III уровень Управление, основанное на данных

Курс по Data Science

ООО Скилфэктори
618,00 часов длительность
Онлайн формат
Начальный уровень
1 поток (закрыт) 11.05.2022-11.05.2023
2 поток (закрыт) 18.05.2022-18.05.2023
3 поток (закрыт) 25.05-25.05.2022
4 поток (закрыт) 01.06-01.06.2022
5 поток (закрыт) 08.06.2022-08.06.2023
6 поток (закрыт) 15.06-29.06.2022
7 поток (закрыт) 22.06.2022-22.06.2023
8 поток (закрыт) 29.06-29.06.2022
9 поток (закрыт) 06.07.2022-06.07.2023
10 поток (закрыт) 13.07.2022-13.07.2023
11 поток (закрыт) 20.07.2022-19.07.2023
12 поток (закрыт) 27.07.2022-27.07.2023
13 поток (закрыт) 03.08.2022-03.08.2023
14 поток (закрыт) 10.08.2022-10.08.2023
15 поток (закрыт) 17.08.2022-30.08.2023
16 поток (закрыт) 24.08.2022-06.09.2023
17 поток (закрыт) 31.08.2022-31.08.2023
18 поток (закрыт) 07.09.2022-20.09.2023
19 поток (закрыт) 14.09.2022-14.09.2023
20 поток (закрыт) 21.09.2022-04.10.2023
21 поток (закрыт) 28.09.2022-28.09.2023
22 поток (закрыт) 05.10.2022-05.10.2023
23 поток (закрыт) 12.10.2022-12.10.2023
24 поток (закрыт) 19.10.2022-08.11.2023

Описание

 

Обучении профессии Data Science c нуля:

  • 8 проектов для портфолио
  • Дипломный проект под руководством ментора
  • Практико-ориентированное обучение
  • Необходимые soft-skills для работы
  • Поддержка менторов и кураторов во время обучения
  • Содействие в трудоустройстве
  • Соревнования и хакатоны

После обучения вы сможете: 

  • Использовать основные алгоритмические конструкции и структуры данных Python для проектирования алгоритмов
  • Получать данные из веб-источников или по API
  • Визуализировать данные с помощью Pandas, Matplotlib
  • Создавать модели с помощью классического машинного обучения для решения задач Data Science (линейные модели, деревья решений, ансамблевые модели)
  • Оценивать качество модели вне зависимости от задачи
  • Применять методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных
  • Строить математические и ML модели с использованием временных рядов
  • Применять алгоритмы для рекомендательных систем
  • Интегрировать решение в продакшн и в бизнес в целом
  • Работать с Github и Kaggle

 

Часов в программе
97,00 часов
лекции
207,00 часов
практика
229,00 часов
самостоятельная
64,00 часа
промежуточная аттестация
1 час
входная диагностика
20 часов
итоговая аттестация
618,00 часов
всего
Цель программы
- Дать студенту все необходимые знания и навыки для трудоустройства на позицию специалиста по большим данным.
- Помочь в трудоустройстве на позицию начинающего специалиста по большим данным.
Актуальность
Специалисты Data Science нужны во всех сферах бизнеса: от маркетинга и продаж до разработки продуктов, от финансов до управленческих решений. Спрос на таких специалистов постоянно растёт. Только за последнюю неделю на HH.ru открылось более 500 вакансий, при этом инструменты нужны и для многих других позиций. Яндекс, Сбербанк, Mail.ru, Ростелеком, РЖД и многие другие крупные компании ищут специалистов по большим данным. Ритейл, киберспорт, путешествия, образование, медицина — грамотный анализ данных нужен вне зависимости от индустрии.
Входная диагностика 1 час
Тестирование.
Итоговая аттестация 20 часов
Подготовка дипломного проекта, который оценивается менторами и экспертами курса

Компетенции

Общекультурные


Способность работать в команде, толерантно воспринимая социальные, этнические, конфессиональные и культурные различия (ОК-2)
Знать:

правил поведения и общения в коллективе, с учетом социальных, этнических, конфессиональных и культурных различий

Уметь:

применять правила межкультурной коммуникации и взаимодействия в коллективе;

Владеть:

навыками применения знаний межкультурной коммуникации и взаимодействия для решения поставленных задач, связанных с производственной деятельностью в коллективе.

