Полный курс по Data Science

Для кого специализация

• Новичок Вы хотите освоить профессию Data Scientist с нуля. Для этого вам не потребуется специальных знаний, выходящих за рамки школьной программы. На специализации вы получите достаточную математическую подготовку и опыт программирования на Python, чтобы решать задачи машинного обучения.
• Программист Всего за год вы пополните портфолио рекомендательной системой, нейронными сетями, выполняющими разные задачи, примете участие в соревнованиях на Kaggle, хакатонах. Опыт программирования позволит вам быстро включиться в процесс обучения и освоить профессию Junior Data Scientist.
• Аналитик Вы уже работаете с данными, SQL, хотите расширить набор приемов, научиться работать с облачными хранилищами, попрактиковаться с Hadoop и Spark или полностью сменить профессию. За год вы освоите новую область, прокачаетесь в Big Data и сможете смело двигаться в направлении Data Science.

Вы изучите

• Введение в Machine Learning
• Python
• SQL
• Инженерия данных (Data Engineering)
• Math & Machine Learning
• ML в бизнесе
• Deep Learning (Глубокое обучение)

Краткая программа специализации

• Введение в профессию
  • Введение в онлайн обучение
  • Обзор профессии Data Scientist
• Основы программирования на Python
  • Введение в программирование на Python
  • Основные типы данных в Python
  • Условные операторы
  • Циклы
  • Функции — базовое и продвинутое использование
  • Стандарты оформления кода в Python
• Python для анализа данных
  • Инструменты для Data Science
  • Анализ данных на основе библиотек NumPy и Pandas
  • Визуализация данных с помощью Matplotlib, Seaborn и Plotly
  • Очистка данных и Feature Engineering
  • Объектно-ориентированное программирование и отладка кода в Python
  • Проект. Анализ резюме с платформы HeadHunter
• Подгрузка данных
  • Выгрузка данных из разных источников с помощью Python
  • Парсинг HTML-страниц из Интернета и API
  • Основы языка SQL для работы с базами данных
  • Выгрузка информации из баз данных с помощью SQL и Python
  • Проект. Анализ вакансий из базы данных HeadHunter
• Разведывательный анализ данных
  • Введение в разведывательный анализ данных на Python
  • Основы математической статистики и проверка статистических гипотез
  • Основы A/B-тестирования
  • Проектирование признаков (Feature Engineering)
  • Проектирование и управление экспериментами
  • Знакомство с платформой Kaggle
  • Проект. Выявление накрутки рейтинга отелей на Booking. Соревнование на Kaggle
• Введение в машинное обучение
  • Теория машинного обучения
  • Обучение с учителем: классификация и регрессия
  • Обучение без учителя: кластеризации и понижения размерности
  • Валидация данных и оценка качества моделей
  • Отбор и селекция признаков
  • Оптимизация гиперпараметров и улучшение качества модели
  • Продвинутые методы машинного обучения
  • Проект. Повышение эффективности маркетинговой кампании банка
• Математика в машинном обучении. Часть I
  • Линейная алгебра в контексте линейных методов
  • Математический анализ и методы оптимизации в контексте задачи оптимизации
  • Проект. Прогнозирование длительности поездки в такси
• Математика в машинном обучении. Часть II
  • Теория вероятности в контексте методов машинного обучения
  • Математика в контексте алгоритма деревьев решений
  • Математика в контексте ансамблевых методов
  • Математика в контексте обучения без учителя: кластеризация и техники понижения размерности
  • Проект. Сегментация клиентов онлайн-магазина подарков
• ML в бизнесе
  • Прогнозирование временных рядов
  • Построение рекомендательных систем
  • Подготовка модели к production и deploy
  • Оценка эффективности моделей в реальных бизнес-задачах
  • Воспроизводимость и контейнеризация приложений
  • Сервисная архитектура и оркестрация приложений
• Финальный проект
  • По итогам вашего обучения вам предстоит самостоятельно выполнить дипломный проект на выбранную тематику, показав все, чему вы научились в процессе обучения. В конце дипломного проекта вам предстоит подготовить свое решение и презентацию, а также защитить проект перед дипломной комиссией, состоящей из экспертов в области Data Science. Эксперты оценят результаты вашей работы, проведут Code Review и дадут развивающую обратную связь!
• Введение в Deep Learning (бонусный раздел)
  • Введение в нейронные сети
  • Фреймворки для глубокого обучения
  • Математика для нейронных сетей
  • Введение в CV. Сверточные нейронные сети
  • Fine-tuning & Transfer Learning
  • Введение в NLP. Рекуррентные нейронные сети
• Введение в Deep Learning (бонусный раздел)
  • Современные хранилища данных
  • Экосистема Hadoop