Трудоустройство
помле окончания курса
Авторские программы
от экспертов из крупных IT-компаний
Доступ к курсу
навсегда
Кто такой Data Scientist
Это специалист, который обрабатывает большие объемы неструктурированной информации и превращает ее в упорядоченный набор данных.
Дата-сайентист может:
Предсказать, окупится ли новый проект
Оценить будущий спрос на товары и услуги
Улучшить системы рекомендаций в соцсетях и сервисах
Создать приборы для автоматической постановки диагноза пациенту
Усовершенствовать транспортное движение
Построить систему распознавания лиц
Кому подойдёт этот курс
Новичок
. Вы начнете с SQL и Python. Получите необходимую теорию по математике, статистике и теории вероятности и отработаете ее на практике.
Аналитик
Начнете анализировать данные на продвинутом уровне, автоматизировать процесс сбора данных.
Программист
Научитесь работать с моделями машинного обучения, анализировать данные на Python и прокачаете аналитическое мышление.
Чему вы научитесь
Предсказывать
окупится ли новый проект
Улучшать системы
рекомендаций в соцсетях и сервисах
Усовершенствовать
транспортное движение
Оценивать будущий спрос
на товары и услуги
Создавать приборы
для автоматической постановки диагноза пациенту
Построить систему
распознавания лиц
Содержание курса
База
Вы сможете сформулировать для себя реальные цели обучения, узнаете, в чем ценность DS для бизнеса, познакомитесь с основными задачами дата-сайентиста и разберетесь, как строится разработка любого DS-проекта.
INTRO-1. Как учиться эффективно — онбординг в обучение
INTRO-2. Обзор профессии. Типы задач в Data Science. Этапы и подходы к разработке Data Science проекта
Вы научитесь работать с основными типами данных с помощью языка Python и сможете применять в повседневной работе циклические конструкции, условные операторы и функции.
PYTHON-1. Основы Python
PYTHON-2. Погружение в типы данных
PYTHON-3. Условные операторы
PYTHON-4. Циклы
PYTHON-5. Функции и функциональное программирование
PYTHON-6. Практика
PYTHON-7. Гид по стилю в среде Python (бонусный)
На этом этапе вы овладеете базовыми навыками работы с данными: научитесь подготавливать, очищать и преобразовывать данные так, чтобы они были пригодны для анализа. Кстати, об анализе: вы будете анализировать данные с помощью популярных библиотек Matplotlib, Seaborn, Plotly.
PYTHON-8. Инструменты Data Science
PYTHON-9. Библиотека NumPy
PYTHON-10. Введение в Pandas
PYTHON-11. Базовые приемы работы с данными в Pandas
PYTHON-12. Продвинутые приемы работы с данными в Pandas
PYTHON-13. Очистка данных
PYTHON-14. Визуализация данных
PYTHON-15. Принципы ООП в Python и отладка кода (дополнительный модуль)
Проект 1. Аналитика датасета по закрытым вопросам
На этом этапе вы овладеете базовыми навыками работы с данными: научитесь подготавливать, очищать и преобразовывать данные так, чтобы они были пригодны для анализа. Кстати, об анализе: вы будете анализировать данные с помощью популярных библиотек Matplotlib, Seaborn, Plotly.
PYTHON-8. Инструменты Data Science
PYTHON-9. Библиотека NumPy
PYTHON-10. Введение в Pandas
PYTHON-11. Базовые приемы работы с данными в Pandas
PYTHON-12. Продвинутые приемы работы с данными в Pandas
PYTHON-13. Очистка данных
PYTHON-14. Визуализация данных
PYTHON-15. Принципы ООП в Python и отладка кода (дополнительный модуль)
Проект 1. Аналитика датасета по закрытым вопросам
Разведывательный анализ данных (EDA) — вот, что окажется в центре вашего внимания. Вы познакомитесь со всеми этапами такого анализа и научитесь проводить его с помощью библиотек Statsmodels, Scikit Learn, Seaborn, Matplotlib, SciPy, Pandas. Кроме того, вам удастся поработать на Kaggle, популярном сервисе по участию в соревнованиях.
