Войти
Каталог
DATA SCIENCE:
Быстрый старт
- Освойте основы Data Science за 2 месяца
- Изучите от основ Python до продвинутых инструментов Hadoop
Мини-курс
2 мес
Интенсивный курс
Освойте навыки всего за 2 месяца
Сами выбираете темп
Проходите курс в комфортном темпе: после работы или в выходные
Практика, а не теория
Оттачивайте навыки на кейсах после каждого урока
Доступ навсегда
Вы всегда сможете освежить знания
Интенсивный курс
Освойте навыки всего за 2 месяца
Сами выбираете темп
Проходите курс в комфортном темпе: после работы или в выходные
Практика, а не теория
Оттачивайте навыки на кейсах после каждого урока
Доступ навсегда
Вы всегда сможете освежить знания
На курсе вы научитесь
Писать код на PythonВыучите синтаксис одного из самых популярных языков программирования, сможете создавать и применять функции
Работать с Machine LearningУзнаете ключевые инструменты Machine Learning и научитесь их применять
Работать с рекомендательными системамиИзучите типы и задачи рекомендательных систем, а также сможете создавать собственные
Переносить проекты на HadoopПопрактикуемся в работе с Hadoop и разберем подход MapReduce
Как проходит обучение
Изучаете тему с помощью видеоуроков, которые доступны на обучающей платформе
Изучение темы
Сопровождение ментором
Выполнение ДЗ
Ментор следит за вашим успехом, помогает эффективно построить обучение
70% обучения — практика, в рамках которой вы будете выполнять задания на задачах и кейсах вашей компании
Защита проекта
Защищаете проект и дополняете
им свое портфолио
им свое портфолио
Наши эксперты
Только практики c большим опытом
Николай ПекальнДиректор по Аналитике,
Vezet group
Ришат ИсхатовHead of BA,
СберМаркет
Записаться на курс или получить бесплатную консультацию
Программа курса
12 блоков и воркшопов
- Введение в Python
- Типы данных, функции, классы, ошибки
- Строки, условия, циклы
- Списки и словари в Python
- Пакеты, файлы, Pandas – начало
- Pandas – продолжение
- Библиотеки визуализации данных
- Практика
- Задачи машинного обучения
- Ключевые инструменты Machine Learning и их применение
- Что такое модели машинного обучения?
- Линейная регрессия
- Практика
- Алгоритм бинарной классификации данных
- Применение на задачах
- Проблема переобучения и недообучения
- Валидация на отложенной выборке
- KFold и Stratified KFold валидация
- Определение и процесс построения решающего дерева
- Принцип работы дерево с количественными и категориальными признаками
- Сравнение дерева решений с линейными моделями
- Состав Feature Engineering
- Базовые подходы к созданию признаков
- Состав Feature Selection
- Разбор кейсов
- Разбор кейса
- Практическая задача по предсказанию оттока пользователей
- Практика и применение алгоритмов
- Разбор кейса и нюансов
- Практическая задача
Истории наших студентов
Василий Сорохтин
курс "Профессия: Аналитик"
Александр
курс "Профессия: Аналитик"
Артем Чистяков
курс "Продакт менеджер"
Вячеслав Михайлов
курс "Профессия: Продакт менеджер"
Елизавета Шаронова
курс "Профессия: UX/UI дизайнер"
Оксана Безкаравайная
курс "Профессия: UX/UI дизайнер"
Андрей Шелковников
курс "Профессия: Аналитик"
Часто задаваемые вопросы
Для решения задач потребуется ноутбук или ПК, лекции и уроки можно смотреть с мобильного телефона.
Учиться можно в любом возрасте, но оплачивать — толькоможно с 18 лет. Если вам меньше 18, уточните у менеджера, какие у вас есть возможности оплаты и как вам начать обучение.
Да, у нас есть удобная опция беспроцентной рассрочки.