Войти
Каталог
Полный курс по Data Science
Обучение профессии Data Science с нуля
Days
Hours
Minutes
Seconds
Длительность
Формат
онлайн
онлайн
Партнер курса
13,5 мес
Для кого специализация
Новичок
Вы хотите освоить профессию Data Scientist с нуля. Для этого вам не потребуется специальных знаний, выходящих за рамки школьной программы. На специализации вы получите достаточную математическую подготовку и опыт программирования на Python, чтобы решать задачи машинного обучения.
Программист
Всего за год вы пополните портфолио рекомендательной системой, нейронными сетями, выполняющими разные задачи, примете участие в соревнованиях на Kaggle, хакатонах. Опыт программирования позволит вам быстро включиться в процесс обучения и освоить профессию Junior Data Scientist.
Аналитик
Вы уже работаете с данными, SQL, хотите расширить набор приемов, научиться работать с облачными хранилищами, попрактиковаться с Hadoop и Spark или полностью сменить профессию. За год вы освоите новую область, прокачаетесь в Big Data и сможете смело двигаться в направлении Data Science.
Вы изучите
Deep Learning (Глубокое обучение)
ML в бизнесе
Math & Machine Learning
Инженерия данных (Data Engineering)
SQL
Python
Введение в Machine Learning
Краткая программа
специализации
специализации
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 API
Анализ данных в Pandas и NumPy
Визуализация, очистка данных и Feature Engineering
Работа c файлами, HTML-страницами и API
Python
10 модулей,
2,5 месяца
2,5 месяца
2
Подгрузка данных
Выгрузка данных из разных источников с помощью Python
Выгрузка баз данных с помощью SQL
Выбор подходящих данных для решения задач
Выгрузка баз данных с помощью SQL
Выбор подходящих данных для решения задач
SQL & Python
6 модулей,
1,5 месяца
1,5 месяца
3
Разведывательный анализ данных
Разведывательный анализ с помощью Pandas, Numpy
Основы статистики и проверка статистических гипотез
ML-эксперименты
Использование ML-Flow
Feature Engineering
Основы статистики и проверка статистических гипотез
ML-эксперименты
Использование ML-Flow
Feature Engineering
EDA
6 модулей,
1,5 месяца
1,5 месяца
4
Введение в машинное обучение
Задачи классификации, регрессии и кластеризации
Отбор и селекция признаков
Валидация данных
Оптимизация гиперпараметров и улучшение качества модели
Отбор и селекция признаков
Валидация данных
Оптимизация гиперпараметров и улучшение качества модели
Machine Learning
8 модулей,
2 месяца
2 месяца
5
Математика и углубленное машинное обучение
Линейная алгебра
Матанализ и методы оптимизации
Основы теории вероятности
Основные модели машинного обучения
Оценка качества алгоритмов
Матанализ и методы оптимизации
Основы теории вероятности
Основные модели машинного обучения
Оценка качества алгоритмов
Math & Machine Learning
15 модулей,
15 недель
15 недель
6
ML в бизнесе
Математические и ML модели временных рядов
Рекомендательные системы
Мachine Learning в production
Оценка эффективности моделей в реальных бизнес-задачах
Дополнительные модули по Deep Learning и Data Engineering
Рекомендательные системы
Мachine Learning в production
Оценка эффективности моделей в реальных бизнес-задачах
Дополнительные модули по Deep Learning и Data Engineering
ML в бизнесе
8 модулей,
1,5 месяца
1,5 месяца
Что ждет вас во время учебы?
Смена профессии — очень сложный процесс. Недостаточно просто выучить новые технологии — требуется освоить новые подходы и новые способы мышления. В одиночку с этим справиться сложно. Мы станем вашим партнером в обучении, который не просто дает учебные материалы, но и мотивирует их изучать и применять на практике.
Эксперты & поддержка
Команда наставников проверяет и комментирует ваши работы, помогает разобраться в сложностях и обучает собственным профессиональным приёмам.
Сообщество студентов
Вы будете учиться в группе таких же новичков, как и вы, давать друг другу обратную связь на ваши проекты, обмениваться кодом, помогать искать ошибки и делиться бизнес-задачами.
Помощь
тьютора
тьютора
Начиная с первых недель обучения тьютор поможет вам определить карьерные цели, а в течение программы — не сойти с намеченного пути.
Гибкий формат обучения для тех, кто работает
Наши курсы ориентированы на то, чтобы вы занимались без отрыва от работы и выделяли необходимое для учебы время в соответствии с вашим графиком
Чтобы обучение проходило максимально эффективно, мы чередуем форматы обучения: тренажеры, тесты, видеоуроки, онлайн-митапы, хакатоны и сквозные проекты.
