Skillbox. Профессия Data Scientist

Оставить заявку

Продолжительность курса

1,5 года

3675 руб. в месяц

Записаться
Метро

Метро

Уровень подготовки

Уровень подготовки

Начальный, Продвинутый, Профессиональный

slide 1

Возраст

Взрослые

О курсе программирования

Вы станете специалистом по анализу данных, алгоритмам машинного обучения и нейросетям, сможете построить карьеру в крупной технологической компании — в России или за рубежом.
Профессия Data Scientist будет актуальна и через 15 лет
Кому подойдёт этот курс
Людям без опыта в IT
Вы получите базовые навыки по программированию,  аналитике, статистике и математике, которые откроют путь к карьере в Data Science и Machine Learning. Сможете использовать свои знания сразу на практике.

Программистам
Вы прокачаете свои знания и навыки в программировании на Python и R. Подтянете математику и умение мыслить как аналитик, использовать алгоритмы машинного обучения для решения бизнес-задач — и усилите портфолио мощными проектами.

Начинающим аналитикам
Вы научитесь ставить гипотезы и делать выводы на основе данных, писать эффективный код на Python и R, превращать сырые данные в полезную информацию для компании, понимать математику на основе статистики, а также обучать машины и прогнозировать результаты. Отшлифуете знания, увеличите скорость своей работы и добьётесь повышения.
Чему вы научитесь
Программировать на Python
Освоите самый популярный язык для работы с данными.
Визуализировать данные
Сможете разрабатывать дашборды и интерактивную инфографику.
Работать с библиотеками и базами данных
Научитесь работать с библиотеками Pandas, NumPy и Matplotlib и освоите базы данных PostgreSQL, SQLite3, MongoDB.
Программировать на R
Разберетесь в специфике языка, сможете обрабатывать статические данные и работать с графикой.
Применять нейронные сети для решения реальных задач
Освоите фреймворки для обучения нейронных сетей Tensorflow и Keras. Узнаете, как устроены нейронные сети для задач компьютерного зрения и лингвистики.
Создавать рекомендательные системы
Построите рекомендательную систему и добавите её в своё портфолио.
Заказать звонок

Программа курса программирования

Программа курса Skillbox. Профессия Data Scientist
  • 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».
  • Основы статистики и теории вероятностей
  • 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.
  • 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.
  • 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.
  • 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. Английский для IT-специалистов
Читать подробнее Скрыть

Отзывы о курсе

Рейтинг: 5 (22 отзывов)
Качество обучения
Программа курса
Преподаватели
Расположение
Помещение и инфраструктура школы
Соотношение цена/качество

Остались вопросы?

Оставьте свой номер и мы вам перезвоним!

Оставить заявку
Фотографии, видео, текст взяты из открытого источника - https://skillbox.ru/course/profession-data-scientist/. Автор произведений не известен. Данные материалы используются исключительно в информационных, учебных и новостных целях.
Оставьте ваши контактные данные и мы перезвоним в течение 12 минут!
Нажимая на кнопку, вы соглашаетесь с Политикой конфиденциальности и даете согласие на обработку персональных данных.