Назад

Профессия Data Scientist

SkillFactory
Сложность
Для новичков
Длительность
24 месяца
Тип курса
Смешанный

Описание курса

Пройдите курс и освойте востребованную профессию с нуля за 24 месяца. Программа обучения разработана преподавателями-экспертами школы SkillFactory.

Курс «Профессия Data Scientist» подойдет как для новичков, которые не имеют специальной подготовки, но планируют построить карьеру в данной области, так и для практикующих специалистов, которые хотят получить новые знания и закрепить имеющиеся навыки.

Программа курса

Введение (1 неделя)
Вы сможете сформулировать для себя реальные цели обучения, узнаете, в чем ценность DS для бизнеса, познакомитесь с основными задачами дата-сайентиста и разберетесь, как строится разработка любого DS-проекта.
  • INTRO-1. Как учиться эффективно — онбординг в обучение
  • INTRO-2. Обзор профессии. Типы задач в Data Science. Этапы и подходы к разработке Data Science проекта
Проектирование разработки (5 недель)
Вы научитесь работать с основными типами данных с помощью языка Python и сможете применять в повседневной работе циклические конструкции, условные операторы и функци.
  • PYTHON-1. Основы Python
  • PYTHON-2. Погружение в типы данных
  • PYTHON-3. Условные операторы
  • PYTHON-4. Циклы
  • PYTHON-5. Функции и функциональное программирование
  • PYTHON-6. Практика
  • PYTHON-7. Гид по стилю в среде Python (бонусный)
Работа с данными (8 недель)
На этом этапе вы овладеете базовыми навыками работы с данными: научитесь подготавливать, очищать и преобразовывать данные так, чтобы они были пригодны для анализа. Кстати, об анализе: вы будете анализировать данные с помощью популярных библиотек Matplotlib, Seaborn, Plotly.
  • PYTHON-8. Инструменты Data Science
  • PYTHON-9. Библиотека NumPy
  • PYTHON-10. Введение в Pandas
  • PYTHON-11. Базовые приемы работы с данными в Pandas
  • PYTHON-12. Продвинутые приемы работы с данными в Pandas
  • PYTHON-13. Очистка данных
  • PYTHON-14. Визуализация данных
  • PYTHON-15. Принципы ООП в Python и отладка кода (дополнительный модуль)
  • Проект 1. Аналитика датасета по закрытым вопросам
Подгрузка данных (6 недель)
Вы сможете выгружать данные из разных форматов и источников. А поможет вам в этом SQL — язык структурированных запросов. Вы научитесь использовать агрегатные функции, соединения таблиц и сложные объединения.
  • PYTHON-16. Как выгружать данные из файлов разных форматов
  • PYTHON-17. Получение данных из веб-источников и API
  • SQL-0. Привет, SQL!
  • SQL-1. Основы SQL
  • SQL-2. Агрегатные функции
  • SQL-3. Соединение таблиц
  • SQL-4. Сложные объединения
  • Проект 2. Подгрузка новых данных. Уточнение анализа
Статистический анализ данных (7 недель)
Разведывательный анализ данных (EDA) — вот, что окажется в центре вашего внимания. Вы познакомитесь со всеми этапами такого анализа и научитесь проводить его с помощью библиотек Statsmodels, Scikit Learn, Seaborn, Matplotlib, SciPy, Pandas. Кроме того, вам удастся поработать на Kaggle, популярном сервисе по участию в соревнованиях.
  • EDA-1. Введение в разведывательный анализ данных. Алгоритмы и методы EDA
  • EDA-2. Математическая статистика в контексте EDA. Типы признаков
  • EDA-3. Проектирование признаков (Feature Engineering)
  • EDA-4. Статистический анализ данных на Питоне
  • EDA-5. Статистический анализ данных на Питоне. Часть 2
  • EDA-6. Проектирование экспериментов
  • EDA-7. Kaggle площадка
  • Проект 2
Введение в машинное обучение (9 недель)
Вы познакомитесь с ML-библиотеками для моделирования зависимостей в данных. Вы сможете обучить основные виды ML-моделей, провести валидацию, интерпретировать результаты работы и выбрать важные признаки (feature importance).
  • ML-1. Теория машинного обучения
  • ML-2. Обучение с учителем: Регрессия
  • ML-3. Обучение с учителем: Классификация
  • ML-4. Обучение без учителя: Кластеризация и техники понижение размерности
