6 месяцев бесплатно — первый платёж через полгода

−40% до 28 ноября

Профессия‌ ‌Data‌ ‌Scientist‌

Декоративное изображение

Вы станете специалистом по анализу данных, алгоритмам машинного обучения и нейросетям, сможете построить карьеру в крупной технологической компании — в России или за рубежом.

Записаться на курс

Профессия Data Scientist будет актуальна и через 15 лет

Кому подойдёт этот курс

Чему вы научитесь

  1. Программировать на Python

    Освоите самый популярный язык для работы с данными.
  2. Визуализировать данные

    Сможете разрабатывать дашборды и интерактивную инфографику.
  3. Работать с библиотеками и базами данных

    Научитесь работать с библиотеками Pandas, NumPy и Matpotlib и освоите базы данных PostgreSQL, SQLite3, MongoDB.
  4. Программировать на R

    Разберетесь в специфике языка, сможете обрабатывать статические данные и работать с графикой.
  5. Применять нейронные сети для решения реальных задач

    Освоите фреймворки для обучения нейронных сетей Tensorflow и Keras. Узнаете, как устроены нейронные сети для задач компьютерного зрения и лингвистики.
  6. Создавать рекомендательные системы

    Построите рекомендательную систему и добавите её в своё портфолио.

Помощь в трудоустройстве

Карточки вакансий

Опытные HR-специалисты отвечают на вопросы, подбирают лучшие вакансии, готовят к собеседованию и помогают каждому студенту получить работу мечты.

Андрей Виноградов

Андрей Виноградов

Руководитель Центра карьеры Skillbox

Учитесь сейчас, платите потом!

Расходы за первые полгода обучения берёт на себя Skillbox. В это время вы посещаете лекции и воркшопы, прокачиваете навыки, находите себе работу и начинаете зарабатывать.

Кредитная программа от надежных банков

  • Для граждан РФ
  • Без первого взноса
  • Без переплаты по процентам
  • Одобрение в день обращения

Как проходит обучение

  1. Изучаете тему

    В курсе — практические видеоуроки.

    Изучаете тему
  2. Выполняете задания

    В том темпе, в котором вам удобно.

    Выполняете задания
  3. Работаете с наставником

    Закрепляете знания и исправляете ошибки.

    Работаете с наставником
  4. Защищаете дипломную работу

    И дополняете ею своё портфолио.

    Защищаете дипломную работу

Программа

Вас ждут 8 курсов, онлайн-лекции и практические задания, а также 2 дипломных проекта-соревнования на Kaggle. После обучения вы сможете претендовать на позицию Junior Data Scientist.

  • 94 тематических модуля
  • 2 бонусных курса

Введение в анализ данных и машинное обучение

    1. Введение в Data Science
    2. Введение в Python
    3. Основы Python: установка PyCharm
    4. Основы Python: базовые структуры данных
    5. Основы Python: циклы и условия
    6. Основы Python: функции
    7. Мастер-класс: воронки
    8. Основы Python: классы и объекты
    9. Основы Python: исключения
    10. Библиотека NumPy: методы анализа массивов
    11. Библиотека NumPy: способы преобразования массивов
    12. Библиотека pandas: индексация и выбор данных
    13. Библиотека pandas: применение функций, группировка, сортировка
    14. Визуализация данных с помощью matplotlib
    15. Мастер-класс: разведочный анализ (EDA)
    16. Курсовая работа. Подготовка аналитического отчёта на основе имеющихся данных в качестве помощи продюсерам образовательных программ эффективно выстраивать стратегию по обновлению и улучшению курсов
    17. Чтение и запись данных: CSV, HTML, XML, XLSX
    18. Основы SQL
    19. Чтение и запись данных: JSON, HDF5, Работа с БД: SQLite3, postgreSQL, MongoDB
    20. Работа со строками
    21. 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 
    22. Курсовая работа. Часть 2. подготовка аналитического отчёта для SMM-отдела компании Skillbox на основе паблика Skillbox «ВКонтакте»
    1. Основы статистики и теории вероятностей
    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
    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 

    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 данных с помощью Plotly
    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

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

Уже учились на каком-то курсе из программы?

