Войти
Каталог
Тариф Премиум
Освойте самую востребованную профессию Data Science с нуля. Вы получите все необходимые навыки в программировании, математике, машинном обучении для быстрого старта в профессии еще во время обучения
профессия «DATA SCIENTIST»
9 мес
Создатели и спикеры курса - эксперты из Amazon, Yandex и Skyeng
Длительность: 10 мес. (есть возможность интенсивного обучения)
Уровень: с нуля
Выбор специализации
Создатели и спикеры курса - эксперты из Amazon, Yandex и Skyeng
Длительность: 10 мес. (есть возможность интенсивного обучения)
Уровень: с нуля
Выбор специализации
Этот курс для вас, если вы
Новичок без опыта в IT
Освоите Python и SQL, разберетесь в статистике, научитесь строить модели и соберете сильное портфолио
Начинающий аналитик
Структурируете текущие знания до уровня middle, освоите новые необходимые навыки, усилите свое портфолио и получите позицию в компании в России или за рубежом
IT-специалист из смежной сферы
Наберетесь новых навыков, научитесь применять свой текущий опыт в новой сфере, узнаете тонкости работы с большими данными и станете востребованным специалистом
Чему вы научитесь
Использовать Python для анализа данных
Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, сделанные на основании данных
Работать с SQL
Научитесь писать запросы, работать с базами данных, извлекать и обрабатывать информацию
Использовать сложную математику для Data Science
Освоите математические функции для работы с моделями данных, машинным обучением и нейронными сетями
Строить модели машинного обучения
Подготавливать данные и быстро строить на них ML-модели. Проверять гипотезы, строить рекомендательную систему и нейронную сеть, выявлять скрытые аномалии в данных
Как проходит обучение
Изучаете тему с помощью видеоуроков, которые доступны на обучающей платформе
Изучение темы
Сопровождение ментором
Выполнение ДЗ
Ментор следит за вашим успехом, помогает эффективно построить обучение
70% обучения — практика, в рамках которой вы будете выполнять задания на задачах и кейсах вашей компании
Защита проекта
Защищаете проект и дополняете
им свое портфолио
им свое портфолио
Наши эксперты
Специалисты Data Science с опытом
Программа курса
Ступень 1. «База BigData-инструментария»
Практика на кейсах компаний
- Введение в Python
- Переменные и типы данных.
- Строки. Условия и циклы
- Списки и словари в Python
- Функции
- Библиотеки
- Структуры данных в Python
- Пакеты и модули
- Ошибки и исключения
- Системы контроля версий
- Git & GitHub
- Git, основные понятия. Знакомство с GitLab
- Введение в GitLab CI
- Linux: введение и основные концепты ОС
- Введение в блок SQL
- Извлечение и фильтрация данных (часть 1)
- Извлечение и фильтрация данных (часть 2)
- Преобразование и сортировка данных (часть 1)
- Преобразование и сортировка данных (часть 2)
- Группировка данных
- Введение в базы данных
- Объединение таблиц
- Подзапросы SELECT и FROM
- Подзапросы JOIN и WHERE
- Обновление, добавление и удаление данных
- Создание, изменение и удаление таблиц
- Операции с текстом и оконные функции
- Ускорение и оптимизация запросов, табличные выражения
- Итоговый проект LEGO
- Обзор программ и настройка дашборова
- Веб-скрейпинг
- Множества и функции. Предел, непрерывность и производная
- Введение в статистику
- Статистические критерии
- Дисперсионный анализ
- Корреляционный анализ
- Регрессионный анализ
- Факторный анализ
- Основы линейной алгебры и теории множеств
- Методы математической оптимизации
- Введение в теорию вероятности и случайные событий
- Функция распределение вероятностей
- Основные типы распределений
- Условная вероятность и теорема Баеса
- Проверка гипотез
- Центральная предельная теорема и бутстреппинг
- Метод максимального правдоподобия
Ступень 2. «Алгоритмы Machine Learning»
Прокачиваем Hardskills
- Знакомство с машинным обучением
- Линейная регрессия
- Бинарная классификация
