Профессия Data‌ ‌Scientist‌

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