8 800 500-05-22
Бесплатно по России
+7 495 120-40-96
Москва и область
Профессия Data Scientist с 0 до PRO
Станьте специалистом по поиску бизнес-решений или обучению нейросетей, даже если у вас нет опыта программирования.
В одной программе
В практических заданиях
Онлайн-обучения
ДВЕ СПЕЦИАЛЬНОСТИ
РЕАЛЬНЫЕ ДАННЫЕ
300 ЧАСОВ
ДОСТУП К КУРСАМ
Навсегда
ТРУДОУСТРОЙСТВО
После обучения
Новичкам
Кому подойдёт этот курс
Вы только начали интересоваться Data Science. Хотите развиваться, но вам недостает опыта
в программировании
и работе с данными.
Data-аналитикам
в начале пути
Вы освоили первые приемы работы с Big Data и завели свой профиль на Kaggle. Понимаете, что для роста вам нужно структурировать знания
и выбрать специализацию.
Маркетологам
и управленцам
Вы используете данные каждый день, они помогают принимать управленческие решения. Нехватка знаний о Data Science мешает полностью доверять отчетам аналитиков и готовить для них технические задания.
Что такое знание Data Science сегодня
Компании генерируют все больше данных, принимать правильные управленческие решения становится сложнее, потребность в специалистах растет. По данным hh.ru, зарплаты специалистов в области Data Science составляют 100–250 тысяч рублей.
Востребованность
Каждый новый массив данных —
это захватывающая головоломка, испытание ваших способностей. Рекомендательные системы Netflix, распознавание песен Shazam, программы лояльности крупнейших онлайн- и офлайн-магазинов —
за всем этим стоит Data Scientist.
Интересные задачи
Специалисты по Data Science поддерживают активное сообщество, где многие находят не только профессиональную поддержку,
но и друзей.
Сообщество
Гарантия успешной карьеры

Мы предоставляем каждому из наших студентов возможность стажировки в топовых компаниях России, а также помощь в трудоустройстве и прохождении собеседований
Реальные проекты
Ваше портфолио пополнится реально выполненными проектами
Закрепление знаний
На стажировке вы сможете закрепить знания и прокачать навыки в разы
Подготовка к работе
Посещайте занятия, созданные лучшими преподавателями в отрасли
Программа курса
После прохождения базового курса вы сможете выбрать специализацию: аналитика или машинное обучение. Домашние задания содержат настоящие данные, то есть после курса вы фактически будете иметь
за плечами год реальной практики.
Блок 1. Аналитика. Начальный уровень
Модуль 1. Введение в Data Science
  • про Data Science;
  • авторы курса;
  • структура курса;
  • практика.
Модуль 2. Введение в Python
  • причины выбора Python;
  • установка окружения;
  • базовые элементы Python.
Модули 3–4. Библиотека NumPy
  • основные идеи;
  • Ndarray;
  • базовые операции;
  • работа с массивами;
  • условия и булевы массивы;
  • изменение размерности списков;
  • операции над списками;
  • дополнительные концепции;
  • структурированные списки;
  • чтение/запись списков.
Модули 5–6. Библиотека pandas
  • основные структуры;
  • индексы;
  • операции над структурами данных;
  • функция mapping;
  • сортировка и упорядочивание;
  • работа с NaN'ами;
  • иерархическое индексирование.
Модули 7. Чтение и запись данных. Часть 1
  • чтение текстовых и CSV-файлов;
  • работа с данными форматов XML;
  • работа с данными форматов XLSX.
Модуль 8. Основы SQL
  • введение в SQL;
  • манипуляция данными;
  • создание и изменение таблиц, индексирование;
  • группировка данных, агрегация, оконные функции.
Модуль 9. Чтение и запись данных. Часть 2
  • работа с данными формата HDF5;
  • pickle - сериализация объектов;
  • работа с БД: SQLite3;
  • работа с БД: PostgreSQL;
  • работа с БД: MongoDB.
Модуль 10. Обработка данных
  • трансформация данных;
  • дискретизация и группировка;
  • работа со строками;
  • агрегация данных.
Модуль 11. Визуализация данных с помощью Matplotlib
  • архитектура Matplotlib;
  • добавление элементов на график;
  • сохранение и дальнейшая работа с графиком;
  • дополнительные графики.
Модуль 12. Заключение
Блок 2. Машинное обучение.
Начальный уровень
Модуль 1. Основные концепции Machine Learning (ML)
  • введение в машинное обучение;
  • обучение с учителем (supervised learning);
  • обучение без учителя (unsupervised learning);
  • обучение с частичным привлечением учителя (semi-supervised learning);
  • обучение с подкреплением (reinforcement learning);
  • основные проблемы машинного обучения.
Модули 2–4. Жизненный цикл ML-проекта
  • формулирование технического задания;
  • сбор данных;
  • настройка рабочего окружения;
  • Exploratory Data Analysis;
  • подготовка данных;
  • выбор и обучение модели;
  • Fine-Tuning;
  • последующая поддержка модели.
Модули 5–6. Регрессия
  • линейная регрессия;
  • метрики качества регрессии;
  • полиномиальная регрессия;
  • регуляризация;
  • обучение моделей с помощью градиентного спуска.
Модуль 7–8. Классификация
  • алгоритмы KNN, SVM, Decision Trees;
  • метрики качества классификации;
  • мультиклассовая классификация;
  • анализ ошибок.
Модуль 9. Кластеризация
  • алгоритм DBSCAN;
  • алгоритм K-средних;
  • метрики качества кластеризации.
Модули 10–11. Дополнительные техники
  • PCA, SVD, t-SNE;
  • бустинг моделей;
  • стэкинг моделей.
Модуль 12. Знакомство с Kaggle
Модуль 13. Заключение
Блок 3. Вариант 1. Аналитика. Средний уровень
Модуль 1. Введение
Модуль 2. A/B-тестирование
Модуль 3. Анализ временных рядов
  • способы обработки временных рядов;
  • эконометрический подход;
  • модели машинного обучения для предсказания значений временного ряда.
Модуль 4. Выявление аномалий (Scikit-Learn)
Модули 5–7. Язык программирования R
  • установка R;
  • работа с консолью;
  • типы данных;индексирование коллекций;
  • управляющие структуры;
  • функции;
  • область видимости;
  • работа с коллекциями: функции;
  • отладка и профилирование;
  • простейшая графика.
Модули 8–9. Создание аналитических панелей (Dashboard) на Python и R
  • фреймворк Shiny;
  • фреймворк Dash.
Модуль 10. Заключение
Блок 3. Вариант 2. Машинное обучение. Средний уровень
Модуль 1. Введение
Модули 2–3. Введение в нейронные сети
Модуль 4. Google Colab
  • предназначение Google Colab;
  • запуск моделей на CPU/GPU (Tensorflow, Keras, Pytorch).
Модули 5–6. Нейронные сети прямого распространения
  • описание;
  • примеры реализации на Tensorflow;
  • прикладное применение.
Модули 7–8. Автокодировщики
  • описание;
  • примеры реализации на Tensorflow;
  • прикладное применение.
Модули 9–10. Сверточные нейронные сети
  • описание;
  • примеры реализации на Tensorflow;
  • прикладное применение.
Модуль 11. Введение в NLP (обработку естественного языка)
  • TF-IDF;
  • N-grams;
  • модель Bag of Words;
  • техника Word2Vec.
Модуль 12. Рекомендательные системы
Модуль 13. Вывод моделей машинного обучения в production, post-production и мониторинг
Модуль 14. Заключение