- Валидация. Почему это важно
- Решающие деревья
- Бутстрап, Бэггинг и случайный лес
- Feature Engineering, Feature Selection
- Градиентный бустинг
- A/B тестирование
- Обучение без учителя
- Введение в рекомендательные системы
- Метрики и бейзлайны
- Матричное разложение
- Рекомендации через поиск ближайших соседей
- Гибридные рекомендательные системы
- Прогнозные модели: построение и описание
- Воркшоп: предсказание оттока клиентов и прогноз продаж
- Введение в скоринг. Моделирование и анализ
- Воркшоп: скоринг кредитного портфеля
- Определение бизнесовых точек роста компании, в которых может помочь ML
- AI-продукты и машинное обучениеЧек-лист внедрения ML-задач в компании и команде
- Лучшие практики работы с BigData/ML-командой
- Работа с датасетами и моделями. Выбор фичей
- Workshop: создание и запуск датасета
- Валидация бизнес-результатов запуска AI/ML функциональности
- Извлечение данных и операторы
- Фильтрация данных и условия
Финализируем проекты для портфолио, оформляем их и участвуем в конкурсах на Kaggle
Ступень 3. «Специализация и погружение в прикладные задачи»
Выбор за вами: изучите одну или все специализации
- Введение в AI & Deep Learning Engineer (нейронные сети)
- Обучение нейросетей
- Основы Data Engineering
- Экономическая оценка эффектов и разработка MVP
- AI, Deep Learning в бизнесе
- Продвинутые hard skills для погружения в специализацию
- Введение в нейронные сети
- Обучение нейросетей
- Глубокое обучение на практике
- Дополнительные возможности Tensorflow + Keras
- Свёрточные нейронные сети
- Введение в NLP, понятие ембеддинга
- Рекурентные нейронные сети
- Нейросети с вниманием, трансформеры
- Metric learning, обучение без учителя
- Обучение с подкреплением в нейросетях
- Методологии анализа больших данных и организации команды. CRISP-DM
- Культура сбора и источники данных.
- Улучшение качества работы с данными
- Современные инструменты визуализации данных
- Машинные методы для обработки данных на распределенном окружении
- Основы работы в Hadoop и MapReduce
- Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
- Data Lake, Data Warehouse и прочее
- Работа с облачными платформами: AWS, GCP, Azure и другие
- Объектные хранилища на примере AWS S3
- Работа с AirflowРабота в pyspark
- Машинное обучение в PySpark
2 КУРСА В ПОДАРОК
Все студенты получают доступ к бонусным курсам: «Введение в программирование» и «Бизнес английский от AgileFluent»
Введение в программирование
Блок 1: Базовые навыки
Английский для IT-специалистов от AgileFluent
1. Вводный урок
2. Self-presentation: как рассказать о себе HR-менеджеру и новой команде
3. How to give opinion: как экологично выражать своё мнение, соглашаться и не соглашаться с собеседником
4. How to ask and answer questions: как правильно строить вопросы и вежливо отвечать на них
5. Tone of voice: как различать и соблюдать различия формального и неформального стиля в сообщениях и email-ах
2 онлайн-практикума по бизнес-английскому от AgileFluent абсолютно бесплатно.
Блок 1: Базовые навыки
- Кто такой разработчик
- Как работает интернет
- Как работает компьютер
- Как устроено программирование
- Основы языков программирования
- Структуры данных и алгоритмы
- Циклы
- Объектно-ориентированное программирование
- Архитектура кода
- Лайфхаки и инструменты разработчика
- Твой дальнейший путь обучения
Английский для IT-специалистов от AgileFluent
1. Вводный урок
2. Self-presentation: как рассказать о себе HR-менеджеру и новой команде
3. How to give opinion: как экологично выражать своё мнение, соглашаться и не соглашаться с собеседником
4. How to ask and answer questions: как правильно строить вопросы и вежливо отвечать на них
5. Tone of voice: как различать и соблюдать различия формального и неформального стиля в сообщениях и email-ах
2 онлайн-практикума по бизнес-английскому от AgileFluent абсолютно бесплатно.
