Профессия Data Scientist: машинное обучение

79000
р.
131670
р.
Школа: Skillbox
Дата начала: в момент подключения
Уровень: с нуля
Формат обучения: записанные уроки
Продолжительность: 13 месяцев
Трудоустройство: гарантировано

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

Зачем проходить онлайн обучение?

Вы научитесь:
  • создавать аналитические системы и использовать алгоритмы машинного обучения
  • освоите работу с нейросетями
  • работать с библиотеками Pandas, NumPy и Matpotlib и освоите базы данных PostgreSQL, SQLite3, MongoDB
  • программировать на Python

Наполните портфолио и получите престижную профессию.

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
«Благодаря этому курсу вы научитесь создавать аналитические системы и сможете использовать алгоритмы машинного обучения, а также освоите работу с нейросетями. В том числе, прокачав аналитическое мышление, вы сможете использовать алгоритмы машинного обучения для решения бизнес-задач»
ПЕРЕЙТИ К КУРСУ

Сколько зарабатывает Data Scientist?

60-80к
ДЖУН
80-120к
МИДЛ
130к+
СЕНИОР

Что вообще делает Data Scientist?

Плоды работы UI дизайнера - это все что мы видим на экране. Кнопки, поля ввода, чекбоксы, тоглы и радио баттоны - все это часть интерфейса, с которой мы как пользователи взаимодействуем ежедневно

Программа онлайн курса

Аналитика. Начальный уровень
  1. Введение в Data Science
  2. Введение в Python
  3. Основы Python: установка PyCharm
  4. Основы Python: базовые структуры данных
  5. Основы Python: циклы и условия
  6. Основы Python: функции
  7. Мастер-класс: воронки
  8. Основы Python: классы и объекты
  9. Основы Python: исключения
  10. Библиотека NumPy: методы анализа массивов
  11. Библиотека NumPy: способы преобразования массивов
  12. Библиотека pandas: индексация и выбор данных
  13. Библиотека pandas: применение функций, группировка, сортировка
  14. Визуализация данных с помощью matplotlib
  15. Мастер-класс: разведочный анализ (EDA)
  16. Курсовая работа. Подготовка аналитического отчёта на основе имеющихся данных в качестве помощи продюсерам образовательных программ эффективно выстраивать стратегию по обновлению и улучшению курсов
  17. Чтение и запись данных: CSV, HTML, XML, XLSX
  18. Основы SQL
  19. Чтение и запись данных: JSON, HDF5, Работа с БД: SQLite3, postgreSQL, MongoDB
  20. Работа со строками
  21. 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
  22. Курсовая работа. Часть 2. подготовка аналитического отчёта для SMM-отдела компании Skillbox на основе паблика Skillbox «ВКонтакте»
Статистика и теория вероятностей
  1. Основы статистики и теории вероятностей
Основы математики для Data Science
  1. Базовые математические объекты и SymPy. Дроби и преобразования
  2. Базовые математические объекты и SymPy. Функции и дополнительные объекты
  3. Функции одной переменной, их свойства и графики
  4. Интерполяция и полиномы: квадратичные и кубические функции
  5. Аппроксимация и преобразование функций: сдвиги, растяжения, сжатия
  6. Аппроксимация и работа с производными
  7. Функции нескольких переменных, их свойства и графики
  8. Частные производные функции нескольких переменных
  9. Векторы и матрицы. Градиент
  10. Линейная регрессия и системы линейных уравнений
  11. Разложение матриц. Собственные векторы и значения
Машинное обучение. Начальный уровень
  1. Основные концепции Machine Learning (ML)
  2. Жизненный цикл ML-проекта
  3. Регрессия: метрики качества, преобразование входных данных
  4. Регрессия: регуляризация и градиентный спуск
  5. Классификация: kNN, наивный байесовский классификатор, деревья решений
  6. Классификация: метрики качества классификации и многоклассовая классификация
  7. Кластеризация
  8. Дополнительные техники: понижение размерности
  9. Дополнительные техники: бустинг и стекинг
  10. Знакомство с Kaggle
  11. 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
Машинное обучение. Средний уровень
  1. Введение в нейронные сети
  2. Обучение нейронных сетей
  3. Нейронные сети на практике
  4. Свёрточные нейросети для задачи классификации изображений: введение в свёртки (многоканальные свёртки, рецептивное поле)
  5. Свёрточные нейросети для задачи классификации изображений: продвинутые операции со свёрткой (архитектуры сетей VGG и ResNet, задача Transfer Learning для свёрточных сетей)
  6. Семантическая сегментация: слабая локализация и полносвёрточные нейросети (FCN)
  7. Семантическая сегментация: продвинутые архитектуры FCN для семантической сегментации
  8. Детектирование объектов. Задачи классификации и локализации
  9. Детектирование объектов. Анализ и реализация R-CNN-архитектуры
  10. Детектирование объектов. Разбор популярных архитектур (Fast/Faster R-CNN, YOLO, SSD) и знакомство с TensorFlow Object Detection API
  11. От дискриминативных моделей к генеративным. Style transfer
  12. Генеративные состязательные сети
  13. Введение в NLP
  14. NLP на нейросетях. Рекуррентные нейросети, классификация текстов
  15. NLP на нейросетях. Языковые модели, Attention, Transformer
  16. Обучение с подкреплением. Q-Learning
  17. Обучение с подкреплением. Deep Q-Learning
  18. Ускорение и оптимизация нейронных сетей
  19. Внедрение DL моделей в production
  20. Введение в рекомендательные системы и задачи ранжирования
  21. Современные подходы к построению рекомендательных систем
Универсальные знания программиста
  1. Как стать первоклассным программистом
  2. Как искать заказы на разработку
  3. Личный бренд разработчика
  4. Photoshop для программиста
  5. Вёрстка email-рассылок. Советы на реальных примерах
  6. The state of soft skills
  7. Как мы создавали карту развития для разработчиков
  8. Как общаться по email и эффективно работать с почтой
  9. Повышение своей эффективности
  10. Спор о первом языке программирования
  11. Саморазвитие: как я не усидел на двух стульях и нашёл третий
  12. Data-driven подход к продуктивности — инсайты из данных миллиона людей
Английский для IT-специалистов
  1. IT Resume and CV
  2. Job interview: questions and answers
  3. Teamwork
  4. Workplace communication
  5. Business letter
  6. Software development
  7. System concept development and SRS
  8. Design
  9. Development and Testing
  10. 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»
Артемий Козырь
Старший аналитик данных Wheely. Блок «Аналитика. Начальный уровень»
Андрей Мещеряков
Data Scientist в EPAM. Блок «Аналитика. Начальный 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 машинного обучения
  2. Применение алгоритмов машинного обучения
  3. Работа с различными источниками данных: CSV, XML и XLS
  4. Написание рекомендательных систем
  5. Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL
  6. Работа с нейронными сетями
  7. Работа с библиотеками pandas, numpy, matplotlib
✨ 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