Общепрофессиональные


Способность к разработке алгоритмических и программных решений в области системного и прикладного программирования, математических, информационных и имитационных моделей, созданию информационных ресурсов глобальных сетей, образовательного контента, прикладных баз данных, тестов и средств тестирования систем и средств на соответствие стандартам и исходным требованиям (ОПК-3)
Знать:

основных методов разработки алгоритмических и программных решений в области системного и прикладного программирования, математических, информационных и имитационных моделей, созданию информационных ресурсов глобальных сетей, образовательного контента, прикладных баз данных, тестов и средств тестирования систем и средств на соответствие стандартам и исходным требованиям;

Уметь:

применять и совершенствовать методы разработки алгоритмических и программных решений в области системного и прикладного программирования, математических, информационных и имитационных моделей, созданию информационных ресурсов глобальных сетей, образовательного контента, прикладных баз данных, тестов и средств тестирования систем и средств на соответствие стандартам и исходным требованиям;

Владеть:

применять и совершенствовать методы разработки алгоритмических и программных решений в области системного и прикладного программирования, математических, информационных и имитационных моделей, созданию информационных ресурсов глобальных сетей, образовательного контента, прикладных баз данных, тестов и средств тестирования систем и средств на соответствие стандартам и исходным требованиям;

Профессиональные


Способностью критически переосмысливать накопленный опыт, изменять при необходимости вид и характер своей профессиональной деятельности (ПК-3)
Знать:

характера своей профессиональной деятельности, исследования по теме выпускной квалификационной работы

Уметь:

изменять главные принципы своей профессиональной деятельности

Владеть:

обладать способностью критически переосмысливать накопленный опыт, навыками адаптации алгоритмических и программных решений

Общекультурные


Способность к коммуникации в устной и письменной формах на русском и иностранном языках для решения задач межличностного и межкультурного взаимодействия (ОК-1)
Знать:

лексическую базу и терминологию межличностного и межкультурного взаимодействия на русском и иностранном языках в профессиональной деятельности.

Уметь:

воспринимать, анализировать, передавать и обобщать информацию в устной и письменной формах на русском и иностранном языках для решения задач межличностного и межкультурного взаимодействия в профессиональной деятельности.

Владеть:

навыками решения межличностного и межкультурного взаимодействия в устной и письменной формах на русском и иностранном языках в профессиональной деятельности.

Способность к самоорганизации и самообразованию (ОК-3);
Знать:

цели, задачи и способы общекультурного и профессионального самосовершенствования, методологию развития общекультурных и профессиональных качеств собственной личности.

Уметь:

реализовывать достижения развитой личности, способной к самоорганизации и самообразованию, в общекультурной и профессиональной деятельности.

Владеть:

навыками самоорганизации и самообразования для эффективной работы

Общепрофессиональные


Способность использовать базовые знания естественных наук, математики и информатики, основные факты, концепции, принципы теорий, связанных с прикладной математикой и информатикой (ОПК-1)
Знать:

основные понятия, факты, концепции, принципы теорий естественных наук, математики и информатики;

Уметь:

выполнять стандартные действия, решать типовые задачи с учетом основных понятий и общих закономерностей, формулируемых в рамках базовых дисциплин математики, информатики и естественных наук;

Владеть:

навыками решения практических задач, базовыми знания естественных наук, математики и информатики, связанными с прикладной математикой и информатикой.

Способность приобретать новые научные и профессиональные знания, используя современные образовательные и информационные технологии (ОПК-2)
Знать:

современные образовательные и информационные технологии, информационные системы и ресурсы;

Уметь:

находить, классифицировать и использовать информационные интернет технологии, базы данных, web ресурсы,специализированное программное обеспечение для получения новых научных и профессиональных знаний;

Владеть:

знаниями в области современных технологий, баз данных, web ресурсов, специализированное программное обеспечения и т.п. и их практическим применением.

