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
- Основы программирования на Python + Python для анализа данных.
- Подгрузка данных.
- Разведывательный анализ данных.
Семестр 2. Python для анализа данных и machine learning
- Введение в машинное обучение.
- Математика и углубленное машинное обучение.
- ML в бизнесе.
Семестр 3-4. Специализация по выбору
- Специализация CV разработчик.
- Специализация ML разработчик.
- 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).