Закрыть меню

Курсы

8 (812) 409-90-59

Курсы Data Science

Научим структурировать и анализировать большой объём данных, прогнозировать события и находить неочевидные закономерности с помощью машинного обучения, составлять выводы и тестировать гипотезы. Цель курса - ваша новая профессия Data Scientist

Python Анализ данных Аналитика База данных
64
Академических часа Ак. часа
16
Занятий
6
Недель
29 900
при оплате до 25 сентября
Практический курс

Курс - постоянное решение задач разной сложности. С самого начала обучения вы будете много практиковаться, в том числе и дома. Взамен вы получаете настоящую профессию Data Scientist

Помощь в трудоустройстве

Курс включает в себя грамотное составление резюме, помощь в прохождении собеседования, создание кейсов для портфолио. Расскажем, где набраться опыта и дальше развиваться в сфере Data Science

Работа над личным проектом

На курсе вы наполняете собственное портфолио . Преподаватель отслеживает ваш личный прогресс и помогает со всеми вопросами.

Группы 5-10 человек

Преподаватель может уделить внимание каждому ученику, отслеживать и корректировать работу. Даже онлайн мы сохраняем оптимальное количество слушателей

Преподаватели практики

Наши преподаватели сами работают в Data Science. Они совмещают основную работу и преподавание, что позволяет решать во время обучения задачи любой сложности

Пройди курс ещё раз

Бесплатное повторное прохождение курса в течение года. Можете попасть на пропущенное занятие или ещё раз пройти программу целиком

Ваши результаты

Во время курса

  • Теория вероятности и математическая статистика
  • Алгоритмы машинного обучения
  • Линейная регрессия и логистическая регрессии
  • Деревья решений. Random forest
  • Gradient tree boosting
  • Нейронные сети
  • Основы Python программирования

После курса

  • Знания numpy, pandas, matplotlib, scikit-learn
  • SQL-запросы
  • Работа с библиотеками Python
  • Построение моделей машинного обучения
  • Структурирование и анализ данных
  • Предсказание событий. Проверка гипотез
  • Применение математики
  • Построение моделей машинного обучения
Data Science - это работа с большим объёмом информации, которая требуется почти во всех сферах. Вы можете увеличивать средний чек в компании, удерживать клиентов и прогнозировать их поведение. Вы сможете применять знания в бизнесе, в аналитике, нефтепромышленных и IT-компаниях. По данным HeadHunter количество вакансий Data Scientist выросло в 7 раз

Преподаватели курса

Действующие специалисты Санкт-Петербурга

В веб-разработке с 2017 года. Специализация: Frontend разработка сложных веб-приложений, с использованием TypeScript, React. Участвовал в разработке: решений в области сбора данных и рекламы, интернета-вещей и специального программного обеспечения для удаленного управления “render фермой”.

Тарасенко Николай

Николай о себе:
«Начинал с разработки простых сайтов в студии, но хотелось создавать нечто большее, для этого изучил основы языка Python и углубил знания в HTML, CSS, JS. Изучая бизнес-процессы в компаниях понял, что нужно быть не просто разработчиком, а Инженером. Это позволило переосмыслить свой опыт разработки и принять решение об узкой специализации во Frontend. В обучении объясняю основные концепции и шаблоны разработки на простых примерах из реального мира»

Отзыв слушателя:
«Выражаю благодарность за обучение, занятие были довольны интересными и познавательными. Понравилась подробность и простота подачи информации, без заумной терминологии и сухих фраз. Обучение прошло очень даже хорошо»
Лилия, группа WB237-1865

Место работы: Разработка платформы DIY магазина “Петрович”

Запись и оплата

29 900

42 700

Групповые занятия
Цена действительна при записи на курс до 25 сентября.

Всё необходимое включено в стоимость

При записи на курс, стоимость обучения для вас закрепляется
Вы можете поменять группу или вернуть всю сумму за 24 часа до начала
Вы можете пройти пропущенное занятие или полностью весь курс с другой группой

от 2500 до 4000

Индивидуальное обучение
Стоимость указана за 1 ак. час и зависит от количества академических часов и программы курса

Возможность работы над своим проектом во время обучения
Индивидуальная программа курса. Более эффективное обучение чем в группе
Гибкий график обучения - учёба в удобное для вас время

Мы работаем с любым количеством человек, с любой продолжительностью и интенсивностью курса.
К сентябрю 2019 года обучили 950 компаний.
Обучение в 4 этапа:

Вы оставляете заявку
Мы связываемся с Вами и уточняем все нюансы
Составляем индивидуальный план и график обучения (если это необходимо)
Обучаем в Вашем офисе или у нас в аудиториях

10%

Скидка на второй курс

15%

Скидка на третий курс

25%

Скидка на четвертый курс

100%

Бесплатное повторное прохождение

Подробный план курса

  1. 1. Основы Python

    1. Основы Python и Git (арифметика)
    2. Базовые типы данных и циклы
    3. Функции и классы
    4. Продвинутые типы данных: массивы,
           множества, словари
    5. Python для анализа данных: numpy и scipy
    6. Python для анализа данных: pandas
    7. Лабораторная работа по Python
    8. Основы линейной алгебры и теории множеств и
           их реализация в Python
    9. Методы математической оптимизации и их
           реализация в Python
    10. Основы описательной статистики и их
           реализация в Python
    11. Статистический анализ данных и их
           реализация в Python
  2. 2. Библиотеки для анализа данных

