Data Scientist занимается сбором и обработкой большого количества информации. Полученные результаты используются в создании систем, которые могут самостоятельно обучаться и решать задачи, с которыми нельзя справится при помощи стандартных алгоритмов. Такие технологии могут распознавать лица, предсказывать вероятность определенных событий, водить автомобиль и многое другое.

Data Scientist — одна из самых высокооплачиваемых и перспективных профессий на рынке. Она использует передовые технологии и постоянно развивается. Работа в этой сфере неразрывно связана с полезными задачами, решающими серьезные проблемы.

ПЕРСПЕКТИВЫ ПРОФЕССИИ

Опыт работы: меньше 1 года

Диапазон зарплат: 300-900$

Опыт работы: 1-3 года

Диапазон зарплат: 700-1140$

Опыт работы: от 3-х лет

Диапазон зарплат: 2800-4000$

Данные взяты согласно статистике dou.ua за 2018 год

ЧТО ТЫ СМОЖЕШЬ ПОСЛЕ ОБУЧЕНИЯ

1

Понимать суть и задачи Data Science и ее пользу для бизнеса

2

Пользоваться современными методами машинного обучения

3

Использовать технологию для решения существующих бизнес-задач

ПРОГРАММА ОБУЧЕНИЯ

10 занятий

Зачем нужны компьютерные программы?
Переменные, выражения и инструкции Python
Управление потоком выполнения
Итерации
Функции и модули
Строки
Файлы
Коллекции
Элементы функционального программирования
Объектно-ориентированное программирование

Смотреть программу курса

14 занятий

Введение в машинного обучения и Data science
Основы языка программирования Python
Функциональное программирование в Python
Объектно-ориентированное программирование в Python
Исследование и подготовка данных к анализу
Типичные проблемы в подготовке данных к анализу
Базовые регрессионные модели
Базовые модели классификации
Базовые модели кластеризации и снижения размерности
Деревья решений и ансамбли
Методы улучшения качества моделей машинного обучения
Нейронные сети
Введение в Big Data
Практикум по пути улучшения качества моделей

Смотреть программу курса

7 занятий

Введение в Data Science и Machine Learning
Data Science Process and Frameworks
Предварительная обработка данных
Прогнозирование и классификация
Кластеризация и рекомендационные алгоритмы
Имплементация моделей машинного обучения
Защита курсового проекта

Смотреть программу курса

12 занятий

Общие сведения о интеллектуальный анализ данных (ИАД) и машинное обучение
Методы и алгоритмы классификации
Методы и алгоритмы кластеризации
Методы и алгоритмы построения ассоциативных правил. Секвенциальный анализ
Ансамбли моделей ИАД
Методы и алгоритмы анализа текстовой информации (text mining)

Смотреть программу курса

20 занятий

Вступление Data science, Machine learning and deep learning
Современные нейронные сети
Сверточные нейронные сети
Обработка изображений и их аугментация
Transfer Learning для классификации
Выявление объектов
Сегментация изображений
Генеративно-соревновательные нейронные сети
Обробка естественного языка
Features engineering для NLP
Word Embeddings
Sequence models
Transfer Learning для NLP
Моделирование тем и реферирования текстов
Автоматизация ответов на вопросы через нейронные сети
Прогнозирование временных рядов с помощью нейронных сетей
Рекурентные нейронные сети для временных рядов
Улучшение глубоких нейронных сетей
Tensorflow для продакшн
Презентации курсовых проектов

Смотреть программу курса

ЧТО ТЫ ПОЛУЧИШЬ ПОСЛЕ КУРСА

1

Сертификат, который подтвердит твои знания перед будущим работодателем

2

Опыт работы в команде, что пригодится в реальных проектах

3

Проект в портфолио, который можно поддерживать, дополнять и в дальнейшем монетизировать.

ПОДАТЬ ЗАЯВКУ

ИНСТРУКТОРЫ

Ты будешь учиться под руководством специалистов ведущих компаний

Большой опыт в области анализа временных рядов. Анализ тональностей текстов. Закончил бакалавриат мехмата Каразина, ныне магистрант УКУ, студент ШАДа. Участник и призер ACM ICPC. Профессиональный стек: Python, R, Sklearn, Keras, TensorFlow.

2 года коммерческого опыта в области анализа данных. Большой опыт в области исследования временных рядов, практический опыт в нейросетях (Keras&TF). Опыт в области построения продукта, начиная с этапа сбора данных и заканчивая имплементацией решений.

Принимал участие в исследовании задачи анализа тональности текстов. Активно развиваюсь в области рекомендательных систем, улучшения моделей с целью повышения бизнес метрик

Филипп Кофман