  • ML-5. Валидация данных и оценка модели
  • ML-6. Отбор и селекция признаков
  • ML-7. Оптимизация гиперпараметров модели
  • ML-8. ML Cookbook
  • Проект 3. Задача классификации
Математика и машинное обучение. Часть 1 (6 недель)
Вы сможете решать практические задачи с помощью ручного счета и Python (векторные и матричные вычисления, работа с множествами, исследование функций с помощью дифференциального анализа).
  • MATH&ML-1. Линейная алгебра в контексте Линейных методов. Часть 1
  • MATH&ML-2. Линейная алгебра в контексте Линейных методов. Часть 2
  • MATH&ML-3. Математический анализ в контексте задачи оптимизации Часть 1
  • MATH&ML-4. Математический анализ в контексте задачи оптимизации. Часть 2
  • MATH&ML-5. Математический анализ в контексте задачи оптимизации. Часть 3
  • Проект 4. Задача регрессии
Математика и машинное обучение. Часть 2 (6 недель)
Вы познакомитесь с основными понятиями теории вероятности и математической статистики, алгоритмами кластеризации, а также научитесь оценивать качество произведенной кластеризации и представлять результаты в графическом виде.
  • MATH&ML-6. Теория вероятностей в контексте Наивного Байесовского классификатора
  • MATH&ML-7. Алгоритмы на основе Деревьев решений
  • MATH&ML-8. Бустинг & Стекинг
  • MATH&ML-9. Кластеризация и техники понижение размерности. Часть 1
  • MATH&ML-10. Кластеризация и техники понижение размерности. Часть 2
  • Проект 5. Ансамблевые методы
ML в бизнесе (8 недель)
Вы научитесь использовать ML-библиотеки для решения задачи временных рядов и рекомендательных систем. Вы сможете обучить ML-модель и провести её валидацию, а также создать работающий прототип и запустить модель в веб-интерфейсе. А ещё получите навыки A/B-тестирования, чтобы можно было оценить модель.
  • MATH&ML-11. Временные ряды. Часть 1
  • MATH&ML-12. Временные ряды. Часть 2
  • MATH&ML-13. Рекомендательные системы. Часть 1
  • MATH&ML-14. Рекомендательные системы. Часть 2
  • PROD-1. Подготовка модели к Production
  • PROD-2. ПрототипStreamlit+Heroku
  • PROD-3. Бизнес понимание. Кейс
  • Проект 6. Тема на выбор: Временные ряды или Рекомендательные системы
Профориентация (10 недель)
ML, CV или NLP: на этом этапе вам наконец предстоит сделать выбор, по какому пути двигаться дальше. Мы расскажем о каждой специализации и предложим решить несколько практических задач, чтобы вам было проще определиться.
Трек ML - Engineer (29 недель)
В ML-треке вы научитесь решать углубленные задачи машинного обучения, овладеете компетенциями дата-инженера, отточите навык работы с библиотеками Python. Также вы научитесь создавать MVP (минимально жизнеспособную версию продукта), узнаете все тонкости вывода ML-модели в продакшн и узнаете, как работают ML-инженеры в реальной жизни.
  • 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
Трек CV - Engineer (29 недель)
На CV-треке вы научитесь решать такие задачи компьютерного зрения, как классификация изображений, сегментация и детекция, генерация и стилизация картинок, восстановление и повышение качества фотографий. Кроме того, вы узнаете, как выкатывать нейронные сети в продакшн.
  • 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
Трек NLP - Engineer (7 недель)
В ходе обучения на NLP-треке вы узнаете, как решаются основные задачи обработки естественного языка, в том числе классификация, суммаризация и генерация текста, машинный перевод и создание диалоговых систем.
  • 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
Deep Learning и нейронные сети (Бонус)
Где применяются нейросети? Как обучить нейронную сеть? Что такое Deep Learning? Ответы на эти вопросы вы узнаете в бонусном разделе DL.
Введение в Data Engineering (Бонус)
Вы узнаете, в чём различие ролей дата-сайентиста и дата-инженера, какими инструментами пользуется последний в своей работе, какие задачи ежедневно решает. Слова «снежинка», «звезда» и «озеро» обретут новые значения :)