Программы курсов создают эксперты с опытом от 5 лет. Студентам помогают опытные менторы-практики из IT-индустрии: дают подробную обратную связь, отвечают на вопросы.
С курсом для новичков справляются все студенты вне зависимости от возраста и предыдущего опыта — главное следовать программе обучения.
Взаимодействие с участниками разных направлений, которое способствует развитию soft skills.
• Включаем в курсы задачи и вопросы из реальных собеседований
• Проводим онлайн-тренировки технических собеседований
• Помогаем составить резюме
• Проводим онлайн-тренировки технических собеседований
• Помогаем составить резюме
Во время обучения студенты решают настоящие практические задачи и тренируются на настоящих кейсах.
Определенные направления подготовки дают возможность получить реальный стаж и опыт
Студенты отрабатывают навыки на практике и могут пообщаться с потенциальными работодателями.
Что вы будете уметь после обучения
Junior Data Scientist
Я уверенно могу:
Использовать основные алгоритмические конструкции и структуры данных Python для проектирования алгоритмов
Получать данные из веб-источников или по API
Визуализировать данные с помощью Pandas, Matplotlib
Создавать модели с помощью классического машинного обучения для решения задач Data Science (линейные модели, деревья решений, ансамблевые модели)
Оценивать качество модели вне зависимости от задачи
Применять методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных
Строить математические и ML модели с использованием временных рядов
Применять алгоритмы для рекомендательных систем
Интегрировать решение в продакшн и в бизнес в целом
Работать с Github и Kaggle
Получать данные из веб-источников или по API
Визуализировать данные с помощью Pandas, Matplotlib
Создавать модели с помощью классического машинного обучения для решения задач Data Science (линейные модели, деревья решений, ансамблевые модели)
Оценивать качество модели вне зависимости от задачи
Применять методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных
Строить математические и ML модели с использованием временных рядов
Применять алгоритмы для рекомендательных систем
Интегрировать решение в продакшн и в бизнес в целом
Работать с Github и Kaggle
Команда разработки профессии
- Андрей ЗимовновВедущий преподаватель специализации, старший разработчик в Яндекс.Дзен
- Дмитрий КоробченкоDeep Learning R&D Engineer, NVIDIA
- Эмиль МагеррамовBIOCAD,
Руководитель группы сервисов вычислительной химии - Антон КиселевHead of R&D, компания EORA
- Полина ПолунинаEx-руководитель Data Science в группе «М.Видео — Эльдорадо». Куратор в SkillFactory
Что получает студент
Ментор из сферы
Data Science
Data Science
На протяжении обучения вам помогает ментор с реальным опытом в Data Science
Соревнования на Kaggle в курсах по Machine learning и Deep Learning
Cоревнования
и хакатоны
и хакатоны
Кешбэк 30%: 1 581 балл на Lerna
Отзывы студентов
Александр Зелепукин
Курс понравился своей интерактивностью, доступной и наглядной подачей материала, обилием ссылок на дополнительные материалы. Представляет собой обязательный минимум знаний и даже несколько больше. Хотелось бы еще больше заданий на работу с Pandas, API и визуализацию.
Специализация для меня оказалася более чем полезна. Очень здорово, что на готовых примерах можно увидеть структуру сетей. Нравится подход «от большого к малому», когда сначала учишься ездить на автомобиле, а потом можешь заглянуть под капот.
Роман Романов
После учебы стали понятны принципы работы нейронных сетей, разработки их архитектуры и подбора гиперпараметров. Интересные домашние задания требовали дополнительного изучения темы.
Вера Шерман
Большое спасибо авторам этого куса и организаторам обучения. Я давно работаю в сфере IT, знакома с анализом данных с помощью SQL, Excel, имею представление об OLAP. Очень любопытно было познакомиться с новым инструментом. Курс оказался именно тем, чего хотелось. Для меня все было новым. Несмотря на наличие опыта программирования на разных языках, мне было нелегко.
Павел Порохня
Материал изложен достаточно кратко, без лишней воды. Большое количество интересных практических заданий, добавляют интерес и помогают осваиваться в программировании.
В отличие от других курсов, которые я посещала, курс от SkillFactory максимально полный. Освещаются все темы, нет сухой теории — происходит погружение в каждую из тем, тут все можно «трогать руками». Итоговая работа — это работа над реальным проектом с реальным заказчиком. Это очень круто!
