Курсы по машинному обучению

Кому подойдёт этот курс?

• Людям без подготовки в IT
  Вы овладеете технической специальностью и начнёте карьеру аналитика в IT, даже если у вас нет глубоких знаний в теории вероятности и статистике.
• Начинающим аналитикам
  Вы научитесь ставить гипотезы и делать выводы на основе данных, писать эффективный код на Python и R, понимать математику на основе статистики, а также обучать машины и прогнозировать результаты. Отшлифуете имеющиеся знания, увеличите скорость своей работы и добьётесь повышения.
• Менеджерам и владельцам бизнеса
  Вы автоматизируете рутину, сделаете бизнес-процессы прозрачными, поменяете Excel на продвинутые инструменты анализа.

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. Создавать аналитические панели
   Разработаете визуальные дашборды с интерактивной инфографикой на фреймворках Shiny и Dash
4. Работать с библиотеками и базами данных
   Научитесь работать с библиотеками Pandas, NumPy и Matpotlib и освоите базы данных PostgreSQL, SQLite3, MongoDB.
5. Программировать на R
   Разберётесь в специфике языка, сможете обрабатывать статические данные и работать с графикой.
6. Проводить А/B-тестирование
   Научитесь проводить эксперименты в маркетинге и оценивать эффект предполагаемых изменений дизайна продукта.

Программа

Вас ждут 6 курсов с разным уровнем сложности, прохождение которых можно приравнять к году работы.

63 тематических модуля, 2 бонусных курса

• Python для Data Science
• Аналитика. Начальный уровень
• Статистика и теория вероятностей
• Основы математики для Data Science
• Аналитика. Средний уровень
• Универсальные знания программиста
• Английский для IT-специалистов
• Профессиональные навыки после курса:
• Владение Python для анализа данных
• Знание языка программирования R и основных библиотек
• Создание аналитических панелей (фреймворки Dash и Shiny)
• Работа с различными источниками данных: CSV, XML и XLS
• Визуализация данных с помощью Matplotlib
• Организация и проведение А/B-тестирования
• Выявление аномалий данных
• Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL

Обучение на курсе поможет вам:

1. Перейти в профессию с высоким окладом, которая не устареет через 10 лет
   Положите начало своему развитию в востребованной во всех отраслях бизнеса профессии
2. Освоить ключевые технологии и опередить запрос рынка
   Станете востребованным специалистом уже в процессе обучения и не растеряете накопленные знания и навыки
3. Прожить опыт 2-3 лет самостоятельного изучения сферы Data Science
   Получите знания в концентрированном формате и с обратной связью от экспертов-практиков ведущих компаний

А ещё вы получите:

• Больше 16 кейсов в портфолио
• Выполните 90 домашних работ с фидбеком эксперта, а также онлайн-лабораторные и тесты
• Доступ в профессиональные сообщества
• Поможем вам найти единомышленников и будущих коллег
• Участие в конкурсах Kaggle
• Помощь в трудоустройстве

Кому будет полезен этот курс?

• Новичкам в Data Science
  С нуля овладеете знаниями и навыками, необходимыми для работы Data Scientist, и получите новую востребованную профессию.
• Разработчикам
  Курс даёт хорошую базу для перехода из программирования в Data Science и анализ больших данных. Вас ждёт много практической работы, разбор кейсов и новые полезные знакомства.
• Аналитикам
  Вы научитесь извлекать максимум из больших массивов данных для быстрой проверки гипотез и построения прогнозов. Освоите новые инструменты и перейдёте на новый уровень в сфере Data Science.

Чему вы научитесь?

• Работать с SQL
  Научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов
• Использовать Python и библиотеки
  Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, полученные при анализе данных
• Проверять данные и определять проблемы
• Обрабатывать текстовые данные, чтобы передавать их в алгоритмы машинного обучения, генерировать новые значимые признаки
• Обучать многослойные нейронные сети и строить модели машинного обучения
• Быстро строить модели и проверять гипотезы, строить рекомендательную систему и нейронную сеть, выявлять скрытые аномалии в данных
• Применять математику в алгоритмах
• Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
• Лидировать Data-проекты, работать в команде и находить общий язык с заказчиком
• Структурировать результаты, формулировать гипотезы, выявлять потребности, находить области применения машинного обучения

Программа курса

• 1 ступень. Погружение
• Аналитическое мышление
  Курсовой проект
  Основы визуализации данных
  Курсовой проект
• 2 ступень. SQL, Python и Big Data
• SQL и получение данных
  Курсовой проект
  Аналитика больших данных
  Курсовой проект
  Python для анализа данных
  Курсовой проект
  Математика для анализа данных
  Курсовой проект
• 3 ступень. Машинное обучение, Deep Learning и нейронные сети
• Машинное обучение
  Рекомендательные системы
  Временные ряды
  Нейронные сети
  Компьютерное зрение
  Обработка естественного языка
  Deep Learning
  Курсовой проект
• 4 ступень. Soft Skills и управление проектами
• Менеджмент data-проектов
  Эффективные коммуникации и эмоциональный интеллект
  Переговоры
  Публичные выступления
• Финальный хакатон и Kaggle Competitions

Кому подойдет курс

• Новичкам
  Сможете стать специалистом по анализу больших данных, даже если никогда не работали в IT-сфере.
• Начинающим аналитикам
  У вас будет всё для ускоренного карьерного роста: комплексные знания и опыт работы с продвинутыми инструментами, методологиями и стандартами.
• Практикующим IT-специалистам
  Подскажем, как перейти в востребованное направление и зарабатывать больше.

