Длительность курса «Профессия Data Scientist» — 24 месяца. После обучения вы будете обладать знаниями и навыками специалиста уровня Middle и рассчитывать на среднюю зарплату по отрасли. За два года обучения по 10 часов в неделю вы освоите востребованные навыки в Data Science и соберёте портфолио проектов. 

Вы будете практиковаться на реальных бизнес-задачах. Самостоятельно напишете и обучите модели разной сложности: от линейных регрессий и классификаторов до гибридных рекомендательных систем или моделей с использованием нейронных сетей. Выведете вашу модель в Production с помощью написания сервиса на Flask.

Уроки помогут закрепить на практике теоретический материал и отработать в нюансах подходы к решению задач машинного и глубинного обучения. Вы наработаете навыки машинного обучения, построите рекомендательную систему с использованием алгоритмов и научитесь работать с временными рядами.

Программа

Семестр 1. Foundation

1. Основы программирования на Python + Python для анализа данных.
2. Подгрузка данных.
3. Разведывательный анализ данных.

Семестр 2. Python для анализа данных и machine learning

1. Введение в машинное обучение.
2. Математика и углубленное машинное обучение.
3. ML в бизнесе.

Семестр 3-4. Специализация по выбору

1. Специализация CV разработчик.
2. Специализация ML разработчик.
3. Специализация NLP разработчик.

Чему вы научитесь

• Использовать основные алгоритмические конструкции и структуры данных Python для проектирования алгоритмов.
• Уметь получать данные из веб-источников или по API.
• Уметь визуализировать данные с помощью Pandas, Matplotlib.
• Уметь создавать модели с помощью классического машинного и глубокого обучения для решения задач Data Science.
• Уметь оценивать качество модели вне зависимости от задачи.
• Применять методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных.
• Строить математические и ML-модели с использованием временных рядов.
• Применять алгоритмы для рекомендательных систем (от ассоциативных правил до advanced-алгоритмов).
• Специализироваться на в ML/CV/NLP-инженерии (в зависимости от выбранной специализации), применять современные продвинутые модели для решения соответствующих задач.
• Уметь конвертировать бизнес-задачи в технические и наоборот.
• Уметь выводить и поддерживать модели в Production с учетом специфики выбранной специализации.
• Обладать дополнительными компетенциями в зависимости от выбранного майнора (продвинутый SQL, продвинутый Python, Reinforcement Learning или Data Engineering).