Скажите об этом менеджеру — за этот курс платить не придётся!

Заявка не отправлена!

Похоже произошла ошибка. Попробуйте отправить снова или перезагрузите страницу.

Спасибо!

Ваша заявка успешно отправлена

Дипломные проекты

Преподаватели

Валентин Пановский

Валентин
Пановский

Chief Data Scientist в Skillbox. Блоки «Аналитика и машинное обучение. Начальный уровень»
Михаил Овчинников

Михаил
Овчинников

Главный методист технического направления Skillbox
Алла Тамбовцева

Алла
Тамбовцева

Преподаватель НИУ ВШЭ
Александр Джумурат

Александр
Джумурат

Руководитель команды разработки рекомендательной системы в ivi.ru
Дмитрий Коробченко

Дмитрий
Коробченко

Deep Learning R&D инженер и менеджер в NVIDIA. Блок «Машинное обучение. Средний уровень»
Алексей Мастов

Алексей
Мастов

Deep Learning инженер в NVIDIA. Блок «Машинное обучение. Средний уровень»
Лидия Храмова

Лидия
Храмова

Team Lead Data Scientist группы бизнес-моделирования в QIWI. Блок «Статистика и теория вероятностей»
Адель Томилова

Адель
Томилова

Data Scientist в KPMG. Блок «Аналитика. Начальный уровень»
Николай Голов

Николай
Голов

Chief Data Architect в ManyChat. Блок «Аналитика. Начальный уровень»
Александр Панёв

Александр
Панёв

Руководитель бизнес-аналитики в Rambler Group. Блок «Аналитика. Средний уровень»
Артемий Козырь

Артемий
Козырь

Старший аналитик данных Wheely. Блок «Аналитика. Начальный уровень»
Андрей Мещеряков

Андрей
Мещеряков

Data Scientist в EPAM. Блок «Аналитика. Начальный уровень»
Алексей Чернобровов

Алексей
Чернобровов

Консультант по Data Science. Блок «Машинное обучение. Средний уровень»
Анна Черданцева

Анна
Черданцева

Аналитик и product-менеджер в Profi.ru. Блок «Аналитика. Средний уровень»
Николай Герасименко

Николай
Герасименко

Data Scientist в Сбербанке, математик в ВЦ РАН. Блок «Основы математики для Data Science»
Павел Логинов

Павел
Логинов

Аналитик данных в Space307. Блок «Аналитика. Средний уровень»

2 месяца английского языка в подарок!

Изучайте английский язык в онлайн-школе EnglishDom вместе со Skillbox!

Студентов ждёт бесплатный доступ к курсам:

  • бизнес-английский,
  • собеседование на английском,
  • подготовка к IELTS,
  • английский для IT.

Ваше резюме после обучения

Андрей Семёнов
  • Должность Специалист по Data Science
  • Зарплата от: 100 000 ₽

Профессиональные навыки:

  • Владение Python для анализа данных и машинного обучения
  • Работа с различными источниками данных: CSV, XML и XLS
  • Знание языка программирования R и основных библиотек
  • Создание аналитических панелей (фреймворки Dash и Shiny
  • Применение алгоритмов машинного обучения
  • Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL
  • Организация и проведение А/B-тестирования
  • Написание рекомендательных систем
  • Работа с нейронными сетями

Диплом Skillbox

Подтвердит, что вы прошли курс, и станет дополнительным аргументом при устройстве на работу.

Диплом Skillbox

Стоимость обучения

−40% до 28 ноября
  • Первые 6 месяцев бесплатно 4 900 ₽/месяц
  • Рассрочка без скидки 8 167 ₽/месяц

Часто задаваемые вопросы