Способность решать стандартные задачи профессиональной деятельности на основе информационной и библиографической культуры с применением информационно-коммуникационных технологий и с учетом основных требований информационной безопасности (ОПК-4)
Знать:

классификацию языков программирования,основные методы разработки программного обеспечения, стандарты оформления программной документации и причины нарушения компьютерной безопасности;

Уметь:

использовать научные и методические ресурсы сети Интернет для разработки программного обеспечения и программной документации с учетом требований информационной безопасности;

Владеть:

базовыми знаниями по защите информации на рабочем месте, в корпоративных сетях при входе в глобальные сети.

Профессиональные


Способность собирать, обрабатывать и интерпретировать данные современных научных исследований, необходимые для формирования выводов по соответствующим научным исследованиям (ПК-1)
Знать:

методы, основанные на сборе, анализе и интерпретации научных данных;

Уметь:

собирать и обрабатывать статический,экспериментальный, теоретический, графический и т.п. материал, необходимый для построения математических моделей, расчетов и конкретных практических выводов;

Владеть:

навыками решения практических задач,приемами описания научных задач и инструментарием для решения математических задач прикладной математики и информатики.

Способность понимать, совершенствовать и применять современный математический аппарат (ПК-2)
Знать:

основные понятия дисциплины, ее методы, место и роль в решении научно практических задач с использованием современного математического аппарата;

Уметь:

применять и совершенствовать современный математический аппарат при решении научно-практических задач прикладной математики и информатики;

Владеть:

инструментарием для решения математических задач в области прикладной математики и информатики.

Способность работать в составе научно-исследовательского и производственного коллектива и решать задачи профессиональной деятельности (ПК-4)
Знать:

основы технологий формирования и управления
научно-исследовательскими и производственными коллективами;
технологии межличностной и групповой коммуникации в деловом взаимодействии;
правила работы в составе научно-исследовательского и производственного коллектива;
методы и способы решения задач профессиональной деятельности;

Уметь:

работать в составе научно-исследовательского и производственного коллектива; планировать
работу группы исполнителей; организовать проектную деятельность;
решать задачи профессиональной деятельности в составе научно-исследовательского и производственного коллектива;

Владеть:

навыками работы в составе научно-исследовательского и производственного коллектива;
навыками к деловым коммуникациям в профессиональной сфере в составе научно- исследовательского и производственного коллектива.

Способность осуществлять целенаправленный поиск информации о новейших научных и технологических достижениях в информационно-телекоммуникационной сети "Интернет" (далее - сеть "Интернет") и в других источниках (ПК-5)
Знать:

основы работы, приемы и способы поиска информации о новейших научных и технологических достижениях информационно-телекоммуникационной сети "Интернет" и в других источниках;
основные технологии анализа информации с целью выявления и использования актуальных сведений о научных и технологических достижениях;

Уметь:

находить и использовать нужную информацию в учебном процессе, научной и производственной работе;
осуществлять поиск литературы в автоматизированном режиме по библиографическим базам данных.
самостоятельно изучать информационные источники, применять их в практической работе.

Владеть:

приемами и способами поиска информации о новейших научных и технологических достижениях информационно-телекоммуникационной сети "Интернет" и в других источниках;
навыками анализа полученной информации с целью выявления и использования актуальных сведений о научных и технологических достижениях.

Способность формировать суждения о значении и последствиях своей профессиональной деятельности с учетом социальных, профессиональных и этических позиций (ПК-6)
Знать:

историю развития научных и технологических достижений в профессиональной деятельности;
значения и последствия своей профессиональной деятельности с учетом социальных, профессиональных и этических позиций

Уметь:

оценивать профессиональные достижения с точки зрения моральных и этических норм.

Владеть:

информацией о современных открытиях и разработках в профессиональной деятельности и возможности их негативных последствий для человечества.