EDA-1. Введение в разведывательный анализ данных. Алгоритмы и методы EDA
EDA-2. Математическая статистика в контексте EDA. Типы признаков
EDA-3. Проектирование признаков (Feature Engineering)
EDA-4. Статистический анализ данных на Питоне
EDA-5. Статистический анализ данных на Питоне. Часть 2
EDA-6. Проектирование экспериментов
EDA-7. Площадка Kaggle
Проект 2
Основной блок
Вы сможете решать практические задачи с помощью ручного счета и Python (векторные и матричные вычисления, работа с множествами, исследование функций с помощью дифференциального анализа).
MATH&ML-1. Линейная алгебра в контексте Линейных методов. Часть 1
MATH&ML-2. Линейная алгебра в контексте Линейных методов. Часть 2
MATH&ML-3. Математический анализ в контексте задачи оптимизации. Часть 1
MATH&ML-4. Математический анализ в контексте задачи оптимизации. Часть 2
MATH&ML-5. Математический анализ в контексте задачи оптимизации. Часть 3
Проект 4. Задача регрессии
MATH&ML-6. Теория вероятностей в контексте наивного байесовского классификатора
MATH&ML-7. Алгоритмы на основе деревьев решений
MATH&ML-8. Бустинг & Стекинг
MATH&ML-9. Кластеризация и техники снижения размерности. Часть 1
MATH&ML-10. Кластеризация и техники снижения размерности. Часть 2
Проект 5. Ансамблевые методы
Вы научитесь использовать ML-библиотеки для решения задачи временных рядов и рекомендательных систем. Вы сможете обучить ML-модель и провести ее валидацию, а также создать работающий прототип и запустить модель в веб-интерфейсе. А еще получите навыки A/B-тестирования, чтобы можно было оценить модель.
MATH&ML-11. Временные ряды. Часть 1
MATH&ML-12. Временные ряды. Часть 2
MATH&ML-13. Рекомендательные системы. Часть 1
MATH&ML-14. Рекомендательные системы. Часть 2
PROD-1. Подготовка модели к Production
PROD-2. Прототип Streamlit+Heroku
PROD-3. Бизнес-понимание. Кейс
Проект 6. Тема на выбор: временные ряды или рекомендательные системы
Уровень PRO
ML, CV или NLP: на этом этапе вам наконец предстоит сделать выбор, по какому пути двигаться дальше. Мы расскажем о каждой специализации и предложим решить несколько практических задач, чтобы вам было проще определиться.
Введение в Deep Learning
Основы Data Engineering
Дополнительные главы Python и ML
Экономическая оценка эффектов и разработка MVP
ML в Production
Углубленное изучение ML-разработки и выпускной проект по выбранной теме
На CV-треке вы научитесь решать такие задачи компьютерного зрения, как классификация изображений, сегментация и детекция, генерация и стилизация картинок, восстановление и повышение качества фотографий. Кроме того, вы узнаете, как выкатывать нейронные сети в продакшн.
Введение в Deep Learning
Основы Data Engineering
Дополнительные главы Python и ML
Экономическая оценка эффектов и разработка MVP
ML в Production
Углубленное изучение ML-разработки и выпускной проект по выбранной теме
Введение в Deep Learning
Математика нейронных сетей для NLP
Hard & Software для решения задач NLP
Задачи и алгоритмы NLP
Нейронные сети в Production
Углубленное изучение NLP-разработки и выпускной проект по выбранной теме
Вы узнаете, в чем различие ролей дата-сайентиста и дата-инженера, какими инструментами пользуется последний в своей работе, какие задачи ежедневно решает. Слова «снежинка», «звезда» и «озеро» обретут новые значения 🙂
Будьте первым кто оставит отзыв.
Оставить отзыв можно только с предоставлением сертификата о прохождении курса.
Популярные курсы
-
Онлайн-курс для подростков «Стресс...3 900 ₽От Детская бизнес-школа ITC Group
-
MBA: Менеджмент в медицине, програ...350 000 ₽От Emas
-
MBA: Стратегический менеджмент, ди...315 000 ₽От Emas
-
Executive MBA ǀ 1 год385 000 ₽От Emas
-
Executive MBA: Стратегический мене...385 000 ₽От Emas
-
DBA: Стратегический менеджмент, ди...505 000 ₽От Emas