Онлайн-курс, вебинар Профессия Data Scientist

Дата саентисты нужны во всех сферах бизнеса: от маркетинга и продаж до разработки продуктов, от финансов до управленческих решений. Ритейл, киберспорт, путешествия, образование, медицина — специалисты в Data Science нужны вне зависимости от индустрии.

Комплексная программа предполагает последовательное и многофакторное развитие компетенций, необходимых квалифицированному специалисту:

1. hard skills (знание актуальных инструментов и методов);
2. soft skills (умение работать в команде и строить коммуникацию);
3. обширные метакогниции (умение подобрать теоретическую модель и проанализировать эффективность собственной деятельности).
4. практические кейсы (реальные бизнес задачи и проекты)

Семестр 1. Foundation: основы Data Science

Содержание курса:
— База. Курс построен на практическом изучении всей необходимой базы для Data Science.

— Курс-тренажер «Математическая статистика». Статистические показатели, статистические гипотезы, описательная статистика, визуальное отображение статистических данных.

— Курс-тренажер «Базы данных и SQL». Виды баз данных, основы SQL, типы данных, работа с таблицами, регулярные выражения, оконные функции.

— Курс-тренажер «Алгоритмы данных». Типы алгоритмов, динамическое программирование, комбинаторика, деревья поиска.

— Курс-тренажер «Введение в Linux». Работа с архивами, поиск файлов, работа на сервере, многопоточные приложения.

Семестр 2. Python и Machine Learning

— Курс-тренажер «Python для анализа данных». Основы синтаксиса и алгоритмов, библиотеки Pandas и NumPy, методы группировки, визуализации, объединения данных, Feature Engineering, работа с API и скриптами.

— Математика для Data Science. Мат анализ, линейная алгебра, временные ряды, линейная регрессия.

— Практический Machine Learning. Основные модели машинного обучения. Валидация данных и оценка качества алгоритмов. Построение рекомендательных систем

Семестр 3. Выбор трека специализиации

А) AI Разработчик

Вы изучите:
— нейронные сети и компьютерное зрение
— NLP
— reinforcement learning

Практика:
Создание агента для игры на базе DQN алгоритма, генерация изображения с помощью GAN
В портфолио вы положите написанную вами нейронную сеть для распознавания рукописных цифр и изображений, нейросеть для сегментации людей, решенную задачу по детекции, нейросеть по работе с естественным языком и генерации изображений, а также создадите самообучающегося чат-бота.

Б) Machine learning разработчик

Вы изучите: — сервер на Python — создание веб приложений — Hadoop и Spark — Управление Data Science проектом

peer-to-peer проверка
командные соревнования на kaggle
300+ упражнений на закрепление знаний

В) Big Data инженер

Вы изучите:
— нейронные сети
— инструменты DevOps
— менеджмент для Data Science

peer-to-peer проверка
командные соревнования на kaggle
300+ упражнений на закрепление знаний

Семестр 4. Подготовка финального проекта.

— завершение трека специализации
— выбор и подготовка финального проекта
— работа над проектом с экспертом курса
— soft skills: навыки работы в команде, управления проектами, самопрезентации и коммуникации с заказчиками
— карьерные консультации