Нетология

Data Scientist

  • Начальный уровень
  • Наставник: Нет
  • Сертификат: Нет
  • Формат: Online
  • Рассрочка: Нет
  • Язык: Русский
  • Осталось мест: Неограничено
Записаться

Data Scientist

Чем занимается Data Scientist : Специалист создаёт и обучает предиктивные модели с помощью алгоритмов машинного обучения и нейросетей. Он помогает бизнесу находить скрытые закономерности, прогнозировать развитие событий и оптимизировать ключевые бизнес-процессы.

Процесс обучения:

  • Теория Мы подготовили гибкие форматы обучения: видеолекции, вебинары и митапы
  • Практика Вас ждут домашние, лабораторные и финальные работы после модулей, а также итоговый проект. Захотите углубить знания предложим индивидуальные задания
  • Сопровождение Кураторы, аспиранты и эксперты программы на связи в закрытом студенческом канале курса. Предусмотрены 4 индивидуальные консультации с ментором
  • Итоговая работа Пройдёте все этапы: от проектирования модели данных до реализации пайплайна в облачной среде и упаковки в него искусственного интеллекта
  • Поможем найти ту самую работу:

  • Оформите резюме и сопроводительное письмо Научитесь выгодно презентовать свои сильные стороны, чтобы получать больше откликов компаний
  • Узнаете, как найти работу Познакомитесь с площадками для поиска работы, получите доступ к бирже проектов Нетологии, стажировкам и вакансиям партнёров
  • Подготовитесь к собеседованию Научитесь рассказывать о себе последовательно и без стресса, правильно реагировать на вопросы работодателя и завершать беседу
  • Создадите портфолио Научитесь оформлять портфолио так, чтобы работодателю было удобно изучать ваши работы и у него осталось хорошее впечатление
  • Научитесь работать на себя Узнаете, где искать первых заказчиков, как выстраивать с ними коммуникацию и защитить свои права
  • С чем будем иметь дело:

  • SQL Развернёте и проанализируете базу данных об авиаперевозках
  • Python Проанализируете уровень удовлетворённости сотрудников работой. Построите модель LDA , предсказывающую, уволится ли сотрудник
  • Математика По косинусной метрике найдёте наиболее похожих друг на друга пользователей на основе их оценок, поставленных за фильм
  • Машинное обучение Построите несколько моделей и обучите нейронные сети
  • Компьютерное зрение Классифицируете улов по снимкам с камеры на рыболовецком судне
  • Распознавание естественного языка (или NLP) Классифицируете отзывы по тональности
  • Финальный хакатон В команде с одногруппниками построите модель машинного обучения для решения конкурсной задачи
  • Для кого этот курс?
    • Новичкам в Data Science
    • Разработчикам
    • Аналитикам
    Программа обучения
    SQL и получение данных
    • Введение в SQL.Установка и знакомство
    • Основы SQL
    • Работа с базой данных PostgreSQL
    • Основы и работа с базами данных
    • Углубление в SQL
    Python для анализа данных
    • Основы Python: Jupiter Notebook, комментарии в коде, арифметические операции
    • Управляющие конструкции и коллекции
    • Функции и работа с данными, основы парсинга
    • Работа с файловой системой и модули
    • Исключения и обработка ошибок
    • Функции и понятие класса
    • Регулярные выражения и основы синтаксического разбора
    • Бонусные видеолекции по Git
    • Библиотека NumPy: вычислительные задачи
    • Библиотека Pandas: возможности и оптимизация
    • Функции и работа с данными
    • Методы оптимизации pandas
    • Основы вебскрапинга
    • Базовые понятия статистики. Изучение данных: статистика и исследовательский анализ
    • Случайные события. Случайные величины
    • Корреляция и корреляционный анализ
    • Задачи классификации и кластеризации
    • Доверительные интервалы. Статистическая проверка гипотез для несвязанных выборок
    • Статистическая проверка гипотез для связанных выборок. A/B тесты и как их проводить
    Математика для анализа данных
    • Основные математические понятия для Data Science
    • Продвинутая линейная алгебра
    • Математический анализ. Производные функции нескольких переменных
    • Теория оптимизации
    • Линейная алгебра. Матрицы
    • Основы статистики
    • Математический анализ. Производные функции одной переменной
    • Продвинутая оптимизация
    • Теория вероятностей
    Машинное обучение
    • Регрессионный анализ. Линейная, полиномиальная и логарифмическая регрессия
    • Функции потерь и оптимизация
    • Проблема качества данных
    • Работа с переменными
    • Ансамблирование
    • Feature selection
    • Алгоритмы кластеризации
    • Классификация: Логистическая регрессия и SVM
    • Оценка точности модели, переобучение, регуляризация
    • Работа с пропусками
    • Деревья решений
    • Поиск выбросов и генерация новых признаков
    • Метрики близости. Работа с текстовыми данными. Наивный Байес
    • Улучшение качества модели
    • Название занятия
    Рекомендательные системы
    • Введение и классификация рекомендательных систем
    • Коллаборативная фильтрация
    • Гибридные рекомендательные системы
    • Рекомендации на основе содержания
    • Рекомендации на основе скрытых факторов
    Временные ряды
    • Знакомство с временными рядами
    • Элементарные методы анализа временных рядов
    • Модели ARIMA
    • Модели авторегрессии условной гетероскедастичности
    • Сингулярный спектральный анализ
    • Случайные марковские процессы
    • Нейронные сети в анализе временных рядов
    • Поиск изменений во временном ряде
    Введение в нейронные сети
    • Введение в нейронные сети и библиотеку Keras
    • Введение в свёрточные нейронные сети
    • Углубление в нейронные сети и библиотеку Keras
    • Введение в рекуррентные нейронные сети
    Компьютерное зрение
    • Введение в компьютерное зрение
    • Свёрточные нейронные сети
    • Обучение свёрточной сети на практике
    • Рекуррентные нейронные сети в задачах компьютерного зрения: Image Captioning
    • Выделение признаков и поиск похожих изображений
    • Сегментация и детекция объектов
    • Задачи детекции и сегментации
    • Порождающие модели
    Обработка естественного языка
    • Введение в автоматическую обработку текста
    • Тематическое моделирование
    • Дистрибутивная семантика
    • Классификация в АОТ
    • Извлечение информации
    • Трансформеры. Токенизация: BPE. BERTя
    • Словари. Подкрепление знаний
    • Языковые модели
    • Языковые модели
    • Sequence to sequence-алгоритмы
    • Информационный поиск
    • Синтаксический анализ
    Менеджмент дата-проектов
    • Требования в data-проектах
    • Разработка отчётов по исследованию
    • Методология ведения data-проектов
    • Сохранение результатов эксперимента
    Английский язык для начинающих специалистов
    • Важная лексика для IT-специалиста
    • Чтение документации и анализ требований
    • Стрессовые ситуации
    • Поддержание беседы на английском
    • Переписка на английском
    • Программирование
    • Работа и роли в команде
    • Собрания, презентации
    Финальный хакатон
    Итоговый проект
    Знания и навыки, которые приобретете
    • Умение пользоваться фото-, кино-, видео - и аудиоаппаратурой
    • Правила ремонта и обслуживания автомобилей.
    • Правила ПДД.

    Преподаватели

    • Артур Сапрыкин

      Опыт в аналитике — 5 лет. Работал Data Scientist в ПАО «Мегафон». Ведёт курсы в Skillbox, Нетологии, Яндекс.Практикуме и других образовательных проектах. Спикер конференции Big Data Days 2021.

    • Алексей Кузьмин

      Директор разработки и руководитель Data Science и работы с данными, «ДомКлик»

    • Константин Башевой

      Аналитик-разработчик, Яндекс

    • Вячеслав Мурашкин

      Data Scientist, Google

    • Егор Конягин

      Data Scientist и инженер по компьютерному зрению, Haut.AI

    • Олег Булыгин

      Lead data scientist/data analyst, проектное сотрудничество с крупными компаниями

    • Николай Хащанов

      Fullstack Developer, Aurora Group

    • Иван Родин

      Исследователь, Philips Research, аспирант University of Catania

    • Екатерина Волочаева

      Разработчик группы бизнес-анализа, «Аэроклуб ИТ»

    • Алексей Миронов

      Data Scientist, Домклик

    • Максим Сахаров

      Старший консультант по DS, «БазисСофт», кандидат технических наук