Курсы по Big Data в Кирове с нуля

Обучение на курсе поможет вам:

1. Перейти в профессию с высоким окладом, которая не устареет через 10 лет
   Положите начало своему развитию в востребованной во всех отраслях бизнеса профессии
2. Освоить ключевые технологии и опередить запрос рынка
   Станете востребованным специалистом уже в процессе обучения и не растеряете накопленные знания и навыки
3. Прожить опыт 2-3 лет самостоятельного изучения сферы Data Science
   Получите знания в концентрированном формате и с обратной связью от экспертов-практиков ведущих компаний

А ещё вы получите:

• Больше 16 кейсов в портфолио
• Выполните 90 домашних работ с фидбеком эксперта, а также онлайн-лабораторные и тесты
• Доступ в профессиональные сообщества
• Поможем вам найти единомышленников и будущих коллег
• Участие в конкурсах Kaggle
• Помощь в трудоустройстве

Кому будет полезен этот курс?

• Новичкам в Data Science
  С нуля овладеете знаниями и навыками, необходимыми для работы Data Scientist, и получите новую востребованную профессию.
• Разработчикам
  Курс даёт хорошую базу для перехода из программирования в Data Science и анализ больших данных. Вас ждёт много практической работы, разбор кейсов и новые полезные знакомства.
• Аналитикам
  Вы научитесь извлекать максимум из больших массивов данных для быстрой проверки гипотез и построения прогнозов. Освоите новые инструменты и перейдёте на новый уровень в сфере Data Science.

Чему вы научитесь?

• Работать с SQL
  Научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов
• Использовать Python и библиотеки
  Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, полученные при анализе данных
• Проверять данные и определять проблемы
• Обрабатывать текстовые данные, чтобы передавать их в алгоритмы машинного обучения, генерировать новые значимые признаки
• Обучать многослойные нейронные сети и строить модели машинного обучения
• Быстро строить модели и проверять гипотезы, строить рекомендательную систему и нейронную сеть, выявлять скрытые аномалии в данных
• Применять математику в алгоритмах
• Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
• Лидировать Data-проекты, работать в команде и находить общий язык с заказчиком
• Структурировать результаты, формулировать гипотезы, выявлять потребности, находить области применения машинного обучения

Программа курса

• 1 ступень. Погружение
• Аналитическое мышление
  Курсовой проект
  Основы визуализации данных
  Курсовой проект
• 2 ступень. SQL, Python и Big Data
• SQL и получение данных
  Курсовой проект
  Аналитика больших данных
  Курсовой проект
  Python для анализа данных
  Курсовой проект
  Математика для анализа данных
  Курсовой проект
• 3 ступень. Машинное обучение, Deep Learning и нейронные сети
• Машинное обучение
  Рекомендательные системы
  Временные ряды
  Нейронные сети
  Компьютерное зрение
  Обработка естественного языка
  Deep Learning
  Курсовой проект
• 4 ступень. Soft Skills и управление проектами
• Менеджмент data-проектов
  Эффективные коммуникации и эмоциональный интеллект
  Переговоры
  Публичные выступления
• Финальный хакатон и Kaggle Competitions

Программа курса

Ступень 1. «База BigData-инструментария»Практика на кейсах реальных компаний, помощь со стажировкой и первыми собеседованиями.

Блок 1: Python для анализа данных

Блок 2: SQL и работа с базами данных

Блок 3: Математика и Статистика для Data Science

Блок 4: Технические нюансы и работа с Git

Блок 5: Программирование на R

Ступень 2. «Алгоритмы Machine Learning»

Блок 6: Классические модели Machine Learning

Блок 7: Построение рекомендательных систем

Блок 8: Построение прогнозных моделей

Блок 9: Построение моделей для скоринга

Блок 10: Создание BigData-продуктов

Блок 11: Подготовка портфолио и участие в соревнования на Kaggle

Ступень 3. «Специализация и погружение в прикладные задачи»

Блок 12: Специализация: AI & Deep Learning Engineer (нейронные сети)

Блок 13: Специализация: NLP-разработчик (построение DataScience-систем анализа текста и голоса)

Блок 14: Специализация: Cloud Data Engineer (Linux, Hadoop, AWS, работа "в облаке»)

На курсе вы научитесь:

• Писать на Python

Выучите синтаксис одного из самых популярных языков программирования, сможете создавать и применять функции

• Работать с Machine Learning

Узнаете ключевые инструменты Machine Learning и научитесь их применять

• Работать с рекомендательными системами

Изучите типы и задачи рекомендательных систем, а также сможете создавать собственные

