Data Scientist

Data Scientist

Курс находится на модерации. Данные могут быть неактуальны.

4.4

начало 19 апреля

Сложность

Начинающий

Тип обучения

Курс

Формат обучения

С проверкой домашнего задания

Трудоустройство

Содействие

Сертификат

Да

Стоимость курса

105 744 ₽

есть рассрочка

Интенсивный курс
Мы собрали только самое важное

Доступ к материалам навсегда
Возвращайтесь к материалам для повторения, когда захотите

Акцент на практику
Примените навыки на реальных кейсах

На курсе “Data Scientist” вы научитесь:

Работать SQL
Научитесь писать запросы, работать с базами данных, извлекать и обрабатывать информацию

Использовать Python и библиотеки анализа данных
Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, сделанные на основании данных

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

Использовать сложную математику для Data Science
Освоите математические функции для работы с моделями данных, машинным обучением и нейронными сетями.

Как проходит обучение:

Изучение темы

Изучаете тему с помощью видеоуроков, которые доступны на обучающей платформе

Выполнение ДЗ

Выполняете домашнее задание в том темпе, в котором Вам удобно это сделать

Наставничество

Общаетесь с наставником, закрепляете знания и исправляете ошибки

Защита проекта

Защищаете проект и дополняете им свое портфолио

Что вы получите после обучения

Приобретаемые навыки

NLP

Data Scientist

Сертификат, ссылками на который можно делиться с другими людьми

Вас будут обучать

Денис Соболев

курса

Менеджер продукта в «Алгоритмике»

Илья Чухляев

курса

OWOX

Анна Морозова

курсов

Менеджер-аналитик в Яндекс ex-Ultimate Guitar, ex-МегаФон

Образовательная организация

ProductStar

4.5

64 отзыва

ProductStar — онлайн-университет с экспертизой в продуктовом менеджменте, аналитике, маркетинге и программировании: более 10 лет обучаем IT-профессиям. Компания ProductStar выросла из ProductCamp - это международная крупнейшая конференция по продакт менеджменту. Мы сотрудничаем с Google developers group и являемся организатором крупной конференции в мире разработки - Devscamp. Среди наших спикеров специалисты из Google, Amazon, Epam, Booking, Яндекса, Сбера. Обучение построено на прикладных кейсах российских и международных компаний. Также есть собственный карьерный центр, который помогает в трудоустройстве студентов как в российские, так и в зарубежные компании.

Честные обещания по трудоустройству и качеству курсов:

— Мы уверены в качестве программы, наших спикеров и партнёрств карьерного центра
— Мы полностью вернём деньги, если у вас не получится найти работу, в рамках изучения профессии
— Собственный карьерный центр с базой стажировок: более 80% наших студентов устраиваются на работу в процессе обучения
— Средний срок трудоустройства студентов – 2,5 месяца
— В течение первых 20 дней действует гарантия полного возврата. Это как раз то время, чтобы понять, хотите ли вы развиваться в данной профессии

Корпоративное обучение:
— 30% студентов учатся за счёт компании
— Соберём программу обучения под задачи вашей компании.
— Бесплатно поможем с наймом студентов наших курсов

Программа курса

Программа курса «Data Scientist»

Блок 1: "Получение и подготовка данных: SQL"

Введение в блок SQL
Извлечение и фильтрация данных
Преобразование и сортировка данных
Группировка данных
Введение в базы данных
Объединение таблиц
Вложенные запросы
Обновление, добавление и удаление данных
Создание, изменение и удаление таблиц
Advanced
Обзор основных программ

Блок 2. "Основы Python"

Введение в Python
Переменные и типы данных.
Строки. Условия и циклы
Практическое занятие: строки
Практическое занятие: циклы
Списки и словари в Python
Функции
Практическое занятие: функции
Библиотеки
Практическое занятие: библиотеки
Структуры данных в Python
Пакеты и модули
Менеджер пакетов Pip
Ошибки и исключения
Практическое занятие: ошибки и исключения

Блок 3. Система контроля версий Git. Flask

Системы контроля версий
Знакомство с Git и GitLab
Разработка API на Flask
Практический проект на flask

Блок 3: "Построение Machine Learning моделей"

Знакомство с машинным обучением
Линейная регрессия
Бинарная классификация
Построение надежных стратегий валидации - важность локальной валидации
Решающие деревья
Бутстрап, Бэггинг и случайный лес
Feature Engineering, Feature SelectionГрадиентный бустинг
Воркшоп: предсказание оттока и прогноз продаж
А/B тестирование в машинном обучении
Обучение без учителя
Воркшоп: скоринг кредитного портфеля

Блок 4: "Нейронные сети и NLP"

Введение в нейронные сети
Обучение нейросетей
Глубокое обучение на практике
Дополнительные возможности Tensorflow + Keras
Свёрточные нейронные сети
Введение в NLP, понятие ембеддинга
Рекурентные сети
Нейросети с вниманием, трансформеры
Metric learning, обучение без учителя
Обучение с подкреплением в нейросетях
Итоговый проект

Блок 5: "Рекомендательные системы"

Введение
Метрики и бейзлайны
Матричное разложение
Рекомендации через поиск ближайших соседей
Гибридные рекомендательные системы
Итоговый проект

Блок 6: Дипломная работа и помощь с трудоустройством

Работа над дипломным проектом для портфолио
Подготовка резюме
Подготовка к собеседованию
Финальная защита и консультации