Я сейчас прохожу обучение по Data Science на skillfactory.ru, здесь опытные теоретики и профессионалы дают качественные знания. Сегодня, в не самое простое время для всего мира, необходимо всем нам сохранять спокойствие, проявлять терпение и не падать духом. Использование цифровых инструментов поможет нам легче пережить эту вынужденную изоляцию.
Отличная специлизация, хороший преподаватель, интересные задачи, много ссылок на полезный дополнительный материал по теме. Спасибо.
Александр Гладких
Курс было пройти не просто, но он очень полезен и действительно дает прорыв в работе с данными. Еще очень многому нужно учиться, но курс однозначно стоит своих денег. Желающим работать с данными однозначно рекомендую.
Довольно хороший курс — дает набор инструментов, с которыми уже можно работать и понимать что происходит. К прохождению курса рекомендую также знать синтаксис и базовые задачи по питону. При прохождении курса даются основы для выполнения ДЗ, а для лучшего результата — Вам предстоит почитать более подробно работу функций и материала, освещенного в лекциях.
Вице-министр финансов Республики Казахстан
Часто задаваемые вопросы
С помощью обучающих алгоритмов машинного обучения можно научить программы делать что угодно:
1. Предлагать дополнительные товары, которые пользователь купит с наибольшей вероятностью, на основе его поведения на сайте и покупок. Таким образом увеличивать продажи и прибыль бизнеса.
2. Предсказывать события в клиентской базе. Таким образом можно заранее предпринять меры, которые сократят расходы или увеличат прибыль. Возьмем к примеру страховую компанию, которая предоставляет услуги ДМС. Если она научит программу предсказывать, кто из клиентов в ближайшее время обратится за дорогостоящей медицинской услугой, то сможет предпринять меры, чтобы сократить расходы по ДМС. Например, позвонить клиенту и предложить ему проконсультироваться с хорошим врачом, чтобы не допустить развитие болезни.
3. Формировать заказы на поставку для магазинов сети с учетом динамики продаж, сезона, прогноза погоды и других параметров. Таким образом не допускать, чтобы в торговых точках было затоваривание или нехватка товара.
4. Сегментировать клиентов, чтобы делать им подходящие предложения. Возьмем к примеру банк, который создал новый вид кредита. С помощью машинного обучения он может выявить в базе клиентов тех, кто вероятнее всего воспользуется таким кредитом.
5. По факту, области применения машинного обучения и Python практически безграничны: от контроля качества товаров до диагностики оборудования на производстве, от продаж до аналитики, от повышения персонализации до аудита. Вы сможете использовать возможности алгоритмов практически в любой сфере.
1. Предлагать дополнительные товары, которые пользователь купит с наибольшей вероятностью, на основе его поведения на сайте и покупок. Таким образом увеличивать продажи и прибыль бизнеса.
2. Предсказывать события в клиентской базе. Таким образом можно заранее предпринять меры, которые сократят расходы или увеличат прибыль. Возьмем к примеру страховую компанию, которая предоставляет услуги ДМС. Если она научит программу предсказывать, кто из клиентов в ближайшее время обратится за дорогостоящей медицинской услугой, то сможет предпринять меры, чтобы сократить расходы по ДМС. Например, позвонить клиенту и предложить ему проконсультироваться с хорошим врачом, чтобы не допустить развитие болезни.
3. Формировать заказы на поставку для магазинов сети с учетом динамики продаж, сезона, прогноза погоды и других параметров. Таким образом не допускать, чтобы в торговых точках было затоваривание или нехватка товара.
4. Сегментировать клиентов, чтобы делать им подходящие предложения. Возьмем к примеру банк, который создал новый вид кредита. С помощью машинного обучения он может выявить в базе клиентов тех, кто вероятнее всего воспользуется таким кредитом.
5. По факту, области применения машинного обучения и Python практически безграничны: от контроля качества товаров до диагностики оборудования на производстве, от продаж до аналитики, от повышения персонализации до аудита. Вы сможете использовать возможности алгоритмов практически в любой сфере.
По версии кадрового агентства Glassdoor, профессия Data Scientist, напрямую связанная с машинным обучением, занимает первую строчку в рейтинге самых лучших профессий Америки.
Ноутбук с установленным Python (мы дадим инструкцию и поможем с установкой). Около 6-8 часов в неделю и желание получить новые знания.
Путь Data Scientist — долгий и требует знаний математики, статистики, программирования и значительной практики. Вы пройдете от точки «я ничего не знаю» до точки «я решаю задачи в области Data Science и знаю, где это применить в работе и как развиваться дальше».