• Переносить проекты на Hadoop

Попрактикуемся в работе с Hadoop и разберем подход MapReduce

Программа курса

• Блок 1: "Python, быстрый старт: типы данных, функции, классы, ошибки"
• Введение в Python
• Типы данных, функции, классы, ошибки
• Блок 2: "Python, быстрый старт: строки, условия, циклы, списки и словари"
• Строки, условия, циклы
• Списки и словари в Python
• Блок 3: "Библиотеки для анализа данных: Pandas"
• Пакеты, файлы, Pandas – начало
• Pandas – продолжение
• Блок 4: "Библиотеки для анализа данных: визуализация"
• Библиотеки визуализации данных
• Практика
• Блок 5: "Знакомство с машинным обучением"
• Задачи машинного обучения
• Ключевые инструменты Machine Learning и их применение
• Блок 6: "Основные модели машинного обучения: линейная регрессии"
• Что такое модели машинного обучения?
• Линейная регрессия
• Практика
• Блок 7: "Бинарная классификация"
• Алгоритм бинарной классификации данных
• Применение на задачах
• Блок 8: "Валидация. Почему это важно"
• Проблема переобучения и недообучения
• Валидация на отложенной выборке
• KFold и Stratified KFold валидация
• Блок 9: "Решающие деревья"
• Определение и процесс построения решающего дерева
• Принцип работы дерево с количественными и категориальными признаками
• Сравнение дерева решений с линейными моделями
• Блок 10: "Feature Engineering, Feature Selection"
• Состав Feature Engineering
• Базовые подходы к созданию признаков
• Состав Feature Selection
• Разбор кейсов
• Блок 11: "Предсказание оттока клиентов и прогноз продаж"
• Разбор кейса
• Практическая задача по предсказанию оттока пользователей
• Практика и применение алгоритмов
• Блок 12: "Воркшоп: скоринг кредитного портфеля"
• Разбор кейса и нюансов
• Практическая задача

Чему вы научитесь

• Работать SQL
• Научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов
• Использовать Python и библиотеки
• Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, сделанные на основании данных
• Проверять данные и определять проблемы
• Обрабатывать текстовые данные, чтобы передавать их в алгоритмы машинного обучения, генерировать новые значимые признаки
• Строить модели машинного обучения
• Быстро строить модели и проверять гипотезы, строить рекомендательную систему и нейронную сеть, выявлять скрытые аномалии в данных
• Применять математику
• Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
• Лидировать DS-проект
• Структурировать результаты, формулировать гипотезы, выявлять потребности, находить области применения машинного обучения

Достигнутые результаты

• Построена полносвязная нейросеть
• Создан чатбот для поиска авиабилетов
• Построен классификатор изображений
• Созданы рекомендательные системы для музыкального и киносайта
• Создан готовый к внедрению ml-проект

Ключевые навыки

• Сбор и подготовка данных для анализа
• Создание нейросетей
• Генерация текстов и изображений
• Создание рекомендательных систем
• Выбор и реализация алгоритма под задачу
• Выбор и создание фич для модели

На курсе “Data Scientist” вы научитесь:

Работать с SQL

• Научитесь писать запросы, работать с базами данных, извлекать и обрабатывать информацию

Использовать Python и библиотеки анализа данных

• Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, сделанные на основании данных

Строить модели машинного обучения

• Подготавливать данные и быстро строить на них ML-модели. Проверять гипотезы, строить рекомендательную систему и нейронную сеть, выявлять скрытые аномалии в данных

Использовать сложную математику для Data Science

• Освоите математические функции для работы с моделями данных, машинным обучением и нейронными сетями

Программа курса "Data Scientist":

• Блок 1: "Получение и подготовка данных: SQL"
• Блок 2: "Python для анализа данных"
• Блок 3: "Построение Machine Learning моделей"
• Блок 4: "Нейронные сети и NLP"
• Блок 5: "Рекомендательные системы"
• Блок 6: Дипломная работа и помощь с трудоустройством

Навыки после курса:

Машинное обучение

• Построение моделей. Линейные методы, логистическая регрессия и SVM

Продвинутая математика для ML

• Линейная алгебра, теория вероятности, теория множеств для работы с машинным обучением

Обработка языка (NLP)

