Обучение Data Science – Курс Data Scientist в СПб | Level Up
Курс Data Scientist
свернуть
Описание курса
Курс Data Scientist ориентирован на всех, кто хочет освоить новую профессию в интенсивном формате. Начальных знаний программирования на Python не требуется, будем всему учиться с нуля.
Программа обучения Data Science содержит большое количество практических задач на закрепление знаний, мини-проекты на протяжении курса, а также финальный проект, который будет "наращиваться" по ходу 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:
- Начальных знаний не требуется, всему будем учиться с нуля
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
- Основы Python
- Основные библиотеки для дата саинтиста
- Закрепляем
- Решаем задачки
- JupyterLab + MarkDown
3. Математика для DS
- Математический анализ (derivatives, integrals)
- Линейная алгебра (matrix vector operations, eigenvalues, eigenvectors, and combinatorics).
- Теория вероятностей (distributions, conditional probabilities, independence, Bayes theorem, correlation, covariation).
- Статистика (hypothesis testing, bias/variance tradeoffs, mean, variance, and mode, p-value, confidence interval).
- Обработка данных для аналитика
- Сводные таблицы группировка
- Математические функции (min/max/argmin/argmax...).
- Математика для анализа данных (preprocessing, visualization,EDA).
- Проведения предобработки данных на примере реальной задачи
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 (среднее медиана)
- 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
- Метод максимального правдоподобия
- Классическая задача регрессии
- Linear Regression
- Переобучение и недообучение. Методы борьбы с ними
- Lasso/Ridge regression
- Классическая задача классификации
- Logistic Regression
- Основные виды моделей (бустинг бэггинг)
- Методы Баггинга
- Decision Trees
- Random Forest
- Методы бустинга и популярные библиотеки
- XGBoost
- LightGBM
- Остальные популярные методы
- Support Vector Machines (SVM)
- Методы беггинга
- Naive Bayes Classifier
- Задача кластеризации
- K-means
- Иерархическая кластеризация
- EM-Алгоритм
- DBSCAN
- Задача снижения размерности
- Principal Component Analysis (PCA)
- t-SNE
6. Deep Learning
- Структура и принцип работы полносвязных нейронных сетей
- Персептрон
- Функции активации, критерии качества работы НС
- Популярные библиотеки для нейронных сетей
- Типы:
- Deep Neural Networks (DNNs) | Feed Forward Networks (FFNNs)
- Исследование полезных подходов в нейронных сетях
- Back propagation( метод обратного распространения ошибки)
- Dropout
- Batch Normalization
- 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.
7. Infrastructure & Deployment
- Что такое рефакторинг. Основные подходы.
- Unit & Functional tests
- Обзор AWS, Azure и аналогов.
- CI / CD
- Docker
- Подготовка к деплойменту
8. Разбор классических вопросов на собеседовании
свернуть
Закончила бакалавриат и магистратуру физического факультета НГУ.
Закончил МФТИ, работал по научным направлениям в области моделирования сложных физических процессов.
Преподаватель
Никита
Data Scientist в Магнит
Закончил Бакалавриат и Магистратуру на факультете вычислительной математики и кибернетики (ВМК) в ННГУ
За время профессиональной деятельности прошёл путь от стажёра до специалиста мидл+.
В настоящее время работаю Data Scientist в компании Магнит, занимаюсь детектированием проблем с товаром.
Вера
Аспирант (PhD) в CERN
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.
Руслан
Аналитик-разработчик в компании BIA Technologies.
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.
1. Наличными
Оплата наличными производится в нашем офисе в течение 2-х недель до начала курса.
2. Оплата на реквизиты (карта, банк)
После подтверждения участия в мероприятии, на электронную почту участника будет отправлена информация для оплаты.
Доступные способы оплаты:
- Банковские карты (Visa, MasterCard)
- Сбербанк-онлайн
- Оплата через интернет-банкинг
3. По счету от организации (для юридических лиц)
- Оплата услуг юридическими лицами возможна по счету.
- Все необходимые для бухгалтерии документы (договор, счет на оплату, акт выполненных работ ) подготавливаются в соответствии с законодательством РФ.
Курсы программирования, тестирования, мобильных и веб-технологий от Level UP!
Учитесь с профессионалами в сфере IT-образования!