Профессия «Data Scientist»

Data Scientist — специалист, занимающийся анализом и обработкой объемов данных с использованием современных методов и инструментов. Профессия открывает большие перспективы для карьерного роста и получения высокого дохода. Если вы хотите освоить новую профессию, которая востребована в индустрии информационных технологий, и мечтаете попасть в Data Science, то этот онлайн-курс разработан для вас.

В онлайн-школе GeekBrains проводятся лучшие курсы по программированию, которые давно зарекомендовали себя на рынке образовательных услуг. Преподаватели — практикующие профессионалы, которые с удовольствием передают опыт и знания новичкам. На этом курсе дата саентиста вы научитесь работать с типами данных, строить точные прогнозы и принимать обоснованные решения на основе полученных результатов. А еще освоите такие навыки, как машинное обучение, анализ данных и создание визуализаций.

Краткое содержание курса «Data Scientist»:

1. Введение в программирование, математику и контроль версий.
2. Базовый синтаксис Python. Использование Python для анализа и построения графиков.
3. Основы математического анализа.
4. Машинное обучение. Этические и правовые аспекты применения искусственного интеллекта.
5. Создание и внедрение проектов Big Data.

В результате вы освоите высокооплачиваемую профессию в индустрии ИТ и будете готовы к анализу данных, машинному обучению и работе с большими объемами данными.

Основные курсы

• Business Understanding. С чего начинается работа с данными.
• Data Understanding. Excel.
• Введение в Python.
• Переменные и типы данных.
• Условия.
• Циклы.
• Алгоритмы и структуры данных.
• Функции.
• Коллекции в Python.
• Чтение файлов в Python и командной строке.
• Библиотека Pandas.
• Получение данных с помощью API.
• Базы данных.
• Язык запросов SQL.
• Power BI.
• Data Preparation.
• Разведочный анализ данных. Data cleaning, data visualization, feature engineering.
• Modeling.
• Машинное обучение.
• Линейные модели и нейронные сети.
• Метрики в аналитике.
• Маркетинговая аналитика.
• Продуктовая аналитика.
• Modeling. Заключение.
• Evaluation.
• Алгоритмы и структуры данных. Часть 2.
• Deployment.
• Модель как API.
• Мониторинг моделей.
• Airflow.

• Постановка задачи и терминология machine learning.
• Выгрузка данных с помощью SQL.
• Линейная регрессия и регуляризация.
• Метрическая классификация. Метод ближайших соседей.
• Библиотека numpy.
• Линейная классификация: логистическая регрессия, опорные векторы, деревья решений.
• Очистка данных.
• Кластеризация: метод k-средних и DBSCAN.
• Несбалансированные выборки.
• Нейрон и нейронная сеть.
• Основы анализа текстов.

• Доступные источники данных, оценка качества.
• Визуализация в Excel.
• Объединение разнородных данных.
• Требования к качеству данных.
• Корреляция и факторы.
• Визуализация в Python.
• Формулирование гипотез по данным.
• SQL для витрины данных.
• Очистка данных.
• Методы прогнозирования.
• Программные средства визуализации.
• A/B-тесты и их планирование.
• Данные по API и аккумулирование источников.
• Повышение качества данных.
• Выявление закономерности в данных.
• Прикладные программные продукты визуализации.
• Интерпретация результатов А/В-тестирования.
• Аналитическая отчетность и сторителлинг.

• Выполните индивидуальный проект по внедрению модели.
• Попробуете решить задачи дата-инженера, ML-инженера и дата-аналитика, чтобы выбрать специализацию.

Дополнительные курсы

• Базовые математические объекты и SymPy.
• Интерполяция и полиномы.
• Аппроксимация, преобразования функций и производные.
• Функции нескольких переменных, их свойства и графики.
• Частные производные функции нескольких переменных.
• Векторs и матрицы. Градиент.
• Линейная регрессия и системы линейных уравнений.
• Задача аппроксимации как матричное уравнение.

• Случайные величины и события.
• Принципы и виды распределения.
• Непрерывные распределения.
• Статистисечкие тесты.
• Составление моделей и проверка гипотез.
• Gentle introduction. Теория вероятностей в Python.
• Оценивание.
• Проверка гипотез.
• Совместные распределения.
• Исследование зависимостей.
• Временные ряды.

• Поиск подходящих вакансий.
• Подготовка к собеседованиям.
• Переговоры с работодателем.

• Формат
  В группе с наставником
  Живые вебинары / Видеоуроки / Консультации
  Обучение в ЛК на сайте автора
• Продолжительность
  9 месяцев
• Уровень сложности
  Для новичков
• Когда вы будете учиться
  Строго по расписанию
• Домашние задания
  Есть
• Документ об обучении
  Сертификат Освоение программы курса
• Сопровождение
  Куратором
• Общение с группой
  Форум или чат внутри ЛК
• Техническая поддержка
  В рабочее времяЭлектронная почтаТелефон
• Перспективы после обучения
  Трудоустройство
• Год выхода
  2024 Последнее обновление: 28.02.2025