Примеры проектов по Data Science
Прогнозирование заболеваний с помощью Data Science
Все чаще машинное обучение применяется в медицине: для профилактики заболеваний, фармакологии и повышения общей системы здравохранения
Распознавание эмоций и аффективных состояний из речи
В основе проекта лежит аннотирование звука для определения эмоций человека. В качестве материала исследуют тон, паузы и специфику речи.
Система музыкальных рекомендаций
Машинное обучение активно используется при подборке рекомендаций. Системы анализируют вкусы человека, строят модели и выдают готовую подборку
Ваши проф.навыки после курса
Продвинутая математика для ML
Линейная алгебра, теория вероятности, теория множеств для работы с машинным обучением
Машинное обучение
Визуализация данных
Мат.статистика
Построение моделей. Линейные методы, логистическая регрессия и SVM
Декомпозиция метрик
Презентация данных
С помощью Python и машинного обучения
Поиск низкоуровневых метрик для улучшенния бизнес-показателей
Продвинутый уровень мат.статистики для аналитики данных
Обработка картинок Machine Learning
Поиск по картинкам. Сегментация изображений, детекция объектов
Презентация результатов анализа данных для принятия решений
Обработка языка (NLP)
Дистрибутивная семантика (word2vec, GloVe, AdaGram) и машинный перевод
Рекомендательные системы
Навык построения рекомендательных систем для различных отраслей
Python
SQL
Продвинутый уровень SQL: конкатенация строк, оконные функции и ускорение запросов
Аналитика данных с помощью библиотек Python: Pandas, Numpy, SciPy, Seaborn, Matplotlib и др
Истории наших студентов
Василий Сорохтин
курс "Профессия: Аналитик"
Александр
курс "Профессия: Аналитик"
Артем Чистяков
курс "Продакт менеджер"
Вячеслав Михайлов
курс "Профессия: Продакт менеджер"
Елизавета Шаронова
курс "Профессия: UX/UI дизайнер"
Оксана Безкаравайная
курс "Профессия: UX/UI дизайнер"
Андрей Шелковников
курс "Профессия: Аналитик"
Тарифы
Стандартный
- Освоение всех навыков профессии middle&senior продакт-менеджер
- Поддержка при прохождении курса
Продвинутый
- Все опции базового тарифа
- Поддержка менторами
- Расширенный доступ к образовательным программам
- Трекинг с пошаговым сопровождением
Премиум
- Все опции продвинутого тарифа
- 40 индивидуальных встреч 1-1 с ментором
- Возможность выбрать ментора из 50+ экспертов
- Составление индивидуального плана развития на несколько лет вперед
Часто задаваемые вопросы
Для решения задач потребуется ноутбук или ПК, лекции и уроки можно смотреть с мобильного телефона.
Учиться можно в любом возрасте, но оплачивать — только с 18 лет. Если вам меньше 18, уточните у менеджера, какие у вас есть возможности оплаты и как вам начать обучение.
Data Scientist прогнозирует, какими будут результаты в будущем, анализируя большие данные с помощью построения математических моделей.
Работа дата-сайентиста находится на стыке математики, бизнеса и аналитики. Дата-сайентист может заниматься машинным обучением и созданием нейросетей, анализом текстов, строить системы распознавания изображений и звука.
Благодаря Data Science специалистам мы получаем рекомендации любимой музыки на стриминговых площадках, можем конвертировать нашу речь в текст и даже выявлять какие-то болезни на ранней стадии. Для бизнеса они пишут модели, способные выявлять и анализировать закономерности в данных о поведении пользователей, которые не может выявить аналитик, и составлять прогнозы. На основе этих прогнозов принимаются все стратегические решения в бизнесе.
Работа дата-сайентиста находится на стыке математики, бизнеса и аналитики. Дата-сайентист может заниматься машинным обучением и созданием нейросетей, анализом текстов, строить системы распознавания изображений и звука.
Благодаря Data Science специалистам мы получаем рекомендации любимой музыки на стриминговых площадках, можем конвертировать нашу речь в текст и даже выявлять какие-то болезни на ранней стадии. Для бизнеса они пишут модели, способные выявлять и анализировать закономерности в данных о поведении пользователей, которые не может выявить аналитик, и составлять прогнозы. На основе этих прогнозов принимаются все стратегические решения в бизнесе.