−40% для первых
20 студентов

Профессия Data Scientist

Image

6 месяцев бесплатно — первый платёж через полгода

Записаться на курс

На рынке не хватает специалистов по Data Science

Данные сайта hh.ru

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

    Освоите базы данных MongoDB, PostgreSQL, SQLite3, научитесь работать с библиотеками Pandas, NumPy и Matpotlib.
  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. Писать рекомендательные системы

    Создадите рекомендательную систему и добавите её в своё портфолио.

Помощь в трудоустрой-стве

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
  • Возраст от 18 лет
  • По паспорту, без справок
  • Одобрение в день обращения

Как проходит обучение

  1. Изучаете тему

    В курсе — практические видеоуроки.

  2. Выполняете задания

    В том темпе, в котором вам удобно.

  3. Работаете с наставником

    Закрепляете знания и исправляете ошибки.

  4. Защищаете дипломную работу

    И дополняете ею своё портфолио.

Программа

Вас ждут 8 курсов с разным уровнем сложности, онлайн-лекции и практические задания.

  • 90 тематических модуля
  • 2 бонусных курса

Введение в анализ данных и машинное обучение

    1. Введение 
    2. Основы Python: установка PyCharm
    3. Основы Python: базовые структуры данных
    4. Основы Python: циклы и условия
    5. Основы Python: функции
    6. Основы Python: классы и объекты
    7. Основы Python: исключения
    8. Библиотека NumPy. Часть 1
    9. Библиотека NumPy. Часть 2
    10. Библиотека pandas. Часть 1
    11. Библиотека pandas. Часть 2
    12. Визуализация данных с помощью matplotlib
    13. Чтение и запись данных
    14. Введение в SQL
    15. Работа со строками
    1. Основы статистики и теории вероятностей
    1. Основные концепции Machine Learning (ML)
    2. Жизненный цикл ML-проекта
    3. Регрессия. Часть 1
    4. Регрессия. Часть 2
    5. Классификация. Часть 1
    6. Классификация. Часть 2
    7. Кластеризация
    8. Дополнительные техники. Часть 1
    9. Дополнительные техники. Часть 2
    10. Знакомство с Kaggle
    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 преобразования 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. Разложения матриц. Собственные векторы и значения.

Специализация

    1. Язык программирования R. Часть 1
    2. Язык программирования R. Часть 2
    3. Язык программирования R. Часть 3
    4. Создание аналитических панелей (Dashboard) в R
    5. A/B-тестирование. Часть 1
    6. A/B-тестирование. Часть 2
    7. Выявление аномалий
    8. Интерактивная визуализация данных с помощью Plotly
    9. Создание аналитических панелей (Dashboards) в Python
    10. Spark: управление потоками данных
    11. Сервисы визуального анализа данных. Как не использовать Shiny и Dash
    1. Введение в нейронные сети
    2. Обучение нейронных сетей
    3. Нейронные сети на практике
    4. Свёрточные нейросети для задачи классификации изображений. Часть 1
    5. Свёрточные нейросети для задачи классификации изображений. Часть 2
    6. Семантическая сегментация. Часть 1. Слабая локализация и полносвёрточные нейросети (FCN)
    7. Семантическая сегментация. Часть 2. Продвинутые архитектуры FCN для семантической сегментации
    8. Детектирование объектов
    9. От дискриминативных моделей к генеративным. Style transfer
    10. Генеративные состязательные сети
    11. Введение в NLP
    12. NLP на нейросетях. Рекуррентные нейросети, классификация текстов
    13. NLP на нейросетях. Языковые модели, Attention, Transformer
    14. Обучение с подкреплением. Q-Learning
    15. Обучение с подкреплением. Deep Q-Learning
    16. Ускорение и оптимизация нейронных сетей
    17. Внедрение в DL моделей в production
    18. Рекомендательные системы
    19. Вывод моделей машинного обучения в production, post production и мониторинг

Дипломный проект

  • Вы используете анонимные данные о заказах клиентов, чтобы предсказать, какие продукты будут в их следующем чеке. Создадите рекомендательную систему для сайта и рекламных коммуникаций.

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

Преподаватели

Валентин
Пановский

Chief Data Scientist в Skillbox

Алла
Тамбовцева

Преподаватель НИУ ВШЭ

Александр
Джумурат

Руководитель команды разработки рекомендательной системы в ivi.ru

Дмитрий
Коробченко

Deep Learning R&D инженер и менеджер в NVIDIA

Алексей
Мастов

Deep Learning инженер в NVIDIA

Лидия
Храмова

Team Lead Data Scientist группы бизнес-моделирования в QIWI

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.

Image

Стоимость обучения

−40% для первых
20 студентов
  • Рассрочка без первого взноса 4 500 ₽/месяц
  • Рассрочка без скидки 7 500 ₽/месяц