Преподаватели

Алек Леков
Алек Леков
Senior ML-Engineer, МТС. Основные компетенции — временные ряды, Deep Learning и нейронные сети. Занимается консалтингом в сфере AI.
Михаил Баранов
Михаил Баранов
Автор раздела курса. Эксперт по Data Science Компетенции: машинное обучение, большие данные, Python.
Александр Рыжков
Александр Рыжков
Автор раздела про KAGGLE. Руководитель команды LightAutoML Kaggle Grandmaster Компетенции: ML/DS, Python, математика, статистика, Kaggle.
Маргарита Бурова
Маргарита Бурова
Ведущий автор раздела MATH&ML. Эксперт по Data Science. Компетенции: Python, vашинное обучение, cтатистика, анализ данных.
Показать еще
Цена
51 850 746 сум
Скидка -40%
- 20 740 298 сум
Итого
31 110 448 сум
В рассрочку на 48 мес
1 080 224 UZS/мес
648 135 UZS/мес
Кешбэк
9 333 135 баллов

Похожие курсы

Профессия Data Analyst
Для новичков10 месяцев
-40%
Кешбэк 30%: 7 560 000 баллов
42 000 000 сум
25 200 000 сум
В рассрочку на 48 мес
525 000 UZS/мес
Профессия Бизнес-аналитик
Для новичков
ХИТ
-40%
Кешбэк 30%: 5 868 720 баллов
32 604 000 сум
19 562 400 сум
В рассрочку на 12 мес
1 630 200 UZS/мес
Факультет Data Science в медицине
Для новичков24 месяца
Старт: 1 апреля
ХИТ
-62%
Кешбэк 30%: 6 213 313 баллов
54 502 741 сум
20 711 042 сум
В рассрочку на 18 мес
1 150 614 UZS/мес
Курс по аналитике данных
Для новичков6 месяцев
-40%
Кешбэк 30%: 4 497 314 баллов
24 985 075 сум
14 991 045 сум
В рассрочку на 24 мес
624 627 UZS/мес
Профессия Data Scientist PRO
Для новичков
ХИТ
-45%
Кешбэк 30%: 6 686 460 баллов
40 524 000 сум
22 288 200 сум
В рассрочку на 12 мес
1 857 350 UZS/мес
Полный курс по Data Science
Для новичков13,5 месяцев
-40%
Кешбэк 30%: 6 431 642 балла
35 731 343 сум
21 438 806 сум
В рассрочку на 36 мес
595 523 UZS/мес
Курс Python для анализа данных
Для новичков4 месяца
-40%
Кешбэк 30%: 1 434 627 баллов
7 970 149 сум
4 782 090 сум
В рассрочку на 12 мес
398 508 UZS/мес
Системный аналитик Pro
Для новичков7 месяцев
-40%
Кешбэк 30%: 4 336 120 баллов
24 089 552 сум
14 453 731 сум
В рассрочку на 24 мес
602 239 UZS/мес
Аналитик данных с нуля
Для новичков
ХИТ
-51%
Кешбэк 30%: 3 252 072 балла
22 122 936 сум
10 840 239 сум
В рассрочку на 12 мес
903 354 UZS/мес
Алгоритмы и структуры данных
Для продвинутых5 месяцев
-40%
Кешбэк 30%: 3 250 747 баллов
18 059 701 сум
10 835 821 сум
В рассрочку на 18 мес
601 991 UZS/мес
Курс по машинному обучению
Для продвинутых3 месяца
-40%
Кешбэк 30%: 1 757 015 баллов
9 761 194 сум
5 856 716 сум
В рассрочку на 12 мес
488 060 UZS/мес
Курс по Data Engineering
Для продвинутых2,5 месяца
-40%
Кешбэк 30%: 1 595 821 балл
8 865 672 сум
5 319 403 сум
В рассрочку на 12 мес
443 284 UZS/мес
Курс по нейронным сетям
Для продвинутых2,5 месяца
-40%
Кешбэк 30%: 1 934 329 баллов
10 746 269 сум
