Онлайн-курс Data Scientist

Длительность: 2 недели.

• Профессия Data Scientist и смежные роли
• Востребованность и карьера в данных
• Обзор курса и правила работы
• Настройка окружения: Anaconda, Jupyter

Длительность: 2 недели.

• Переменные, типы данных
• Арифметические операции
• Стандартный ввод и вывод
• Условные конструкции и ветвления
• Циклы

В этом модуле вы освоите ключевые конструкции Python для автоматизации задач, научитесь работать с данными, структурировать код и оценивать эффективность алгоритмов Длительность: 3 недели.

• Циклы
• Структуры данных
• Функции
• Работа с файлами
• Сложность алгоритмов

В этом модуле вы освоите математический фундамент для анализа данных: работу с векторами и матрицами, их основные операции и применение для решения систем линейных уравнений — основы многих алгоритмов машинного обучения Длительность: 2 недели.

• Векторы
• Матрицы
• Система линейных уравнений

Длительность: 2 недели.

• Введение в библиотеки
• Библиотека numpy
• Библиотека pandas
• Библиотека matplotlib
• В этом модуле вы освоите ключевые библиотеки Python для анализа данных: NumPy для вычислений с массивами, Pandas для обработки таблиц, Matplotlib и Seaborn для визуализации. Узнаете, как эффективно работать с файлами, и поймете преимущества использования готовых библиотек для машинного обучения
• Python

В этом модуле вы познакомитесь с реляционными базами данных и SQL. Научитесь проектировать структуру БД, писать базовые запросы и работать с данными через Python. Освоите практическое применение SQL для анализа Длительность: 2 неделя.

• Основы баз данных, СУБД и SQL
• Обзор SQLite, PostgreSQL, MySQL
• Работа с БД из Python

Длительность: 2 недели.

• Функция
• Производная функции
• Градиентный и стохастический спуск (SGD)
• В этом модуле вы освоите математическую основу ML: научитесь использовать производные и градиенты для анализа и оптимизации моделей с помощью градиентного спуска

Длительность: 2 недели.

• Случайные величины
• Условная вероятность
• Формула Байеса
• Основы статистики

Длительность: 2 недели.

• Введение в Machine Learning
• Задача регрессии
• Задача классификации
• Валидация результатов

Длительность: 2 недели.

• Валидация и оценка моделей
• Ключевые алгоритмы классификации
• Построение ансамблей

В этом модуле вы освоите основные методы обучения без учителя: научитесь группировать данные с помощью алгоритмов кластеризации и сокращать размерность признакового пространства с помощью PCA Длительность: 1 неделя.

• Задача обучения без учителя
• Задача понижения размерности

В этом модуле вы научитесь прогнозировать, анализировать и классифицировать данные, зависящие от времени. Освоите модели ARIMA, частотный анализ с помощью преобразования Фурье и специализированные методы машинного обучения для работы со временными рядами Длительность: 2 недели.

• Задача прогнозирования временных рядов
• Преобразование Фурье
• Классификация временных рядов

Длительность: 2 недели.

• Общий принцип работы с текстами
• Стемминг и лемматизация

Длительность: 1 неделя.

• Введение в нейросети
• Обработка изображений, CNN
• Рекуррентные нейросети
• Генеративные нейронные сети

В этом модуле вы научитесь создавать воспроизводимые исследования, автоматизировать конвейеры данных с помощью Snakemake, работать с Docker для единообразных окружений и грамотно оформлять результаты работы Длительность: 2 недели.

• Проблема воспроизводимости вычислений
• Введение в Snakemake
• Docker
• Как презентовать исследование

В этом модуле вы изучите жизненный цикл ПО, различия между Waterfall и Agile. Подробно разберете Scrum и освоите основы управления задачами с помощью Kanban Длительность: 1 неделя.

• Основные этапы жизненного цикла ПО
• Методологии управления проектами
• Роли, события и артефакты в Scrum
• Терминология и процессы Scrum
• Принципы и инструменты методологии Kanban

Длительность: 1 неделя.

• Где искать работу

Удостоверение о повышении квалификации