Способность к разработке и применению алгоритмических и программных решений в области системного и прикладного программного обеспечения (ПК-7)
Знать:

теоретические основы разработки программных и алгоритмических решений в области системного и прикладного программного обеспечения;
математические методы решения задач,процедурный и объектно-ориентированный подходы к разработке информационных систем;
актуальные проблемы в области программирования;
методы и технологии программирования;
языки программирования, основы технологии модульного программирования на языках высокого уровня;

Уметь:

применить математический метод для решения задачи,
подобрать рациональную технологию программирования для решения профессиональной задачи
создавать программные продукты и алгоритмические решения в области системного и прикладного программного обеспечения;

Владеть:

навыками применения математических методов для решения задач и применения стандартных алгоритмов;
навыками разработки и создания алгоритмических и программных решений в области системного и прикладного программного обеспечения;
навыками разработки программных приложений с использованием современных языков.

Способность приобретать и использовать организационно-управленческие навыки в профессиональной и социальной деятельности (ПК-8)
Знать:

Теоретические основы формирования организационно-управленческие навыки в профессиональной и социальной деятельности, исходя из нормативно-правовой базы,рекомендаций, ГОСТов и стандартов в профессиональной и социальной деятельности;
Социальные нормы поведения в профессиональном сообществе, структуру организации;

Уметь:

приобретать и использовать организационно-управленческие навыки в профессиональной и социальной деятельности;
управлять людьми, принимать управленческие решения;

Владеть:

навыкам наработки и использования организационно-управленческих функций в профессиональной и социальной деятельности.
методами воздействия на персонал, техниками эффективного поведения в социуме.

Способность составлять и контролировать план выполняемой работы, планировать необходимые для выполнения работы ресурсы, оценивать результаты собственной работы (ПК-9)
Знать:

основы рационального планирования времени и делопроизводства;
методы планирования, анализа и корректировки выполнения планов выполняемой работы и оценки результатов;

Уметь:

составлять, контролировать, корректировать и оценивать результаты деятельности, необходимые для выполнения работы в команде;
анализировать и синтезировать информацию, расставлять приоритеты в выполняемых обязанностях;

Владеть:

навыками критического отношения к окружающей действительности;
навыкам планирования выполняемой работы, оценки ресурсов и результатов собственной деятельности и деятельности коллектива.

Требования

Важно умение пользоваться ПК.

Образование
  • Среднее профессиональное образование
Иные требования и рекомендации для обучения по программе

Важно умение пользоваться ПК.