    1. Библиотека NumPy: методы анализа массивов
    2. Библиотека NumPy: способы преобразования
           массивов
    3. Библиотека pandas: индексация и выбор данных
    4. Библиотека pandas: применение функций,
           группировка, сортировка
    5. Визуализация данных с помощью matplotlib
  3. 3. База данных и SQL
    1. Архитектура и структура данных 
    2. Простые запросы, агрегаты
    3. Базовые команды в SQL и встроеные
           аналитические функции
    4. Импорт и экспорт данных посредством SQL
           и ETL программ
    5. Принципы работы с разными конкретными БД
    6. Основные библиотеки для подключения к
           БД из Python
    7. Функции SQL и их аналоги в pandas
    8. Подготовка и сдача итогового проекта
  4. 4. Математическая статистика

    1. Математика для Data Science
    2. Дискретные случайные величины
    3. Непрерывные случайные величины
    4. Центральные предельные теоремы и
           закон больших чисел
    5. Производная
    6. Векторы
    7. Матрицы
  5. 5. Теория вероятностей

    1. Случайные события. Условная вероятность.
           Формула Байеса. Независимые испытания
    2. Дискретные случайные величины. Закон
           распределения вероятностей. Биномиальный
           закон распределения. Распределение Пуассона
    3. Описательная статистика. Качественные и
           количественные характеристики популяции
    4. Графическое представление данных
    5. Непрерывные случайные величины. Функция
           распределения и плотность распределения
           вероятностей. Равномерное и нормальное
           распределение. Центральная предельная теорема
    6. Проверка статистических гипотез. P-значения
    7. Доверительные интервалы. A/B-тестирование
    8. Взаимосвязь величин. Параметрические и
           непараметрические показатели корреляции
           Корреляционный анализ
    9. Многомерный статистический анализ. Линейная
           регрессия
    10. Дисперсионный анализ. Логистическая регрессия
  6. 6. Классические модели машинного обучения

    1. Основные концепции Machine Learning (ML)
    2. Жизненный цикл ML-проекта
    3. Регрессия: метрики качества, преобразование
           входных данных
    4. Регрессия: регуляризация и градиентный спуск
    5. Классификация: kNN, наивный байесовский
           классификатор, деревья решений
    6. Классификация: метрики качества классификации
           и многоклассовая классификация
  7. 7. Кластеризация
    1. Кластеризация
    2. Дополнительные техники: понижение размерности
    3. Дополнительные техники: бустинг и стекинг
    4. Знакомство с Kaggle
  8. 8. АБ-тестирование
    1. A/B-тестирование: объем выборки и построение
           доверительных интервалов
    2. A/B-тестирование: статистические гипотезы и
           алгоритмы их проверки
           (Bootstrap и статистический тест)
    3. Мастер-класс: A/B-тестирование
    4. Performance metrics
  9. 9. Нейронные сети
    1. Обучение нейронных сетей
    2. Нейронные сети на практике
    3. Свёрточные нейросети для задачи классификации
           изображений: введение в свёртки (многоканальные
           свёртки, рецептивное поле)
    4. Свёрточные нейросети для задачи классификации
           изображений: продвинутые операции со свёрткой
           (архитектуры сетей VGG и ResNet, задача Transfer
           Learning для свёрточных сетей)

FAQ по курсам

Да. По окончании курса вы получаете сертификат и электронное подтверждение. Данный сертификат ученики часто используют при устройстве на работу, но стоит помнить, что самое ценное - это навык, который вы освоите на курсе.

Наши преподаватели - наш залог вашего успеха! Все они действующие специалисты, которым легко задавать вопросы и перенимать их опыт. За каждой группой закреплён конкретный преподаватель. Узнать можно по телефону, в чате на сайте или в сообщениях ВК группы

В течение полугода после окончания курса действуют накопительные скидки: 10% на второй, 15% на третий и 25% на четвертый курс. Минимум раз в полгода ждем вас:)

На курсе вы структурируете знания, которые у вас есть, получите новый материал. Огромную ценность представляют практические и домашние задания. Добавляем опыт преподавателя, ваше желание научиться - получаем результат!

Так что да, курс пройти стоит!

От вас требуется только быть уверенным пользователем компьютера, остальное уже за нами. Программа курса рассчитана таким образом, чтобы все ученики усвоили материал. Для этого с вами работают профессионалы, которые дополнительно обучаются педагогике в нашем центре.

Если какой-то момент остаётся непонятным, преподаватели быстро реагируют и разъясняют. В любой момент вы можете написать и своему личному онлайн-другу в Бруноям, который также подключится для разрешения всех вопросов!

Преподаватель даёт информацию по работе: как пройти собеседования в этой нише, где искать работу, как составить резюме и оформить портфолио, с какими заказчиками имеет смысл работать, а также расскажет о собственном опыте в поиске работы.

Многие ученики уже на курсе размещают информацию о себе и контактируют с заказчиками, а преподаватели дают рекомендации, исходя уже из их ситуаций.

При такой поддержке у вас есть все шансы получить работу в короткие сроки!

Очень!

Весь курс заточен на отработку информации именно на практике!