Ключевые навыки

• Владею методами анализа больших данных и методами машинного обучения
• Использую в работе методы прикладной статистики и теории вероятностей
• Умею обрабатывать большие данные с помощью разных технологий (Hadoop, Hive, Spark, Hue, HBase, Kafka, Spark Streaming)
• Владею SQL и NoSQL СУБД
• Работаю с BI-системами (Power BI), формирую отчёты анализа данных
• Программирую на Python и работаю с библиотеками для анализа данных (NumPy, Matplotlib, scikit-learn)

Зачем это мне?

По версии кадрового агентства Glassdoor профессия Data Scientist, напрямую связанная с машинным обучением, занимает первую строчку в рейтинге самых лучших профессий США.
Ценятся такие специалисты высоко. Причина в том, что на рынке мало специалистов в области Data Science. Квалификация в этой области поможет вам совершить рывок в текущей работе или запуске собственного проекта.

Ключевые навыки

• Использую основные алгоритмические конструкции и структуры данных Python для проектирования алгоритмов
• Умею получать данные из веб-источников или по API
• Умею визуализировать данные с помощью Pandas, Matplotlib
• Умею создавать модели с помощью классического машинного и глубокого обучения для решения задач Data Science
• Умею оценивать качество модели вне зависимости от задачи
• Применяю методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных
• Строю математические и ML-модели с использованием временных рядов
• Применяю алгоритмы для рекомендательных систем (от ассоциативных правил до advanced-алгоритмов)
• Специализируюсь на ML/CV/NLP-инженерии (в зависимости от выбранной специализации), применяю современные продвинутые модели для решения отдельных задач
• Умею конвертировать бизнес-задачи в технические и наоборот
• Умею выводить и поддерживать модели в Production с учетом специфики выбранной специализации
• Обладаю дополнительными компетенциями в зависимости от выбранного майнора (продвинутый SQL, продвинутый Python, Reinforcement Learning или Data Engineering)

Кому подойдёт этот курс

• Новичкам
  С нуля освоите Python, SQL, научитесь собирать и анализировать данные, получите необходимый теоретический минимум по математике, теории вероятности и статистике. Знания закрепите на практике — решите задачи на основе реальных кейсов и добавите проекты в портфолио. Устроитесь на стажировку по выбранной специальности уже во время обучения.
• Программистам
  Подтянете математику, статистику, аналитическое и алгоритмическое мышление, научитесь выявлять потребности бизнеса. Получите опыт работы с моделями машинного обучения, будете применять Python для решения задач с данными. Пройдёте процесс от сбора данных до деплоя модели.
• Начинающим аналитикам
  Вы научитесь выдвигать гипотезы и делать выводы на основе данных, писать эффективный код на Python и превращать сырые данные в полезную информацию для компании. Сможете обучать модели и прогнозировать результаты. Отшлифуете знания, увеличите скорость своей работы и добьётесь повышения.

Краткая программа курса

Первый уровень: базовая подготовка

1. Введение в Data Science
2. Основы статистики и теории вероятностей
3. Основы математики для Data Science
4. Возможность стажировки

Второй уровень: специализация и трудоустройство

1. Специализация 1: Machine Learning
2. Специализация 2: Data Engineer
3. Специализация 3: Data Analyst
4. Трудоустройство с помощью Центра карьеры

Третий уровень: повышение квалификации

1. Специализация 1: Machine Learning PRO
2. Специализация 2: Data Engineer PRO
3. Специализация 3: Data Analyst PRO

Итоговые проекты

1. Введение в Data Science
2. Machine Learning
3. Data Engineer
4. Data Analyst

Бонусные курсы

1. Карьера разработчика: трудоустройство и развитие
2. Система контроля версий Git
3. Английский для IT-специалистов

Чему вы научитесь

• Работать SQL
  Научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов
• Использовать Python и библиотеки
  Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, сделанные на основании данных
• Проверять данные и определять проблемы
  Обрабатывать текстовые данные, чтобы передавать их в алгоритмы машинного обучения, генерировать новые значимые признаки
• Строить модели машинного обучения
  Быстро строить модели и проверять гипотезы, строить рекомендательную систему и нейронную сеть, выявлять скрытые аномалии в данных
• Применять математику
  Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
• Лидировать DS-проект
  Структурировать результаты, формулировать гипотезы, выявлять потребности, находить области применения машинного обучения