Преподаватели

Валентин Пановский
Chief Data Scientist в Skillbox
Алла Тамбовцева
Преподаватель НИУ ВШЭ
Михаил Овчинников
Главный методист технического направления Skillbox
Александр Джумурат
Руководитель команды разработки рекомендательной системы в ivi.ru
Дмитрий Коробченко
Deep Learning R&D инженер
и менеджер в NVIDIA
Алексей Мастов
Deep Learning инженер
в NVIDIA

Как проходит обучение

Занятия
Инфраструктура вашего обучения содержит: обучающую платформу, обратную связь от преподавателей и доступ к секретному комьюнити студентов и наставников.
Практика
Каждая тема включает задание из реальной практики. После каждого блока вы выполняете дипломный проект и дополняете им свое резюме.


Онлайн-мероприятия
Кроме цифрового обучения и индивидуального общения с преподавателями вас также ждут регулярные онлайн-воркшопы.
Трудоустройство
Это наша цель. Только так мы сможем показать, что онлайн-образование действительно работает.
1
2
3
4
Иван Иванов
Специалист по анализу данных
Ожидаемая зарплата от
100 000
Ключевые навыки:
R и Python, знание основных библиотек;
сведение и чистка данных;
выявление аномалий (Scikit-Learn) и закономерностей;
построение эконометрических моделей;
создание аналитических панелей (фреймворки Dash и Shiny).

Ваше резюме по итогам прохождения курса

Ожидаемая зарплата от
120 000
Ключевые навыки:
Python, знание основных библиотек;
работа в Google Colab;
построение нейросетей;
анализ текстовых данных (Bag of Words, Word2Vec);
Deep learning.
Иванова Ирина
Специалист по машинному обучению

или

Полная стоимость курса
117 000
3 900
Банковская рассрочка
без первого взноса
93 600
Цена для первых 20-ти
Запишитесь на курс
Нажимая на кнопку вы соглашаетесь с условиями обработки
Стоимость обучения
Полная стоимость курса
Онлайн-университет
современных digital-профессий
Максимально практическое обучение от лидеров digital-рынка. Курсы от компаний, оттачивающих мастерство на реальных проектах. После обучения возможность получить работу в этих компаниях или у партнёров университета.
82%
89%
94%
выпускников довольны
курсом и результатом
студентов довольны
преподавателями
выпускников получают карьерный рост
В Skillbox учатся сотрудники компаний
Оставьте свой номер телефона и наш специалист свяжется с вами, чтобы дать подробную информацию о начале учебы на курсе
Появились вопросы по курсу?
Нажимая на кнопку вы соглашаетесь с условиями обработки
г. Москва, Ленинский проспект, дом 6, стр.20
Обладатель премии Рунета 2018
Резидент Skolkovo
© 2019 Skillbox