6 447 761 сум
В рассрочку на 12 мес
537 314 UZS/мес
Курс Математика для Data Science
Для продвинутых2 месяца
-40%
Кешбэк 30%: 951 045 баллов
5 283 582 сум
3 170 149 сум
В рассрочку на 24 мес
132 090 UZS/мес
Курс Математика и Machine Learning для Data Science
Для продвинутых5,5 месяцев
-40%
Кешбэк 30%: 2 240 598 баллов
12 447 761 сум
7 468 657 сум
В рассрочку на 12 мес
622 389 UZS/мес
Курс Machine Learning и Deep Learning
Для продвинутых5 месяцев
-40%
Кешбэк 30%: 3 046 568 баллов
16 925 373 сум
10 155 224 сум
В рассрочку на 18 мес
564 180 UZS/мес
Курс анализа данных в BI
Для новичков3 месяца
-40%
Кешбэк 30%: 2 562 986 баллов
14 238 806 сум
8 543 284 сум
В рассрочку на 18 мес
474 627 UZS/мес
Сквозная аналитика
Для новичков1 месяц
-30%
Кешбэк 30%: 1 313 540 баллов
6 254 952 сум
4 378 466 сум
В рассрочку на 12 мес
364 873 UZS/мес
Основы математики для Data Science
Для новичков2 месяца
-15%
Кешбэк 30%: 1 488 513 баллов
5 837 304 сум
4 961 708 сум
В рассрочку на 12 мес
413 476 UZS/мес
SQL для анализа данных
Для новичков2 месяца
-30%
Кешбэк 30%: 1 705 224 балла
8 120 112 сум
5 684 078 сум
В рассрочку на 12 мес
473 674 UZS/мес
Power BI
Для новичков2 месяца
-20%
Кешбэк 30%: 1 446 002 балла
6 025 008 сум
4 820 006 сум
В рассрочку на 12 мес
401 668 UZS/мес
Power BI PRO
Для новичков3 месяца
-25%
Кешбэк 30%: 2 202 879 баллов
9 790 572 сум
7 342 929 сум
В рассрочку на 12 мес
611 911 UZS/мес
Tableau
Для продвинутых2 месяца
-15%
Кешбэк 30%: 1 458 758 баллов
5 720 616 сум
4 862 524 сум
В рассрочку на 12 мес
405 211 UZS/мес
Язык R для анализа данных
Для новичков2 месяца
-30%
Кешбэк 30%: 1 705 224 балла
8 120 112 сум
5 684 078 сум
В рассрочку на 12 мес
473 674 UZS/мес
Введение в Data Science
Для новичков6 месяцев
-30%
Кешбэк 30%: 2 794 481 балл
13 307 052 сум
9 314 936 сум
В рассрочку на 12 мес
776 245 UZS/мес
Data Scientist с нуля до Junior
Для новичков
-40%
Кешбэк 30%: 4 738 457 баллов
26 324 760 сум
15 794 856 сум
В рассрочку на 12 мес
1 316 238 UZS/мес
Data Analyst с нуля до Junior
Для новичков
-40%
Кешбэк 30%: 4 348 080 баллов
24 156 000 сум
14 493 600 сум
В рассрочку на 12 мес
1 207 800 UZS/мес
Профессия Аналитик 1C
Для новичков15 месяцев
-25%
Кешбэк 30%: 4 265 039 баллов
18 955 728 сум
14 216 796 сум
В рассрочку на 12 мес
1 184 733 UZS/мес
Профессия Data Engineer
Для новичков
-45%
Кешбэк 30%: 5 989 500 баллов
36 300 000 сум
19 965 000 сум
В рассрочку на 12 мес
1 663 750 UZS/мес
Профессия Data Analyst
Для новичков
-45%
Кешбэк 30%: 5 989 500 баллов
36 300 000 сум
19 965 000 сум
В рассрочку на 12 мес
1 663 750 UZS/мес
ООО «UBRAINS», ИНН 308432936
Республика Узбекистан, г. Ташкент, Мирабадский р-н, ул. Афросиаб 4б, каб. 102
Регистрационный номер 982705
© UBRAINS, 2023
Zcard
Anorbank
Humo
Payme
© UBRAINS, 2023