Data Science набирает популярность
Все больше компаний принимают решения на основе данных и работают с ИИ для автоматизации процессов
Специалисты по Data Science нужны везде, где есть много данных: в науке, промышленности, торговле, медицине и других сферах
Ваша зарплата будет расти вместе с опытом
Junior, после курса
Middle, опыт от 1 до 3 лет
Senior, с опытом от 3 лет
Источник: «Хабр Карьера», HeadHunter
Возможности наших выпускников безграничны
Истории обычных людей, преобразивших свои жизни благодаря обучению ИТ-профессии. Они восхищают нас своей силой и вдохновляют на подобные перемены.
Получите льготы для IT-специалистов от государства
Ипотеку по ставке до 5% и отсрочку от армии, если устроитесь работать в аккредитованную IT-компанию
Получите все
нужные навыки
Junior
Data Scientist
Другие названия вашей профессии:
Специалист по машинному обучению, инженер данных, аналитик данных
Желаемая зарплата
от 90 000 ₽
В вашем портфолио будет 2 сильных проекта
Бесплатная консультация со специалистом
звонок чтению страницы
Комбинируем живое обучение и видеоуроки
С вами будут работать лучшие эксперты в IT
Получите бесплатный доступ к Yandex Cloud
Сможете использовать облачную платформу для практики во время обучения
Будете использовать сервис для создания виртуальных машин, настройки серверов, хранения и шифрования данных
Цель обучения — ваше трудоустройство
работу с нашей помощью
Программа обучения
- Business Understanding. С чего начинается работа с данными
- Data Understanding. Excel
- Введение в Python
- Переменные и типы данных
- Условия
- Циклы
- Алгоритмы и структуры данных
- Функции
- Коллекции в Python
- Чтение файлов в Python и командной строке
- Библиотека Pandas
- Получение данных с помощью API
- Базы данных
- Язык запросов SQL
- Power BI
- Data Preparation
- Разведочный анализ данных. Data cleaning, data visualization, feature engineering
- Modeling
- Машинное обучение
- Линейные модели и нейронные сети
- Метрики в аналитике
- Маркетинговая аналитика
- Продуктовая аналитика
- Modeling. Заключение
- Evaluation
- Алгоритмы и структуры данных. Часть 2
- Deployment
- Модель как API
- Мониторинг моделей
- Airflow
- Постановка задачи и терминология machine learning
- Выгрузка данных с помощью SQL
- Линейная регрессия и регуляризация
- Метрическая классификация. Метод ближайших соседей
- Библиотека numpy
- Линейная классификация: логистическая регрессия, опорные векторы, деревья решений
- Очистка данных
- Кластеризация: метод k-средних и DBSCAN
- Несбалансированные выборки
- Нейрон и нейронная сеть
- Основы анализа текстов
- Типы источников. Подключение источников с помощью data ingestion tool
- Docker: настройка мониторинга и логирования
- Hadoop Stack
- Spark: RDD, Dataframe
- Hive
- Введение в хранилища данных для аналитики
- Построение data lake
- Управление ETL-процессами с помощью Airflow
- Использование ClickHouse
- Моделирование и построение DWH
- Работа с аналитическими БД
- Построение витрин
- Тестирование Python-приложений на примере DAGов Airflow
- Загрузка данных и контроль качества
- Доступные источники данных, оценка качества
- Визуализация в Excel
- Объединение разнородных данных
- Требования к качеству данных
- Корреляция и факторы
- Визуализация в Python
- Формулирование гипотез по данным
- SQL для витрины данных
- Очистка данных
- Методы прогнозирования
- Программные средства визуализации
- A/B-тесты и их планирование
- Данные по API и аккумулирование источников
- Повышение качества данных
- Выявление закономерности в данных
- Прикладные программные продукты визуализации
- Интерпретация результатов А/В-тестирования
- Аналитическая отчетность и сторителлинг
- Выполните индивидуальный проект по внедрению модели
- Попробуете решить задачи дата-инженера, ML-инженера и дата-аналитика, чтобы выбрать специализацию
- Базовые математические объекты и SymPy
- Интерполяция и полиномы
- Аппроксимация, преобразования функций и производные
- Функции нескольких переменных, их свойства и графики
- Частные производные функции нескольких переменных
- Векторs и матрицы. Градиент
- Линейная регрессия и системы линейных уравнений
- Задача аппроксимации как матричное уравнение
- Случайные величины и события
- Принципы и виды распределения
- Непрерывные распределения
- Статистисечкие тесты
- Составление моделей и проверка гипотез
- Gentle introduction. Теория вероятностей в Python
- Оценивание
- Проверка гипотез
- Совместные распределения
- Исследование зависимостей
- Временные ряды
- Работаем с Git на своем компьютере
- Работаем с удаленным репозиторием
- Командная работа в Git
- Сравнение версий и отмена изменений
- Инструменты и правила работы с Git
- Поиск подходящих вакансий
- Подготовка к собеседованиям
- Переговоры с работодателем
Получите презентацию
курса и консультацию
образовательной лицензии ДПО
Выгодные условия оплаты
Первый платеж через 3 месяца
Учитесь три месяца полностью бесплатно
Рассрочка под 0%,
без переплаты и скрытых платежей
Без первого взноса
Можно вернуть до 13%
от цены курса
Воспользуйтесь налоговым вычетом
Первый платеж через 3 месяца
Поможем дойти до конца обучения
Куратор-эксперт
Подробно разбирает домашние задания, помогает сделать лучше
HR-консультант
Помогает в поиске работы: от плана действий до собеседований
Служба заботы
Помогает с вопросами по платформе и прохождению курса
13 лет обучаем специалистов в IT и Digital
Входим в группу компаний VK и дорожим качеством своих курсов
студентов и выпускников за все время
положительных отзывов от студентов на программы и преподавателей
в рейтинге крупнейших компаний в сфере онлайн-образования, по версии Smart Ranking