Модули

свернуть
17,00ч
Модуль 1 Введение в Data Science
1.Как учиться эффективно 2.Обзор профессии Data Scientist
40,00ч
Модуль 3 Знакомство с данными. Python для Анализа данных
1.Инструменты DS 2.Работа с числами в numpy 3.Введение в pandas 4.Очистка данных 5.Визуализация данных 6.Проект 1. Аналитика датасета по закрытым вопросам
66,00ч
Модуль 5 Разведывательный анализ данных
1. Описательные статистики в контексте EDA 2. Проектирование признаков (Feature Engineering) 3. Статистический анализ данных на Питоне 4. Проектирование экспериментов 5. Kaggle площадка
47,00ч
Модуль 7 Построение и валидация модели: Задача регрессии
1. Линейная алгебра в контексте Линейных методов 2. Математический анализ в контексте задачи оптимизации
97,00ч
Модуль 9 ML в бизнесе
1.Временные ряды ч. 1 2.Временные ряды ч. 2 3.Рекомендательные системы ч 1 4.Рекомендательные системы ч 2 5.Подготовка модели 6.Прототип 7.Streamlit+Heroku (или html?) 8.Бизнес понимание + Кейс 9.Проект 6: Временные ряды/Рекомендательные системы
66,00ч
Модуль 2 Проектирование разработки
1. Основы синтаксиса Python. Основные алгоритмические конструкции 2. Погружение в типы данных Python 3. Условные операторы 4.Циклы 5.Функции 6.Практика 7.Гид по стилю в среде Python
61,00ч
Модуль 4 Подгрузка данных
1.Как Выгружать данные из файлов разных форматов 2.Получать данные из веб-источников и API
93,00ч
Модуль 6 Введение в машинное обучение
1. Теория машинного обучения 2. Регрессия 3. Классификация 5. Валидация данных и оценка модели 6. Отбор и селекция признаков 7. Оптимизация гиперпараметров модели 8. ML Cookbook
72,00ч
Модуль 8 Построение и валидация модели: Задача кластеризации
1. Теория вероятностей в контексте Наивного Байесовского классификатора 2. Бустинг & Стекинг (как работают GBMs) 3. Кластеризация и техники понижение размерности 4. Бустинг с использованием кластеризации/PCA на начальном этапе (подумать)
38,00ч
Модуль 10 Бонус-курс. Введение в Deep Learning
1.Введение в нейронные сети 2.Фреймворки для глубокого обучения 3.Сверточные нейронные сети 4.Задача оптимизации 5.Finetuning & Transfer Learning 6.Введение в Data Engineering
17,00ч
Модуль 1 Введение в Data Science
1.Как учиться эффективно 2.Обзор профессии Data Scientist
66,00ч
Модуль 2 Проектирование разработки
1. Основы синтаксиса Python. Основные алгоритмические конструкции 2. Погружение в типы данных Python 3. Условные операторы 4.Циклы 5.Функции 6.Практика 7.Гид по стилю в среде Python
40,00ч
Модуль 3 Знакомство с данными. Python для Анализа данных
1.Инструменты DS 2.Работа с числами в numpy 3.Введение в pandas 4.Очистка данных 5.Визуализация данных 6.Проект 1. Аналитика датасета по закрытым вопросам
61,00ч
Модуль 4 Подгрузка данных
1.Как Выгружать данные из файлов разных форматов 2.Получать данные из веб-источников и API
66,00ч
Модуль 5 Разведывательный анализ данных
1. Описательные статистики в контексте EDA 2. Проектирование признаков (Feature Engineering) 3. Статистический анализ данных на Питоне 4. Проектирование экспериментов 5. Kaggle площадка
93,00ч
Модуль 6 Введение в машинное обучение
1. Теория машинного обучения 2. Регрессия 3. Классификация 5. Валидация данных и оценка модели 6. Отбор и селекция признаков 7. Оптимизация гиперпараметров модели 8. ML Cookbook
47,00ч
Модуль 7 Построение и валидация модели: Задача регрессии
1. Линейная алгебра в контексте Линейных методов 2. Математический анализ в контексте задачи оптимизации
72,00ч
Модуль 8 Построение и валидация модели: Задача кластеризации
1. Теория вероятностей в контексте Наивного Байесовского классификатора 2. Бустинг & Стекинг (как работают GBMs) 3. Кластеризация и техники понижение размерности 4. Бустинг с использованием кластеризации/PCA на начальном этапе (подумать)
97,00ч
Модуль 9 ML в бизнесе
1.Временные ряды ч. 1 2.Временные ряды ч. 2 3.Рекомендательные системы ч 1 4.Рекомендательные системы ч 2 5.Подготовка модели 6.Прототип 7.Streamlit+Heroku (или html?) 8.Бизнес понимание + Кейс 9.Проект 6: Временные ряды/Рекомендательные системы
38,00ч
Модуль 10 Бонус-курс. Введение в Deep Learning
1.Введение в нейронные сети 2.Фреймворки для глубокого обучения 3.Сверточные нейронные сети 4.Задача оптимизации 5.Finetuning & Transfer Learning 6.Введение в Data Engineering

Преподаватели

Бурова

Маргарита

НИУ ВШЭ

преподаватель департамента больших данных и информационного поиска

https://grandeteacher.com/margarita_burova

Королев

Михаил

Страховая компания «АльфаСтрахование»

Ведущий Data Engineer

https://habr.com/ru/users/Korolevmv/

Черненко

Елизавета

НИУ ВШЭ

аспирантка Оксфордского университета, преподаватель

Зимовнов

Андрей

Яндекс.Дзен

Cтарший разработчик

Коробченко

Дмитрий

NVIDIA

Deep Learning R&D Engineer

120 000 p
Авторизуйтесь чтобы записаться

Профстандарт

Специалист по большим данным

06.042

Ответственный за программу

info@skillfactory.ru

+79585770417