Профессия‌ ‌Data‌ ‌Scientist‌

151890
р.
253150
р.
Школа: Skillbox
Дата начала: в момент подключения
Уровень: с нуля
Формат обучения: записанные уроки
Продолжительность: 18 месяцев
Трудоустройство: гарантировано

❤️ Есть отзывы
✋ Возможна оплата в рассрочку
✅ Проверено экспертами ИЗИПИЗИ

Зачем проходить онлайн обучение?

Вы научитесь:
  • программировать на Python
  • визуализировать данные
  • работать с библиотеками и базами данных
  • программировать на R
  • применять нейронные сети для решения реальных задач
  • создавать рекомендательные системы

Сможете построить карьеру в крупной технологической компании — в России или за рубежом.

Преимущества онлайн обучения

Есть
✅ – Проверка домашних заданий
✅ – Индивидуальная обратная связь
✅ – Бессрочный доступ к урокам
✅ – Трудоустройство гарантировано
✅ – Дипломный проект
✅ – Диплом об окончании
✅ – Рассрочка по оплате
✅ – Чат со студентами группы
ЭКСПЕРТНОЕ Мнение ИЗИПИЗИ о курсе
«Курс поможет вам приобрести базовые навыки по программированию, аналитике и статистике, которые откроют вам двери к карере в Data Science. Программа курса поможет прокачать аналитический склад ума, а множество практических заданий усилят портфолио и помогут построить карьеру в крупной технологической компании»
ПЕРЕЙТИ К КУРСУ

Сколько зарабатывает Data Scientist?

60-80к
ДЖУН
80-120к
МИДЛ
130к+
СЕНИОР

Программа онлайн курса

Введение в анализ данных и машинное обучение
 1. Аналитика. Начальный уровень
  • 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»
 2. Статистика и теория вероятностей
  • Основы статистики и теории вероятностей
 3. Основы математики для Data Science
  • 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
 4. Машинное обучение. Начальный уровень
  • 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
Специализация
 1. Аналитика. Средний уровень
  • 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
 2. Машинное обучение. Средний уровень
  • 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
 1. Универсальные знания программиста
  • Как стать первоклассным программистом
  • Как искать заказы на разработку
  • Личный бренд разработчика
  • Photoshop для программиста
  • Вёрстка email-рассылок. Советы на реальных примерах
  • The state of soft skills
  • Как мы создавали карту развития для разработчиков
  • Как общаться по email и эффективно работать с почтой?
  • Повышение своей эффективности
  • Спор о первом языке программирования
  • Саморазвитие: как я не усидел на двух стульях и нашёл третий
  • Data-driven-подход к продуктивности — инсайты из данных миллиона людей
 2. Английский для IT-специалистов
  • IT Resume and CV
  • Job interview: questions and answers
  • Teamwork
  • Workplace communication
  • Business letter
  • Software development
  • System concept development and SRS
  • Design
  • Development and Testing
  • Deployment and Maintenance
Дипломные проекты

1. Рекомендательная система для онлайн-гипермаркета Instacart

Проект-соревнование на платформе Kaggle. Вы используете анонимные данные о заказах клиентов, чтобы предсказать, какие продукты будут в их следующем чеке. Создадите рекомендательную систему для сайта и рекламных коммуникаций.


2. Система по распознаванию эмоций

Проект-соревнование на платформе Kaggle. Это подразумевает написание воспроизводимого кода, генерирующего csv-файл с ответами, в котором для каждого изображения с лицом человека указана его наиболее вероятная эмоция. В итоге вы реализуете собственный проект в области компьютерного зрения.

