Обучают специалистов с нуля. Курс поделён на четыре семестра, каждый предполагает выполнение нескольких кейсов, которые вы сможете добавить в портфолио. С помощью тренажёров вы доведёте знания инструментов Data Science до автоматизма, выучите синтаксис и научитесь разбираться в чужом коде. Тьютор поможет поставить карьерные цели и следовать им во время обучения.
Первый семестр — основы Python и Python для анализа данных, базы данных и SQL. Второй семестр — машинное обучение. В течение третьего и четвёртого семестров вы изучите специализацию на выбор: ML-разработчик, CV-разработчик, NLP-разработчик. Помимо основной программы обучения можно выбрать две дополнительные специализации: Advanced SQL или Advanced Python в третьем семестре, Data Engineering — в четвёртом. После обучения у вас будут знания и навыки специалиста уровня Middle.
Семестр 1. Foundation
1. Основы программирования на Python + Python для анализа данных
- Введение в программирование на Python
- Анализ данных в Pandas и NumPy
- Визуализация, очистка данных и Feature Engineering
- Работа c файлами, HTML-страницами и APIPython — 10 модулей2.
2. Подгрузка данных
- Выгрузка данных из разных источников с помощью Python
- Выгрузка баз данных с помощью SQL
- Выбор подходящих данных для решения задач
3. Разведывательный анализ данных
- Разведывательный анализ с помощью Pandas, Numpy
- Основы статистики и проверка статистических гипотез
- ML-эксперименты
- Использование ML-Flow
- Feature Engineering
Семестр 2. Machine Learning & Математика
4. Введение в машинное обучение
- Задачи классификации, регрессии и кластеризации
- Отбор и селекция признаков
- Валидация данных
- Оптимизация гиперпараметров и улучшение качества модели
5. Математика и углубленное машинное обучение
- Линейная алгебра
- Матанализ и методы оптимизации
- Основы теории вероятности
- Основные модели машинного обучения
- Оценка качества алгоритмов
6. ML в бизнесе
- Математические и ML-модели временных рядов
- Рекомендательные системы
- Мachine Learning в Production
- Оценка эффективности моделей в реальных бизнес-задачах
Семестр 3-4. Специализация по выбору
- Профориентационный блок
- Выбор специализации (Machine Learning, Computer Vision или разработчик Natural Language Processing)
Специализация ML-разработчик
- 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
Специализация CV-разработчик
- Введение в Deep Learning
- Математика нейронных сетей для CV
- Задачи Computer Vision: от распознавания объектов до улучшения качества изображений и работы с видео
- Нейронные сети в Production
- Углубленное изучение CV-разработки и выпускной проект по выбранной теме
Специализация NLP-разработчик
- 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