Специалист по Data Science от SkillFactory
Программа курса
Ознакомьтесь с программой курса «Специалист по Data Science» от SkillFactory
Введение
1 неделя
- INTRO-1. Как учиться эффективно — онбординг в обучение
- INTRO-2. Обзор профессии. Типы задач в Data Science. Этапы и подходы к разработке Data Science проекта
Проектирование разработки
5 недель
- PYTHON-1. Основы Python
- PYTHON-2. Погружение в типы данных
- PYTHON-3. Условные операторы
- PYTHON-4. Циклы
- PYTHON-5. Функции и функциональное программирование
- PYTHON-6. Практика
- PYTHON-7. Гид по стилю в среде Python (бонусный)
Работа с данными
8 недель
- PYTHON-8. Инструменты Data Science
- PYTHON-9. Библиотека NumPy
- PYTHON-10. Введение в Pandas
- PYTHON-11. Базовые приемы работы с данными в Pandas
- PYTHON-12. Продвинутые приемы работы с данными в Pandas
- PYTHON-13. Очистка данных
- PYTHON-14. Визуализация данных
- PYTHON-15. Принципы ООП в Python и отладка кода (дополнительный модуль)
- Проект 1. Аналитика датасета по закрытым вопросам
Подгрузка данных
6 недель
- PYTHON-16. Как выгружать данные из файлов разных форматов
- PYTHON-17. Получение данных из веб-источников и API
- SQL-0. Привет, SQL!
- SQL-1. Основы SQL
- SQL-2. Агрегатные функции
- SQL-3. Соединение таблиц
- SQL-4. Сложные объединения
- Проект 2. Подгрузка новых данных. Уточнение анализа
Статистический анализ данных
7 недель
- EDA-1. Введение в разведывательный анализ данных. Алгоритмы и методы EDA
- EDA-2. Математическая статистика в контексте EDA. Типы признаков
- EDA-3. Проектирование признаков (Feature Engineering)
- EDA-4. Статистический анализ данных на Питоне
- EDA-5. Статистический анализ данных на Питоне. Часть 2
- EDA-6. Проектирование экспериментов
- EDA-7. Площадка Kaggle
- Проект 2
Введение в машинное обучение
9 недель
- ML-1. Теория машинного обучения
- ML-2. Обучение с учителем: регрессия
- ML-3. Обучение с учителем: классификация
- ML-4. Обучение без учителя: кластеризация и техники снижения размерности
- ML-5. Валидация данных и оценка модели
- ML-6. Отбор и селекция признаков
- ML-7. Оптимизация гиперпараметров модели
- ML-8. ML Cookbook
- Проект 3. Задача классификации
Математика и машинное обучение. Часть 1
6 недель
- MATH&ML-1. Линейная алгебра в контексте Линейных методов. Часть 1
- MATH&ML-2. Линейная алгебра в контексте Линейных методов. Часть 2
- MATH&ML-3. Математический анализ в контексте задачи оптимизации. Часть 1
- MATH&ML-4. Математический анализ в контексте задачи оптимизации. Часть 2
- MATH&ML-5. Математический анализ в контексте задачи оптимизации. Часть 3
- Проект 4. Задача регрессии
Математика и машинное обучение. Часть 2
6 недель
- MATH&ML-6. Теория вероятностей в контексте наивного байесовского классификатора
- MATH&ML-7. Алгоритмы на основе деревьев решений
- MATH&ML-8. Бустинг & Стекинг
- MATH&ML-9. Кластеризация и техники снижения размерности. Часть 1
- MATH&ML-10. Кластеризация и техники снижения размерности. Часть 2
- Проект 5. Ансамблевые методы
ML в бизнесе
8 недель
- MATH&ML-11. Временные ряды. Часть 1
- MATH&ML-12. Временные ряды. Часть 2
- MATH&ML-13. Рекомендательные системы. Часть 1
- MATH&ML-14. Рекомендательные системы. Часть 2
- PROD-1. Подготовка модели к Production
- PROD-2. Прототип Streamlit+Heroku
- PROD-3. Бизнес-понимание. Кейс
- Проект 6. Тема на выбор: временные ряды или рекомендательные системы
УРОВЕНЬ PRO
На третьем этапе вы познакомитесь с одним из методов машинного обучения — глубоким обучением (DL). А также вас ждет полноценный блок выбранной специализации: вы можете освоить навыки машинного обучения (ML), познакомиться с рутиной CV (компьютерного зрения).
Второй год обучения — 2 специализации на выбор
Профориентация
10 недель
- ML или CV: на этом этапе вам наконец предстоит сделать выбор, по какому пути двигаться дальше. Мы расскажем о каждой специализации и предложим решить несколько практических задач, чтобы вам было проще определиться.
- Трудоустройство
- Помощь с трудоустройством
- Город
- Онлайн
- Формат обучения
- Онлайн
- Сертификат
- Есть
- Инструменты на курсе
-
KerasNumPyPythonSQLSeabornmatplotlibpandas
Преподаватели-профессионалы. Каждый преподаватель обладает уникальными знаниями и опытом.
Классная подача материала. Курсы структурированы и адаптированы под каждого, на занятиях много практики, теории и интерактива.
Актуальная и качественная информация. Ученики получают только достоверный и актуальный материал.
Постоянная поддержка менторов. Очень отзывчивые менторы и кураторы курса, ребята делятся опытом 24/7.
Много самостоятельного обучения. Некоторый материал для полноценного и глубокого понимания приходится изучать дополнительно.
Научный язык. Очень часто на курсах встречаются научные термины, понимание которых иногда не адаптировано под обычного ученика.
Взгляните, что студенты и выпускники говорят про SkillFactory
Немного уже остывши от всех эмоций после обучения, хочу рассказать о нём. Эмоции очень разные - от интереса до непонимания. Курс был "Python для анализа данных + Data Scinse". Ростелеком взял планку на действительно активное обучение своих сотрудников в разных областях. Оно и ран...
Был на бесплатном Data-практикуме, было интересно - освоил базовые подходы к созданию чат-ботов. Интересны также бесплатные программы - думаю поучаствовать 🙂