Преподаватели курса

Валентин Пановский
Chief Data Scientist в Skillbox. Блоки «Аналитика и машинное обучение. Начальный уровень»
Михаил Овчинников
Главный методист технического направления Skillbox
Алла Тамбовцева
Преподаватель НИУ ВШЭ
Александр Джумурат
Руководитель команды разработки рекомендательной системы в ivi.ru
Дмитрий Коробченко
Deep Learning R&D инженер и менеджер в NVIDIA. Блок «Машинное обучение. Средний уровень»
Алексей Мастов
Deep Learning инженер в NVIDIA. Блок «Машинное обучение. Средний уровень»
Лидия Храмова
Team Lead Data Scientist группы бизнес-моделирования в QIWI. Блок «Статистика и теория вероятностей»
Адель Томилова
Data Scientist в KPMG. Блок «Аналитика. Начальный уровень»
Николай Голов
Chief Data Architect в ManyChat. Блок «Аналитика. Начальный уровень»
Александр Панёв
Руководитель бизнес-аналитики в Rambler Group. Блок «Аналитика. Средний уровень»
Артемий Козырь
Старший аналитик данных Wheely. Блок «Аналитика. Начальный уровень»
Андрей Мещеряков
Data Scientist в EPAM. Блок «Аналитика. Начальный уровень»
Алексей Чернобровов
Консультант по Data Science. Блок «Машинное обучение. Средний уровень»
Анна Черданцева
Аналитик и product-менеджер в Profi.ru. Блок «Аналитика. Средний уровень»
Николай Герасименко
Data Scientist в Сбербанке, математик в ВЦ РАН. Блок «Основы математики для Data Science»
Павел Логинов
Аналитик данных в Space307. Блок «Аналитика. Средний уровень»

Навыки, которые вы получите ✊

Профессиональные навыки - хард скилз
Софт скилз - надпрофессиональные, которые потенциально можно развивать на этом курсе
⚡ Хард скилз
  1. Владение Python для анализа данных и машинного обучения
  2. Работа с различными источниками данных: CSV, XML и XLS
  3. Знание языка программирования R и основных библиотек
  4. Создание аналитических панелей (фреймворки Dash и Shiny
  5. Применение алгоритмов машинного обучения
  6. Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL
  7. Организация и проведение А/B-тестирования
  8. Написание рекомендательных систем
  9. Работа с нейронными сетями
✨ Софт скилз
  1. Стратегическое планирование
  2. Управление проектами
  3. Подбор и развитие команды, управление командой
  4. Бюджетирование
  5. Анализ рынка
💚 Коммент ИЗИПИЗИ
Данный курс соответсвует необходимым для этой профессии навыкам

Подойдет ли мне данный курс?

Курс подойдёт вам, даже если вы начинаете свой путь в программировании с нуля. Лекции составлены таким образом, что внимательно изучая их, а также выполняя домашние задания, вы обязательно усвоите материал. Во время обучения вам будут помогать опытные наставники, которые на протяжении всего курса будут следить за вашим прогрессом, а преподаватели-эксперты области помогут быстро заговорить на профессиональном языке, предоставив вам как теоретические, так и практические знания.
А отзывы где???
Женя Логинова
Идейный вдохновитель ИЗИПИЗИ
Жек, привет✋, а где отзывы-то??? Вроде, курс неплохой, наверняка его уже кто-то проходил и составил свое мнение
Женя Егоров
Верный соратник ИЗИПИЗИ
Привет, привет. Знаю, что онлайн курсы сейчас пользуются огромным спросом⚡Было бы круто найти еще человека, который тоже прошел или еще проходит обучающую программу.

Отзывы дают реальное понимание и помогают определиться с выбором, сам выбирал курс благодаря отзывам
Женя Логинова
Идейный вдохновитель ИЗИПИЗИ
Ок, а давай тогда дадим за отзыв крутую подборку:

⛵Как составить резюме, которое будет вас продавать

⌛Пошаговый конструктор сопроводительного письма, когда оно действительно нужно

⌚ Как составить свою стратегию поиска работы
Женя Егоров
Верный соратник ИЗИПИЗИ
ИЗИ, напишите ваш отзыв, указав свою социальную сеть и после валидации, мы обязательно отправим вам огненную подборку
Полезный материал об онлайн-курсах
Чтобы тебе было проще определиться
с курсом и успешно его завершить
Подробный отзыв, оставленный вами, поможет другим людям определиться с выбором
Спасибо за оставленный отзыв, мы проверим его содержание и свяжемся с вами
У нас есть два простых правила:

❗ Мы уделяем большое внимание отзывам о курсах и проверяем их достоверность

❗Мы не публикуем недостоверные и субъективные отзывы от кого попало, поэтому просим оставить ваши контакты для проверки подленности прохождения
Как вас зовут?
Ваш телефон
Ваш e-mail
Добавьте ссылку на любую вашу социальную сеть, к которой у вас есть доступ
Для того, чтобы мы могли проверить ваш профиль и связаться с вами в случае вопросов
Подробно опишите прохождение курса
Добавьте файлы
Тут вы можете добавить любую вашу гордость. Например, фото диплома, личного кабинета, ваших работ, сделанных на курсе
Made on
Tilda