Описание
Комплексный курс для получения профессии Data Scientist от онлайн-университета Skillbox. Университет предоставляет помощь в написании дипломной работы и развернутый комментарий по результатам ее выполнения. Обучение проходит в формате онлайн или очно. Курсы можно оформить в рассрочку или в кредит на выгодных условиях с возможностью вернуть часть денег через налоговый вычет. Каждому студенту предоставляется помощь с трудоустройством после окончания обучения.
Программа курса
Вас ждут 8 курсов, онлайн-лекции и практические задания, а также 2 дипломных проекта-соревнования на Kaggle. После обучения вы сможете претендовать на позицию Junior Data Scientist.
94 тематических модуля 2 бонусных курса
Введение в анализ данных и машинное обучение
Аналитика. Начальный уровень
- Введение в Data Science
- Введение в Python
- Основы Python: установка PyCharm
- Основы Python: базовые структуры данных
- Основы Python: циклы и условия
- Основы Python: функции
- Мастер-класс: воронки
- Основы Python: классы и объекты
- Основы Python: исключения
- Библиотека NumPy: методы анализа массивов
- Библиотека NumPy: способы преобразования массивов
- Библиотека pandas: индексация и выбор данных
- Библиотека pandas: применение функций, группировка, сортировка
- Визуализация данных с помощью matplotlib
- Мастер-класс: разведочный анализ (EDA)
- Курсовая работа. Подготовка аналитического отчёта на основе имеющихся данных в качестве помощи продюсерам образовательных программ эффективно выстраивать стратегию по обновлению и улучшению курсов
- Чтение и запись данных: CSV, HTML, XML, XLSX
- Основы SQL
- Чтение и запись данных: JSON, HDF5, Работа с БД: SQLite3, postgreSQL, MongoDB
- Работа со строками
- Курсовая работа. Часть 1. Подготовка аналитического отчёта для HR-отдела. На основе аналитики необходимо составить рекомендации для отдела кадров по стратегии набора персонала и взаимодействию с сотрудниками
- Курсовая работа. Часть 2. подготовка аналитического отчёта для SMM-отдела компании Skillbox на основе паблика Skillbox «ВКонтакте»
Статистика и теория вероятностей
- Основы статистики и теории вероятностей
Основы математики для Data Science
- Базовые математические объекты и SymPy. Дроби и преобразования
- Базовые математические объекты и SymPy. Функции и дополнительные объекты
- Функции одной переменной, их свойства и графики
- Интерполяция и полиномы: квадратичные и кубические функции
- Аппроксимация и преобразование функций: сдвиги, растяжения, сжатия
- Аппроксимация и работа с производными
- Функции нескольких переменных, их свойства и графики
- Частные производные функции нескольких переменных
- Векторы и матрицы. Градиент
- Линейная регрессия и системы линейных уравнений
- Разложение матриц. Собственные векторы и значения
Машинное обучение. Начальный уровень
- Основные концепции Machine Learning (ML)
- Жизненный цикл ML-проекта
- Регрессия: метрики качества, преобразование входных данных
- Регрессия: регуляризация и градиентный спуск
- Классификация: kNN, наивный байесовский классификатор, деревья решений
- Классификация: метрики качества классификации и многоклассовая классификация
- Кластеризация
- Дополнительные техники: понижение размерности
- Дополнительные техники: бустинг и стекинг
- Знакомство с Kaggle
- Курсовая работа. Проанализировать данные телекоммуникационной компании и спрогнозировать отток пользователей на основе демографических характеристик, услуг, которыми они пользуются, длительности пользования услугами, метода и размера оплаты
Специализация
Аналитика. Средний уровень
- Язык программирования R: базовые операции и структуры данных
- Язык программирования R: циклы и функции
- Язык программирования R: анализ данных и их визуализация
- Создание аналитических панелей (Dashboard) в R
- A/B-тестирование: объем выборки и построение доверительных интервалов
- A/B-тестирование: статистические гипотезы и алгоритмы их проверки (Bootstrap и статистический тест)
- Мастер-класс: A/B-тестирование
- Performance metrics
- Мастер-класс: модели атрибуции прибыли
- Интерактивная визуализация данных с помощью Plotly
Машинное обучение. Средний уровень
- Введение в нейронные сети
- Обучение нейронных сетей
- Нейронные сети на практике
- Свёрточные нейросети для задачи классификации изображений: введение в свёртки (многоканальные свёртки, рецептивное поле)
- Свёрточные нейросети для задачи классификации изображений: продвинутые операции со свёрткой (архитектуры сетей VGG и ResNet, задача Transfer Learning для свёрточных сетей)
- Семантическая сегментация: слабая локализация и полносвёрточные нейросети (FCN)
- Семантическая сегментация: продвинутые архитектуры FCN для семантической сегментации
- Детектирование объектов. Задачи классификации и локализации
- Детектирование объектов. Анализ и реализация R-CNN-архитектуры
- Детектирование объектов. Разбор популярных архитектур (Fast/Faster R-CNN, YOLO, SSD) и знакомство с TensorFlow Object Detection API
- От дискриминативных моделей к генеративным. Style transfer
- Генеративные состязательные сети
- Введение в NLP
- NLP на нейросетях. Рекуррентные нейросети, классификация текстов
- NLP на нейросетях. Языковые модели, Attention, Transformer
- Обучение с подкреплением. Q-Learning
- Обучение с подкреплением. Deep Q-Learning
- Ускорение и оптимизация нейронных сетей
- Внедрение DL моделей в production
- Введение в рекомендательные системы и задачи ранжирования
- Современные подходы к построению рекомендательных систем
Бонусные курсы
Универсальные знания программиста
- Как стать первоклассным программистом
- Как искать заказы на разработку
- Личный бренд разработчика
- Photoshop для программиста
- Вёрстка email-рассылок. Советы на реальных примерах
- The state of soft skills
- Как мы создавали карту развития для разработчиков
- Как общаться по email и эффективно работать с почтой?
- Повышение своей эффективности
- Спор о первом языке программирования
- Саморазвитие: как я не усидел на двух стульях и нашёл третий
- Data-driven-подход к продуктивности — инсайты из данных миллиона людей
Английский для IT-специалистов
- IT Resume and CV
- Job interview: questions and answers
- Teamwork
- Workplace communication
- Business letter
- Software development
- System concept development and SRS
- Design
- Development and Testing
- Deployment and Maintenance
Как записаться на курс
- 1
Нажмите на кнопку Записаться на курс
- 2
Ознакомьтесь подробнее с материалом курса и программой обучения на странице школы или университета
- 3
Оставьте свои данные в форме заявки и после подтверждения оплатите учебный курс (полностью или в рассрочку)
- 4
Получите доступ к учебным материалам
Отзывов пока нет.