Курсы по Data Science с трудоустройством

Вы поймете, как систематизировать большие данные с помощью Machine Learning и научитесь работать с рекомендательными системами. Освоите такие инструменты как Python и Hadoop, а также узнаете особенности библиотек данных Pandas, Numpy, Matplotlib, Plotly.

Погружение в профессию Data Scientist на языке Python.

Профессии после обучения - Data Scientist, Аналитик данных, Дата‑инженер.

Программа обучения:

• Базовые инструменты работы: IDE, bash, git. Python и понятия ООП. Работа с данными и визуализацией. Занятость 6-8 часов в день.
• Изучаем необходимый минимум математики и статистики, A/B-тестирование, с помощью классических моделей машинного обучения решаем базовые задачи: классификация, регрессия, кластеризация.
• Решаем задачи с помощью нейросетей. Изучаем pytorch. Строим полносвязные, свёрточные, рекуррентные сети. Применяем модели для классификации изображений, детекции объектов, классификации текста, рекомендаций.
• Деплой моделей. Разворачиваем обученные модели на облачных серверах, настраиваем PostgreSQL, Superset, Airflow. Выполняем финальный групповой проект.

• Основы Python и анализа данных. Узнаете основные концепции анализа данных и поймёте, чем занимаются аналитики данных и специалисты по Data Science.
• Базовый Python. Сравните данные пользователей Яндекс Музыки по городам и дням недели.
• Предобработка данных. Проанализируете данные о клиентах банка, определите долю кредитоспособных.
• Исследовательский анализ данных. Исследуете архив объявлений о продаже объектов недвижимости в Петербурге и Ленобласти.
• Первый большой проект. Проведёте сложный исследовательский анализ датасета с информацией о фильмах: показами в кинотеатрах, сборами, государственной поддержкой. Будете сами принимать решения об обработке данных и выборе способов визуализации данных. В конце проведёте исследование о фильмах с господдержкой и найдёте интересные закономерности.
• Статистический анализ данных. Проверите гипотезы сервиса аренды самокатов, чтобы помочь вырастить бизнес.
• Линейные модели в машинном обучении. Разработаете модель машинного обучения, которая поможет владельцам молочной фермы принимать эффективные решения.
• Обучение с учителем: качество модели. Проанализируете покупки клиентов в ретейл-сети. Разработаете модель, которая поможет маркетологам запускать эффективные акции.
• Второй большой проект. Разработаете 2 модели машинного обучения и оцените их качество. Упакуете работу в пайплайн. Смоделируете коэффициент удовлетворённости сотрудников, чтобы помочь HR-отделу компании спрогнозировать текучку кадров.
• Машинное обучение в бизнесе. Обучите модель и предскажете, в каком месторождении добыча нефти принесёт наибольшую прибыль.
• Базовый SQL. Напишете ряд запросов разной сложности к базе данных, в которой хранится информация о венчурных инвесторах, стартапах и инвестициях в них.
• Командная строка и Git. Разместите проекты в своём аккаунте на сервисе GitHub с помощью командной строки и системы контроля версий Git.
• Мастерская. В этом спринте сможете выбрать: поработать над проектом от реального заказчика или поучаствовать в соревнованиях на Kaggle. И тот, и другой кейс сможете положить в портфолио.
• Системы обработки больших данных. Спрогнозируете стоимость квартир для сервиса по продаже недвижимости.
• Численные методы. Разработаете модель для определения стоимости автомобиля с пробегом.
• Мастерская. В этом спринте сможете выбрать: поработать над проектом от реального заказчика или поучаствовать в соревнованиях на Kaggle. И тот, и другой кейс сможете положить в портфолио.
• Продвинутый SQL. С помощью Python и SQL подключитесь к базе данных, посчитаете и визуализируете ключевые метрики сервис-системы вопросов и ответов о программировании.
• Модели и алгоритмы в машинном обучении. Научитесь строить и обучать полносвязные нейросети с помощью фреймворка PyTorch, управлять их обучением с использованием гиперпараметров
• Третий большой проект. Потренируетесь составлять запросы для получения данных. Самостоятельно составите датасет и обучите на нём модель. Оцените потенциальную опасность поездок для сервиса каршеринга и его клиентов.
• Временные ряды. Построите модель и спрогнозируете пиковые нагрузки в такси.
• Машинное обучение для текстов. Ускорите модерацию комментариев в сообществе, автоматизировав оценку их токсичности.
• Компьютерное зрение. Построите модель для определения приблизительного возраста человека по фотографии.
• Четвёртый большой проект. Погрузитесь в вопросы этичной работы с данными. Попрактикуетесь комбинировать текстовые данные и изображения для создания модели машинного обучения. Обработаете оценки соответствия текстовых данных и изображений от экспертов. Создадите систему поиска фотографий по описанию для фотохостинга.
• Итоговый проект. Подтвердите, что освоили новую профессию. Уточните задачу заказчика, пройдёте все стадии анализа данных и машинного обучения. Теперь без уроков и домашних заданий — всё как на реальной работе.
• Дополнительный курс: практика Python. Потренируетесь составлять запросы для получения данных. Самостоятельно составите датасет и обучите на нём модель. Оцените потенциальную опасность поездок для сервиса каршеринга и его клиентов.
• Дополнительный курс: теория вероятностей. Вспомните или узнаете базовые термины в теории вероятностей: независимые, противоположные, несовместные события и т. д. На простых примерах и забавных задачах потренируетесь работать с числами и выстраивать логику решения. Поработаете с практическими заданиями, которые используются на собеседованиях.
• Дополнительный курс: практика SQL. Решите несколько десятков дополнительных задач на отработку навыка работы с SQL. Пройдёте практические задания по составлению SQL-запросов, поработаете с новыми базами данных.
• Нейросети для специалистов по Data Science. Описание отсутствует