Обучение Data Science – Курс Data Scientist в СПб

Описание курса

Курс Data Scientist ориентирован на начинающих разработчиков, знакомых с основами разработки на Python.

Программа обучения Data Science содержит большое количество практических задач на закрепление знаний, а также мини-проекты на протяжении курса.

Целью курса Data Scientist является понимание и умение применять на практике все необходимые технологии связанные с Data

Science.

При успешном прохождении курса студент может претендовать на должность Junior Data Scientist или Junior Data Analyst.

Каждая из тем курса содержит практические примеры, а каждое занятие сопровождается домашним заданием для закрепления материала.

В конце курса разберем самые популярные вопросы для собеседования.

Требования к участникам курса:

Начальные знания Python (нужно знать, что такое методы/функции/import/pip; не обязательно знать, вопросы связанные с разработкой классов, декораторов, лямбда-выражений, генераторов и т.п.). То есть первые 3-4 занятия из курса Python. Уровень 1.
Умение пользоваться системами контроля версий (Github | Gitlab | Bitbucket и т.п.)
Знание английского для понимания базовых слов (A2-B1). Или желание быстро расширить словарный запас (по желанию предоставляется “словарик” начинающего разработчика).

свернуть

Программа

1. Введение. Терминология.

Рассмотрение различных ролей в AI-team и их навыков.
Различия/Сходства программирования и науки о данных.
Цикл разработки AI продукта.
Полезные ресурсы.

2. Python + Git

Вспоминаем
Закрепляем
Решаем задачки
JupyterLab + MarkDown

3. Математика для DS

Статистика (hypothesis testing, bias/variance tradeoffs, mean, variance, and mode).
Теория вероятностей (distributions, conditional probabilities, independence, Bayes theorem).
Математический анализ (derivatives, integrals)
Линейная алгебра (matrix vector operations, eigenvalues, eigenvectors, and combinatorics).
Математические функции (min/max/argmin/argmax...).
Математика для анализа данных (preprocessing, visualization and metrics such as accuracy, R-squared, residuals, precision, and recall).

4. Data Engineering

Подготовка данных для обучения (feature engineering).
Способы сбора/поиска данных для обучения.
Анализ данных (в том числе визуализация).

matplotlib
seaborn

Анализ того, что получилось на графиках (корреляция, среднее...).
Что такое ETL?
Базы данных

SQL (на примере MySQL)
NoSQL (на примере MongoDB)

Знакомство с экосистемой Hadoop
Знакомство с Apache Spark | Apache Hive

5. Modeling

ML (Classic models)

Типы:

Logistic Regression
Linear Regression
Decision Trees
Random Forest
XGBoost
Support Vector Machines (SVM)
K-means
K-Nearest Neighbors (K-NNs)
Principal Component Analysis (PCA)
Naive Bayes Classifier
Lasso/Ridge regression

Пакеты/Фреймворки для работы
Methods to train (initialization, optimization, regularization, and hyperparameter tuning).
Анализ результатов моделей, рекомендации.

Deep Learning

Типы:

Deep Neural Networks (DNNs) | Feed Forward Networks (FFNNs)
Recurrent Neural Network (RNN)
Long Short Term Memory (LSTM)
Convolutional Neural Network (CNN)

Пакеты/Фреймворки для работы
Methods to train (initialization, regularization, optimization, and transfer learning).
Анализ результатов моделей, рекомендации.

6. Infrastructure & Deployment

Что такое рефакторинг. Основные подходы.
Unit & Functional tests
Обзор AWS, Azure и аналогов.
CI / CD
Docker
Подготовка к деплойменту

7. Разбор классических вопросов на собеседовании

свернуть

Преподаватель

Задать вопрос

Вера

Аспирант (PhD) в CERN

Закончила бакалавриат и магистратуру физического факультета НГУ.

С младших курсов начала заниматься анализом данных физических экспериментов, и решила дальше развиваться в этой области.

Получила ещё одну магистерскую степень, в этот раз по data science, во французском ВУЗе.

В настоящее время ведёт научную деятельность, разрабатывая эффективные алгоритмы обработки данных для задач компьютерного зрения.

Задать вопрос

Руслан

Аналитик-разработчик в компании BIA Technologies.

Закончил МФТИ, работал по научным направлениям в области моделирования сложных физических процессов.

Работал в нескольких крупных IT-компаниях Москвы и Санкт-Петербурга, занимался различными по размеру и сложности задачами, от генерирования картин, распределения физических величин и чат-ботов до интегрированного комплекса ГИС для картографии и разработки IaaS (Infrastructure as a Service) AWS-подобной системы предоставления облачных услуг.

В настоящее время работает аналитиком-разработчиком в области систем автоматического решения задач управления перевозками. Python изучал для автоматизации рутинных действий, однако впоследствии язык показал себя как крайне гибкий и мощный инструмент. Его можно применять в системах произвольной сложности, и он позволяет максимально быстро получить работающее решение.

"Программирование - это не школьный набор знаний и навыков, это творчество, это структурирование мышления, это удовольствие от результата. И самое главное, это не требует ни специфического оборудования, ни особых талантов. Программирование в современном мире похоже на вторую грамотность, и каждый заинтересованный способен ей обучиться." - говорит Руслан.

Задать вопрос

Евгений

DevOps Engineer в Сбере

Никогда не думал, что стану DevOps инженером, но мир заставил меня администрировать и автоматизировать процессы, и я не смог остановится:)

В сфере уже более 5-ти лет, из интересного:

Был архитектором облачно-ориентированного приложения в AWS для REISS DIGITAL LLC.
Занимался автоматизации процессов в отдели процессинга для Яндекс.Денег.

Сейчас выступаю в качестве DevOps/DevNET, в актуальном проекте, связанном с обработкой рентген-снимков с применением машинного обучения, строю инфраструктур с применением подхода IaC и прочих вкусностей.

Задать вопрос

Максим

Руководитель отдела разработки, эксперт, консультант, доцент МГУ имени М.В. Ломоносова.

В своей профессиональной деятельности прошёл путь от простого разработчика до руководителя отдела разработки.

Работал, как на аутсорсе так и in house, занимался консультированием и разработкой в сфере нейронных сетей, искусственного интеллекта и машинного обучения.

В данный момент руковожу отделом разработки и преподаю в МГУ имени М.В. Ломоносова.

свернуть

Обучение Data Science – Курс Data Scientist в СПб | Level Up

Курс Data Scientist