Курсы по Data Science для продвинутых

• Длительность обучения — 2 года. Старт в сентябре
• 70% программы — практика: кейсы, хакатоны, выпускная работа
• Возможность сделать свой проект для презентации инвесторам
• Диплом очной магистратуры, а обучение онлайн из любой точки мира
• Крепкая математическая база и один из трех профессиональных треков на выбор
• Поддержка кураторов и ментора на каждом этапе

Программа подойдет всем, у кого есть бэкграунд в медицине и смежных сферах

Медикам, биологам и фармацевтам
Тем, кто хочет расширить стек и углубиться в высшую математику для решения реальных бизнес-задач

Выпускникам медицинских вузов
Тем, кто освоил профессию, но не хочет работать в персонализированной медицине

Всем, кто хочет сменить профессию
И применять имеющиеся знания и опыт в новом направлении — без необходимости начинать с нуля
 
Ученым и исследователям 
Тем, кто хочет получить знания и опыт для работы в научных исследованиях и лабораториях
 

ОНЛАЙН-МАГИСТРАТУРА СОВМЕСТНО С УрФУ. Ваш прямой путь в перспективную сферу

Программма:

• Подходит для абитуриентов без технического образования и опыта в IT. Адаптационные дисциплины помогут вам погрузиться с нуля
• Развивает hard skills, важные в работе: полный цикл разработки систем ИИ от создания моделей ML до продуктивного использования

Освойте анализ данных и машинное обучение — онлайн

Платформа Skillfactory

Все материалы: видеолекции, конспекты, задания и тренажеры — доступны 24/7. Занимайтесь в любое удобное время

Контактные занятия

На семинарах и практических занятиях вы сможете разобрать сложные темы, решить кейс и задать вопросы по проекту преподавателю

Интенсивная практика

Каждый семестр у вас будут хакатоны или кейсовые задачи, которые позволят использовать пройденный материал на деле, отточить навыки и собрать крутое портфолио.

Нетворкинг и стажировки

Вы будете напрямую общаться со специалистами из ведущих IT-компаний. Заявите о себе в профессиональном сообществе или соберите команду для собственного проекта

Две линии поддержки

Координаторы сделают обучение максимально комфортным для вас. А ассистенты — опытные специалисты из индустрии — ответят на вопросы по теме курса и выполнению заданий.

После выпуска вы сможете работать на позициях:

• ML-инженер
• AI-разработчик
• Data Scientist

Получите все бонусы обучения в вузе – онлайн!

• Возможность участвовать в офлайн-мероприятиях вуза
• Кредит на образование
• Студенческий билет
• Диплом государственного образца
• Отсрочка от армии
• Глубокая экспертиза в Data Science и Machine Learning

• Освоите проектирование пайплайнов
• Узнаете, как создавать витрины и хранилища
• Будете учиться на практике вместе с опытной командой
• Научитесь обрабатывать данные разными инструментами
• Сделаете и добавите в портфолио 9 проектов
• Получите помощь в поиске работы после курса

На курсе понадобятся знания SQL и Python

Что нужно знать по SQL:

• Базовый синтаксис: операторы SELECT, GROUP BY, WHERE, HAVING и JOIN
• Вложенные запросы и их комбинирование
• Оконные функции
• Ускорение запросов с помощью индексов по вторичному ключу

Что нужно знать по Python:

• Базовый синтаксис: переменные, циклы, функции, условия
• Структуры данных: список, словарь, кортеж, работа с индексами
• Базовые операции с Pandas: открыть csv-файл, посчитать простую агрегацию по столбцу
• Основы объектно-ориентированного программирования

Кому подойдёт курс

Практикующим разработчикам
Научитесь строить инфраструктуру для работы с данными и систематизируете знания, чтобы использовать их на текущей должности или сменить направление на инженера данных.
Начинающим инженерам данных
Структурируете знания: кроме понятной теории будет много практики. Вы получите опыт работы над проектами — это поможет составить портфолио, выделиться на фоне других кандидатов и не растеряться на реальной работе.
Специалистам по Data Science и аналитикам
Освоите навыки, которые помогут эффективнее справляться с задачами: строить дата-пайплайны, проектировать витрины, строить ETL и собирать сырые данные в большом объёме.

Какие инструменты освоите
 

• Python
• SQL
• Metabase
• Airflow
• PostgreSQL
• MongoDB
• Docker
• Redis
• Yandex.Cloud
• Kafka
• Hadoop
• Apache Spark
• Spark Streaming
• NoSQL

После обучения на курсе вы:
Начнете уверенно себя чувствовать при прохождении технических собеседований в любые
IT-компании мира
Посмотрите по-новому на знакомые алгоритмы и структуры данных, освежите знания
Научитесь воспроизводить с нуля любой алгоритм и писать собственные
Поймете как увеличивать производительность кода благодаря пониманию временной сложности и затратам по памяти
Сможете сравнивать структуры данных
и выбирать оптимальный вариант для конкретной задачи

Основная задача курса – познакомить слушателей с бурно развивающейся областью науки и технологии на стыке физики и компьютерных наук – квантовыми вычислениями. В последние годы квантовые вычислительные устройства постепенно выходят из физических лабораторий и становятся прикладными разработками, которыми занимаются R&D отделы ведущих IT компаний мира. Квантовые алгоритмы из любопытных теоретических конструкций превращаются в прикладные инструменты, предназначенные для решения сложных вычислительных задач. Вместе с тем, атмосфера ажиотажа вокруг квантовых вычислений приводит к некоторой переоценке достижений и явному кризису завышенных ожиданий от технологии со стороны IT специалистов с одной стороны, и зачастую необоснованной критике со стороны специалистов-физиков с другой. При этом число хороших образовательных ресурсов, посвященных этой сложной тематике, в особенности на русском языке, очень ограничено. В нашем курсе мы постараемся создать у слушателей теоретическую базу в области квантовых вычислений в достаточном объеме для того, чтобы позволить им самостоятельно разбираться в современных работах по этой тематике.

В курсе будет рассмотрена гейтовая модель квантовых вычислений и универсальные наборы квантовых логических вентилей. Мы поговорим об основных типах квантовых алгоритмов, таких как алгоритм оценки фазы, алгоритм Шора и другие алгоритмы, основанные на квантовом преобразовании Фурье; алгоритм Гровера и квантовые алгоритмы поиска; квантовые вариационные алгоритмы. Подробно обсудим проблемы борьбы с декогеренцией и ошибками в квантовых вентилях, вопросы построения квантовых кодов коррекции ошибок. Будут рассмотрены варианты архитектуры квантового компьютера, устойчивого к ошибкам. Мы обсудим вопросы принципиальной возможности создания устойчивого к ошибкам квантового компьютера и реальное положение дел при современном уровне развития технологий.