Курс «Data Science»

По результатам недавних исследований спрос на экспертов в области Data Science превышает предложение. Грамотные специалисты в этой области, нужны каждому бизнесу и если вы планируете большую карьеру в Data Science, то вам обязательно нужно пройти этот онлайн-курс. Эксперты проекта ProductStar, подготовили уроки, которые содержат выжимку и концентрат полезных знаний для освоения профессии Data Scientist.

Курс рассчитан на два месяца. За это время вы научитесь систематизировать большие данные, как писать на Python, понимать особенности машинного обучения, работе с Hadoop и другим важным навыкам. Весь процесс подготовки проходит под чутким наставничеством педагога и менторской поддержкой. В конце обучения вы получите именной сертификат школы.

В программе курса «Data Science: быстрый старт»:

1. Python, быстрый старт: типы данных, функции, циклы, классы, ошибки.
2. Библиотеки для анализа и их различия.
3. Базовые модели машинного обучения.
4. Построение надежных стратегий валидации.
5. Предсказание оттока пользователей с сервиса и другие прикладные задачи.

Результатом подготовки станет освоение таких инструментов как Python и Hadoop, знание особенностей нескольких библиотек, умение систематизировать данные с помощью Machine Learning. Этих навыков будет достаточно для старта в профессии Data Scientist.

Блок 1. Python, быстрый старт: типы данных, функции, классы, ошибки

• Введение в Python
• Типы данных, функции, классы, ошибки

Блок 2. Python, быстрый старт: строки, условия, циклы, списки и словари

• Строки, условия, циклы
• Списки и словари в Python

Блок 3. Библиотеки для анализа данных: Pandas

• Пакеты, файлы, Pandas – начало
• Pandas – продолжение

Блок 4. Библиотеки для анализа данных: визуализация

• Библиотеки визуализации данных
• Практика

Блок 5. Знакомство с машинным обучением

• Задачи машинного обучения
• Ключевые инструменты Machine Learning и их применение

Блок 6. Основные модели машинного обучения: линейная регрессии

• Что такое модели машинного обучения?
• Линейная регрессия
• Практика

Блок 7. Бинарная классификация

• Алгоритм бинарной классификации данных
• Применение на задачах

Блок 8. Валидация. Почему это важно

• Проблема переобучения и недообучения
• Валидация на отложенной выборке
• KFold и Stratified KFold валидация

Блок 9. Решающие деревья

• Определение и процесс построения решающего дерева
• Принцип работы дерево с количественными и категориальными признаками
• Сравнение дерева решений с линейными моделями

Блок 10. Feature Engineering, Feature Selection

• Состав Feature Engineering
• Базовые подходы к созданию признаков
• Состав Feature Selection
• Разбор кейсов

Блок 11. Предсказание оттока клиентов и прогноз продаж

• Разбор кейса
• Практическая задача по предсказанию оттока пользователей
• Практика и применение алгоритмов

Блок 12. Воркшоп: скоринг кредитного портфеля

• Разбор кейса и нюансов
• Практическая задача

• Формат
  Самостоятельно
  Видеоуроки
  Обучение в ЛК на сайте автора
• Демодоступ
• Уровень сложности
  Для новичков
• Когда вы будете учиться
  В любой день в любое время
• Домашние задания
  ЕстьС проверкойОбязательные
• Документ об обучении
  Сертификат Освоение курса, выполнение итоговой работы.
• Обязательное выполнение итоговой работы
• Сопровождение
  Куратором
• Техническая поддержка
  В рабочее времяЧат на сайтеЧат внутри ЛКЧат в мессенджереЭлектронная почтаТелефон
• Перспективы после обучения
  Трудоустройство
• Срок доступа к материалам
  Бессрочный.
• Способы оплаты
  Карта МирКарты Visa, Mastercard, Maestro