Достигнутые результаты

• Построена полносвязная нейросеть
• Создан чатбот для поиска авиабилетов
• Построен классификатор изображений
• Созданы рекомендательные системы для музыкального и киносайта
• Создан готовый к внедрению ml-проект

Ключевые навыки

• Сбор и подготовка данных для анализа
• Создание нейросетей
• Генерация текстов и изображений
• Создание рекомендательных систем
• Выбор и реализация алгоритма под задачу
• Выбор и создание фич для модели

Кому подойдёт этот курс

• Новичкам
  С нуля освоите Python и SQL, научитесь собирать и анализировать данные. Получите необходимый минимум знаний по математике, теории вероятности и статистике. Решите задачи на основе реальных кейсов. Устроитесь на стажировку по выбранной специальности уже во время прохождения курса.
• Программистам
  Подтянете математику, статистику, аналитическое и алгоритмическое мышление, научитесь выявлять потребности бизнеса. Получите опыт работы с моделями машинного обучения и будете решать задачи с данными с помощью Python. Пройдёте процесс от сбора данных до деплоя модели.
• Начинающим аналитикам
  Научитесь выдвигать гипотезы и делать выводы на основе данных. Сможете писать эффективный код на Python, превращать сырые данные в полезную информацию, понимать математику и основы статистики, обучать машины и прогнозировать результаты. Отшлифуете знания, увеличите скорость работы и добьётесь повышения.

Чему вы научитесь

1. Строить модели машинного обучения
   Начнёте с простых моделей, которые требуют минимальных знаний программирования. Разберётесь в алгоритмах и научитесь решать задачи регрессии, классификации и кластеризации.
2. Обучать нейронные сети
   Узнаете, как устроены архитектуры нейросетей для задач компьютерного зрения и NLP. Сможете использовать и дообучать готовые сетки для своих задач и тренировать собственные.
3. Использовать ML-алгоритмы
   Освойте линейные и древесные алгоритмы и бустинги. Научитесь прогнозировать временные ряды и создавать рекомендательные системы.  Сможете обучать модели на больших данных с помощью Spark.
4. Работать с инструментами анализа данных
   Узнаете, как проводить разведочный анализ данных, и освоите Excel для аналитики. Научитесь визуализировать данные в Power BI и программировать на Python и SQL.
5. Извлекать данные из различных источников
   Поймёте, как читать файлы различных форматов при помощи Python и библиотеки Pandas. Научитесь писать запросы к API, получать, очищать и сохранять данные в разных форматах.
6. Настраивать инфраструктуру
   Научитесь читать и понимать архитектуры ML-решений. Познакомитесь с пайплайнами работы модели: от сборки данных до мониторинга результатов. Сможете собирать модели в виде API.

Кому подойдёт этот курс

• Тем, кто интересуется Data Science
  Вы узнаете математические основы Machine Learning, поймёте, для чего нужна математика в машинном обучении и сделаете первый шаг к карьере в Data Science.
• Начинающим специалистам
  Вы научитесь работать со сложными математическими функциями, узнаете больше об основах Machine Learning, сможете быстро решать задачи с помощью Python и повысите свой уровень.

Чему вы научитесь

1. Понимать математические термины
   Усвоите основную терминологию, сможете читать сложные статьи по Data Science и получать новые знания без постоянных обращений к поисковику.
2. Работать с формулами и функциями
   Перестанете бояться переменных и функций и сможете с их помощью решать практические задачи.
3. Разбираться в основах машинного обучения
   Изучите математические основы Machine Learning и узнаете роль чисел, формул и функций в разработке алгоритмов машинного обучения.
4. Описывать прикладные задачи на языке математики
   Сможете сформулировать практическую задачу с помощью математических формул.
5. Автоматизировать решение задач
   Узнаете, как использовать Python для решения сложных математических задач.

Программа курса

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.

Освойте современные технологии и компетенции Data Engineering

• Разработка, поддержка и оптимизация пайплайнов обработки данных и машинного обучения на Python и Spark
• Проработка архитектуры разрабатываемых решений
• Опыт проектирования аналитических систем хранения и обработки больших данных
• Знание принципов работы БД (SQL/noSQL) и методологий моделирования
• Опыт работы с Airflow и другими инструментами для запуска регулярных задач
• Опыт с Devops (Docker, Kubernetes) инструментами
• Понимание принципов машинного обучения и подготовки данных для ML-приложений
• Опыт работы с ОС Linux
• Сбор процессов очистки и валидации данных
• Опыт работы с ETL-инструментами и сервисами
• Опыт работы с пакетной и потоковой выгрузкой данных в аналитическое хранилище
• Разработка витрин данных для бизнес-пользователей аналитики
• Опыт работы с Hadoop кластером и HDFS, мониторинг своих приложений