● Вебинары с экспертами в прямом эфире проходят 1-2 раза в неделю, начинаются в промежутке с 18:00 до 20:00 МСК● На лекции и практические задания понадобится 10-15 часов в неделю ● Записи вебинаров, митапов и хакатонов, видеолекции, презентации, лонгриды, тесты, тренажёры и другие полезные материалы хранятся в личном кабинете SQL и получение данных Научитесь с помощью SQL получать данные из БД, фильтровать, агрегировать, импортировать и экспортировать — без помощи разработчиков. - Введение в SQL.Установка и знакомство - Основы SQL - Работа с базой данных PostgreSQL - Основы и работа с базами данных - Углубление в SQL Python для анализа данных Научитесь получать и очищать данные, находить связи и проверять гипотезы.Сможете работать с главными аналитическими библиотеками. - Основы Python: Jupiter Notebook, комментарии в коде, арифметические операции - Управляющие конструкции и коллекции - Функции и работа с данными, основы парсинга - Работа с файловой системой и модули - Исключения и обработка ошибок - Функции и понятие класса - Регулярные выражения и основы синтаксического разбора - Бонусные видеолекции по Git - Библиотека NumPy: вычислительные задачи - Библиотека Pandas: возможности и оптимизация - Функции и работа с данными - Методы оптимизации pandas - Основы вебскрапинга - Базовые понятия статистики. Изучение данных: статистика и исследовательский анализ - Случайные события. Случайные величины - Корреляция и корреляционный анализ - Задачи классификации и кластеризации - Доверительные интервалы. Статистическая проверка гипотез для несвязанных выборок - Статистическая проверка гипотез для связанных выборок.A/B тесты и как их проводить  Математика для анализа данных Освоите математический аппарат Data Science. Начнёте понимать принципы работы существующих методов анализа данных. Сможете выбирать подходящие алгоритмы и корректно интерпретировать результаты. - Основные математические понятия для Data Science - Продвинутая линейная алгебра - Математический анализ. Производные функции нескольких переменных - Теория оптимизации - Линейная алгебра. Матрицы - -- Основы статистики - Математический анализ. Производные функции одной переменной - Продвинутая оптимизация - Теория вероятностей Машинное обучение Сможете проверять данные на полноту, целостность, валидность, наличие шумов, ошибок и пропусков. Узнаете, как очищать данные с помощью NumPy и pandas и сокращать размерности данных алгоритмами PCA, LDA, NMF. Научитесь строить деревья решений и модели логистической, линейной и полиномиальной регрессии. Начнёте использовать Random Forest в задачах классификации. - Регрессионный анализ. Линейная, полиномиальная и логарифмическая регрессия - Функции потерь и оптимизация - Проблема качества данных - Работа с переменными - Ансамблирование - Feature selection - Алгоритмы кластеризации - Классификация: Логистическая регрессия и SVM - Оценка точности модели, переобучение, регуляризация - Работа с пропусками - Деревья решений - Поиск выбросов и генерация новых признаков - Метрики близости. Работа с текстовыми данными. Наивный Байес - Улучшение качества модели - Название занятия Рекомендательные системы Начнёте применять полученные знания в разных областях машинного обучения. Научитесь строить персонализированные и неперсонализированные рекомендательные системы, а также комбинировать их. - Введение и классификация рекомендательных систем - Коллаборативная фильтрация - Гибридные рекомендательные системы - Рекомендации на основе содержания - Рекомендации на основе скрытых факторов Временные ряды Вы изучите элементарные алгоритмы обработки временных рядов, модели ARIMA и GARCH, прогнозирование значений на их основе. Узнаете, что такое марковские случайные процессы и марковские модели для временных рядов. - Знакомство с временными рядами - Элементарные методы анализа временных рядов - Модели ARIMA - Модели авторегрессии условной гетероскедастичности - Сингулярный спектральный анализ - Случайные марковские процессы - Нейронные сети в анализе временных рядов - Поиск изменений во временном ряде Введение в нейронные сети Научитесь строить простые полносвязные сети уровня LeNet и AlexNet и экспериментировать с их обучением. Получите теоретическую и практическую базу для использования нейронных сетей в блоках CV и NLP.   - Введение в нейронные сети и библиотеку Keras - Введение в свёрточные нейронные сети - Углубление в нейронные сети и библиотеку Keras - Введение в рекуррентные нейронные сети Компьютерное зрение Освоите основные техники машинного зрения — извлечение признаков, поиск по картинкам, сегментирование, детекция объектов. - Введение в компьютерное зрение - Свёрточные нейронные сети - Обучение свёрточной сети на практике - Рекуррентные нейронные сети в задачах компьютерного зрения: Image Captioning - Выделение признаков и поиск похожих изображений - Сегментация и детекция объектов - Задачи детекции и сегментации - Порождающие модели Обработка естественного языка Освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск, научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты. - Введение в автоматическую обработку текста - Тематическое моделирование - Дистрибутивная семантика - Классификация в АОТ - Извлечение информации - Трансформеры. Токенизация: BPE. BERTя - Словари. Подкрепление знаний - Языковые модели - Языковые модели - Sequence to sequence-алгоритмы - Информационный поиск - Синтаксический анализ Менеджмент дата-проектов Овладеете методологиями управления Data Science-проектами. Научитесь формулировать идеи и гипотезы, выбирать подходящие методы и алгоритмы, планировать решение задачи. - Требования в data-проектах - Разработка отчётов по исследованию - Методология ведения data-проектов - Сохранение результатов эксперимента Английский для специалистов по работе с данными Научитесь разбираться в аналитических терминах и читать иностранную техническую документацию. Сможете презентовать результаты анализа с помощью графиков и диаграмм на английском языке. Узнаете, как эффективно готовиться к собеседованиям в зарубежные компании. Научитесь составлять убедительное резюме и писать сопроводительное письмо. - Словарь терминов аналитика с примерами употребления и типичными словосочетаниями - Важная лексика для работы с датасетами - Презентация результатов анализа  - Чтение технической документации - Самопрезентация. Elevator Pitch - Прохождение собеседований - Резюме и сопроводительное письмо (CV & сover letter)  - Email-переписка - Общение в технических чатах - Как вести звонки и встречи - Как учить лексику - Как учить грамматику Финальный хакатон Командная игра. В составе мини-команды вам предстоит решать задачи по прогнозированию продаж или оптимизации производства, задействуя все знания и навыки, полученные на курсе. Итоговый проект Построите ML-модель для решения своих текущих профессиональных задач или выполните предложенное итоговое задание. Вы будете работать самостоятельно под руководством экспертов и отработаете полученные знания и навыки.