Узнайте о снижении цены

Оставьте ваш email и мы напишем вам когда цена снизится

Профессия Data Scientist. Тариф «Оптимальный»

Вы освоите инструменты Data Science с нуля, создадите проекты для портфолио и поучаствуете в финальном соревновании на kaggle. Тьютор поможет поставить карьерные цели и следовать им во время обучения. Также в процессе обучения вас будет сопровождать ментор.
233 280 ₽
стоимость обучения
9720 ₽
за месяц обучения
% Беспроцентная рассрочка на 24 мес.
Добавить в избранное
Узнать о снижении цены
Уровень сложности
для новичков
Длительность
24 мес.
Демо доступ
нет
Формат обучения
онлайн
Домашние задания
да
Обратная связь
да
Стажировка
нет
Помощь в трудоустройстве
да
Документ по окончании
сертификат

Программа обучения

  • Основное
  • Содержание программы

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. В стоимость тарифа включены 12 часов индивидуальных консультаций с ментором, дополнительная карьерная консультация, тестовое техническое собеседование с экспертом.

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

Чему научат

Использовать основные алгоритмические конструкции и структуры данных Python для проектирования алгоритмов
Создавать модели с помощью классического машинного и глубокого обучения
Применять методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных
Получать данные из веб-источников или по API
Визуализировать данные с помощью Pandas, Matplotlib
Оценивать качество модели вне зависимости от задачи

Преимущества курса

Помощь тьютора
Карьерный центр поможет составить резюме и поддержит при прохождении собеседования
Групповые проекты, общение и работа в командах
12 часов индивидуальных консультаций с ментором
Дополнительная карьерная консультация
Тестовое техническое собеседование с экспертом

Отзывы пользователей

Оставить отзыв о курсе

    Оставьте отзыв о курсе

    Ваш адрес e-mail не будет опуликован
    Ваша оценка:
    Ваш отзыв:
    Достоинства:
    Недостатки:
    Имя:
    Email: