Data Scientist создаёт и обучает предиктивные модели с помощью алгоритмов машинного обучения и нейросетей, помогая бизнесу находить скрытые закономерности, прогнозировать развитие событий и оптимизировать ключевые бизнес-процессы.
Вы научитесь не только работать с аналитикой, нейронными сетями, Big Data и помогать компаниям и продуктам расти с помощью технологий, но и освоите ключевые «мягкие навыки»: коммуникацию в команде, целеполагание и эмоциональный интеллект.
Кому подойдет курс
- Новичкам в Data Science.
- Разработчикам.
- Аналитикам.
Программа
Погружение
В первом модуле вы разберётесь, что такое аналитическое мышление, и узнаете, откуда берутся данные. Научитесь определять ключевые продуктовые метрики и создавать дашборды.
- Аналатическое мышление.
- Основы визуализации данных.
SQL, Python и Big Data
Вы получите ключевые навыки специалиста в Data Science для старта в профессии и сможете искать стажировку в новой сфере уже после прохождения первой ступени.
- SQL и получение данных.
- Аналитика больших данных.
- Python для анализа данных.
- Математика для анализа данных.
Машинное обучение, Deep Learning и нейронные сети
Получите расширенные знания в профессии и научитесь работать с нейронным сетями, обучать модели и реализовывать NLP. Начнёте повышать свою квалификацию. После окончания этой ступени сможете претендовать на позицию Junior Data Scientist и совмещать учёбу с работой.
- Машинное обучение.
- Рекомендательные системы.
- Временные ряды.
- Нейронные сети.
- Компьютерное зрение.
- Обработка естественного языка.
- Deep Learning.
Soft Skills и управление проектами
Сочетание хард- и софт-скиллов поможет вам быстрее расти по карьерной лестнице и добиваться больших результатов. Пройдя все ступени программы, вы сможете претендовать на должность Middle Data Scientist.
- Менеджмент data-проектов.
- Эффективные коммуникации.
- Взаимодействие в команде.
- Публичные выступления.
- Финальный хакатон и Kaggle Competitions.
Чему вы научитесь
- Научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов.
- Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, полученные при анализе данных.
- Обрабатывать текстовые данные, чтобы передавать их в алгоритмы машинного обучения, генерировать новые значимые признаки.
- Быстро строить модели и проверять гипотезы, строить рекомендательную систему и нейронную сеть, выявлять скрытые аномалии в данных.
- Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями.
- Структурировать результаты, формулировать гипотезы, выявлять потребности, находить области применения машинного обучения.