Профессия Data Scientist

Программа

Вас ждут 9 курсов, онлайн-лекции и практические задания, а также 3 дипломных проекта. После обучения вы сможете претендовать на позицию Junior Data Scientist.

Введение в анализ данных и машинное обучение

Python для Data Science

1. Введение в Data Science
2. Введение в Python
3. Основы работы с Python
4. Операторы, выражения
5. Условный оператор if, ветвления
6. Условный оператор if: продолжение
7. Цикл while
8. For: циклы со счетчиком
9. For: циклы со счетчиком, часть 2. Функция range
10. Цикл for: работа со строками
11. Вложенные циклы
12. Числа с плавающей точкой (int/float)
13. Функции
14. float 2
15. Установка и настройка IDE
16. Базовые коллекции 1 — list (списки)
17. Методы для работы со списками
18. List comprehensions
19. Базовые коллекции: Строки
20. Базовые коллекции: словари и множества
21. Базовые коллекции: Кортежи
22. Функции — Рекурсия
23. Работа с файлами
24. Исключения: работа с ошибками
25. Введение в ООП
26. Основные принципы ООП
27. Итераторы и генераторы

Аналитика. Начальный уровень

1. Библиотека NumPy: методы анализа массивов
2. Библиотека NumPy: способы преобразования массивов
3. Библиотека pandas: индексация и выбор данных
4. Библиотека pandas: применение функций, группировка, сортировка
5. Основы визуализации данных с помощью Matplotlib
6. Продвинутая визуализация с Matplotlib
7. Визуализация с Seaborn
8. Мастер-класс: разведочный анализ (EDA)
9. Курсовая работа. Подготовка аналитического отчёта на основе имеющихся данных в качестве помощи продюсерам образовательных программ эффективно выстраивать стратегию по обновлению и улучшению курсов
10. Чтение и запись данных: CSV, HTML, XML, XLSX
11. Основы SQL
12. Чтение и запись данных: JSON, HDF5, Работа с БД: SQLite3, postgreSQL, MongoDB
13. Работа со строками
14. Курсовая работа. Часть 1. Подготовка аналитического отчёта для HR-отдела. На основе аналитики необходимо составить рекомендации для отдела кадров по стратегии набора персонала и взаимодействию с сотрудниками
15. Курсовая работа. Часть 2. подготовка аналитического отчёта для SMM-отдела компании Skillbox на основе паблика Skillbox «ВКонтакте»

Статистика и теория вероятностей

1. Основы статистики и теории вероятностей
2. Как врать при помощи статистики

Основы математики для Data Science

1. Базовые математические объекты и SymPy. Дроби и преобразования
2. Базовые математические объекты и SymPy. Функции и дополнительные объекты
3. Функции одной переменной, их свойства и графики
4. Интерполяция и полиномы: квадратичные и кубические функции
5. Аппроксимация и преобразование функций: сдвиги, растяжения, сжатия
6. Аппроксимация и работа с производными
7. Функции нескольких переменных, их свойства и графики
8. Частные производные функции нескольких переменных
9. Векторы и матрицы. Градиент
10. Линейная регрессия и системы линейных уравнений
11. Разложение матриц. Собственные векторы и значения

Машинное обучение. Начальный уровень

1. Основные концепции Machine Learning (ML)
2. Жизненный цикл ML-проекта
3. Регрессия: метрики качества, преобразование входных данных
4. Регрессия: регуляризация и градиентный спуск
5. Классификация: kNN, наивный байесовский классификатор, деревья решений
6. Классификация: метрики качества классификации и многоклассовая классификация
7. Кластеризация
8. Дополнительные техники: понижение размерности
9. Дополнительные техники: бустинг и стекинг
10. Знакомство с Kaggle
11. Курсовая работа. Проанализировать данные телекоммуникационной компании и спрогнозировать отток пользователей на основе демографических характеристик, услуг, которыми они пользуются, длительности пользования услугами, метода и размера оплаты

Специализация

Аналитика. Средний уровень

1. Язык программирования R: базовые операции и структуры данных
2. Язык программирования R: циклы и функции
3. Язык программирования R: анализ данных и их визуализация
4. Создание аналитических панелей (Dashboard) в R
5. A/B-тестирование: объем выборки и построение доверительных интервалов
6. A/B-тестирование: статистические гипотезы и алгоритмы их проверки (Bootstrap и статистический тест)
7. Мастер-класс: A/B-тестирование
8. Performance metrics
9. Мастер-класс: модели атрибуции прибыли
10. Интерактивная визуализация с помощью Plotly. Часть 1
11. Интерактивная визуализация с помощью Plotly. Часть 2
12. Интерактивная визуализация с помощью Plotly. Часть 3

Машинное обучение. Средний уровень

1. Введение в нейронные сети
2. Обучение нейронных сетей
3. Нейронные сети на практике
4. Свёрточные нейросети для задачи классификации изображений: введение в свёртки (многоканальные свёртки, рецептивное поле)
5. Свёрточные нейросети для задачи классификации изображений: продвинутые операции со свёрткой (архитектуры сетей VGG и ResNet, задача Transfer Learning для свёрточных сетей)
6. Семантическая сегментация: слабая локализация и полносвёрточные нейросети (FCN)
7. Семантическая сегментация: продвинутые архитектуры FCN для семантической сегментации
8. Детектирование объектов. Задачи классификации и локализации
9. Детектирование объектов. Анализ и реализация R-CNN-архитектуры
10. Детектирование объектов. Разбор популярных архитектур (Fast/Faster R-CNN, YOLO, SSD) и знакомство с TensorFlow Object Detection API
11. От дискриминативных моделей к генеративным. Style transfer
12. Генеративные состязательные сети
13. Введение в NLP
14. NLP на нейросетях. Рекуррентные нейросети, классификация текстов
15. NLP на нейросетях. Языковые модели, Attention, Transformer
16. Обучение с подкреплением. Q-Learning
17. Обучение с подкреплением. Deep Q-Learning
18. Ускорение и оптимизация нейронных сетей
19. Внедрение DL моделей в production
20. Введение в рекомендательные системы и задачи ранжирования
21. Современные подходы к построению рекомендательных систем

Бонусные курсы

Универсальные знания программиста

1. Как стать первоклассным программистом
2. Вёрстка email-рассылок. Советы на реальных примерах
3. The state of soft skills
4. Как мы создавали карту развития для разработчиков
5. Как общаться по email и эффективно работать с почтой?
6. Повышение своей эффективности
7. Спор о первом языке программирования
8. Саморазвитие: как я не усидел на двух стульях и нашёл третий
9. Data-driven-подход к продуктивности — инсайты из данных миллиона людей
10. Протокол HTTP
11. Введение в алгоритмы

Английский для IT-специалистов

1. IT Resume and CV
2. Job interview: questions and answers
3. Teamwork
4. Workplace communication
5. Business letter
6. Software development
7. System concept development and SRS
8. Design
9. Development and Testing
10. Deployment and Maintenance

Что получит слушатель по окончании

• Диплом Skillbox — подтвердит, что вы прошли курс, и станет дополнительным аргументом при устройстве на работу.
• Портфолио из трех готовых работ.
• Помощь в трудоустройстве

Ваше резюме после обучения