бланком

Стоимость и оплата

Курсы программы по отдельности421 900 ₽
Стоимость программы315 990 ₽
Ваша выгода (−25%)105 910 ₽

Полная оплата

Единовременно по договору: 315 990 ₽.

Рассрочка на 12 месяцев

26 333 ₽ в месяц. Условия фиксируются в договоре.

Налоговый вычет

Социальный вычет за обучение: до 19 500 ₽ в год (лимит расходов 150 000 ₽, ставка 13%).

Оплата организацией

Договор, счёт, акты, ЭДО. Корпоративное обучение.

Подробнее — на странице «Оплата». Размер вычета и перечень документов уточняйте у методиста.

Вопросы о программе

Нужно ли знать математику?+

Желательны основы линейной алгебры и статистики на уровне первых курсов вуза. Ключевые понятия повторяются на занятиях, а математическая часть дана через код и наглядные примеры.

Нужен ли свой компьютер с видеокартой?+

Нет. Для практики используется учебный GPU-стенд ИИ Долины, к которому слушатели подключаются удалённо.

Чем программа отличается от «Инженера AI-автоматизации»?+

Здесь вы разрабатываете и обучаете модели: компьютерное зрение, обработка языка и звука. В программе инженера акцент на сборке решений из готовых моделей, агентов и платформ автоматизации.

Кто может поступить на программу?+

К программам ДПО допускаются лица со средним профессиональным или высшим образованием, а также студенты, получающие его. Копия диплома или справка об обучении потребуется при заключении договора.

Можно ли учиться, не бросая работу?+

Да. Занятия проходят по вечерам в будни или по выходным, очно в Долине МГУ или онлайн в прямом эфире. Записи занятий остаются в личном кабинете. Каждый курс программы проводится в нескольких группах, поэтому пропущенный модуль можно догнать в другой.

Как проходит итоговая аттестация?+

Итоговая аттестационная работа (16 ак. часов) — проект на практической задаче, которую вы выбираете вместе с куратором. Защита проходит перед комиссией из авторов программы онлайн или очно.

Можно ли вернуть часть стоимости через налоговый вычет?+

Вы можете оформить социальный налоговый вычет за обучение: лимит 150 000 ₽ в год, возврат до 19 500 ₽ (13%) за себя. Какие документы потребуются, подскажет методист — условия зависят от статуса образовательной организации и фиксируются в договоре.

Как оплатить обучение?+

Единовременно, в рассрочку на 12 месяцев или за счёт организации по договору со счётом и закрывающими документами. Для корпоративных групп возможны индивидуальные условия.

Можно ли пройти только часть курсов программы?+

Да, любой курс программы можно купить отдельно и получить удостоверение о повышении квалификации. Стоимость курсов по отдельности выше стоимости программы примерно на треть, а оплаченные курсы можно засчитать при переходе на программу — условия уточняйте у методиста.

Хотите пройти программу?

Оставьте заявку: методист проведёт собеседование, подберёт ближайшие группы под ваш график, расскажет о рассрочке и налоговом вычете.

Другие программы

Все программы
Переподготовка · 272 ак. ч.

Архитектор интеллектуальной автоматизации процессов

Полный путь от BPMN-модели до работающего AI-агента в российском контуре: процессная методология, Process Mining, Nodul и регуляторика ИИ в одной программе.

284 990 ₽

от 23 749 ₽/мес

Переподготовка · 272 ак. ч.

Инженер AI-автоматизации

Практическая профессия на стыке разработки и бизнес-процессов: AI-агенты, Nodul, российские LLM, RAG, MCP и безопасная эксплуатация решений в контуре компании.

320 990 ₽

от 26 749 ₽/мес

Переподготовка · 264 ак. ч.

Специалист по процессному управлению

Системная подготовка по процессному управлению: BPM, BPMN 2.0, процессный офис, бизнес- и системный анализ, архитектура предприятия. Ориентир — профессиональный стандарт 07.007.

290 990 ₽

от 24 249 ₽/мес

Комплексная программа · 104 ак. ч.

Руководитель ИИ-трансформации

Для тех, кто принимает решения: ИИ-стратегия, портфель кейсов, экономика, организационная модель, управление рисками и регуляторикой. Без программирования.

114 990 ₽

от 9 583 ₽/мес