• Дистрибутивная семантика (word2vec, GloVe, AdaGram) и машинный перевод

Декомпозиция метрик

• Поиск низкоуровневых метрик для улучшенния бизнес-показателей

Мат.статистика

• Продвинутый уровень мат.статистики для аналитики данных

Рекомендательные системы

• Навык построения рекомендательных систем для различных отраслей

Обработка картинок Machine Learning

• Поиск по картинкам. Сегментация изображений, детекция объектов

SQL

• Продвинутый уровень SQL: конкатенация строк, оконные функции и ускорение запросов

Python

• Аналитика данных с помощью библиотек Python: Pandas, Numpy, SciPy, Seaborn, Matplotlib и др

Визуализация данных

• С помощью Python и машинного обучения

Презентация данных

• Презентация результатов анализа данных для принятия решений

Зачем это мне?

По версии кадрового агентства Glassdoor профессия Data Scientist, напрямую связанная с машинным обучением, занимает первую строчку в рейтинге самых лучших профессий США.

Ценятся такие специалисты высоко. Причина в том, что на рынке мало специалистов в области Data Science. Квалификация в этой области поможет вам совершить рывок в текущей работе или запуске собственного проекта.

Ключевые навыки

• Использую основные алгоритмические конструкции и структуры данных Python для проектирования алгоритмов
• Умею получать данные из веб-источников или по API
• Умею визуализировать данные с помощью Pandas, Matplotlib
• Умею создавать модели с помощью классического машинного и глубокого обучения для решения задач Data Science
• Умею оценивать качество модели вне зависимости от задачи
• Применяю методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных
• Строю математические и ML-модели с использованием временных рядов
• Применяю алгоритмы для рекомендательных систем (от ассоциативных правил до advanced-алгоритмов)
• Специализируюсь на ML/CV/NLP-инженерии (в зависимости от выбранной специализации), применяю современные продвинутые модели для решения отдельных задач
• Умею конвертировать бизнес-задачи в технические и наоборот
• Умею выводить и поддерживать модели в Production с учетом специфики выбранной специализации
• Обладаю дополнительными компетенциями в зависимости от выбранного майнора (продвинутый SQL, продвинутый Python, Reinforcement Learning или Data Engineering)

Кому подойдет курс

• Новичкам
• Сможете стать специалистом по анализу больших данных, даже если никогда не работали в IT-сфере.
• Начинающим аналитикам
• У вас будет всё для ускоренного карьерного роста: комплексные знания и опыт работы с продвинутыми инструментами, методологиями и стандартами.
• Практикующим IT-специалистам
• Подскажем, как перейти в востребованное направление и зарабатывать больше.

Ключевые навыки

• Владею методами анализа больших данных и методами машинного обучения
• Использую в работе методы прикладной статистики и теории вероятностей
• Умею обрабатывать большие данные с помощью разных технологий (Hadoop, Hive, Spark, Hue, HBase, Kafka, Spark Streaming)
• Владею SQL и NoSQL СУБД
• Работаю с BI-системами (Power BI), формирую отчёты анализа данных
• Программирую на Python и работаю с библиотеками для анализа данных (NumPy, Matplotlib, scikit-learn)

Кому подойдёт этот курс

• Новичкам
  С нуля освоите Python и SQL, научитесь собирать и анализировать данные. Получите необходимый минимум знаний по математике, теории вероятности и статистике. Решите задачи на основе реальных кейсов. Устроитесь на стажировку по выбранной специальности уже во время прохождения курса.
• Программистам
  Подтянете математику, статистику, аналитическое и алгоритмическое мышление, научитесь выявлять потребности бизнеса. Получите опыт работы с моделями машинного обучения и будете решать задачи с данными с помощью Python. Пройдёте процесс от сбора данных до деплоя модели.
• Начинающим аналитикам
  Научитесь выдвигать гипотезы и делать выводы на основе данных. Сможете писать эффективный код на Python, превращать сырые данные в полезную информацию, понимать математику и основы статистики, обучать машины и прогнозировать результаты. Отшлифуете знания, увеличите скорость работы и добьётесь повышения.

Чему вы научитесь

1. Строить модели машинного обучения
   Начнёте с простых моделей, которые требуют минимальных знаний программирования. Разберётесь в алгоритмах и научитесь решать задачи регрессии, классификации и кластеризации.
2. Обучать нейронные сети
   Узнаете, как устроены архитектуры нейросетей для задач компьютерного зрения и NLP. Сможете использовать и дообучать готовые сетки для своих задач и тренировать собственные.
3. Использовать ML-алгоритмы
   Освойте линейные и древесные алгоритмы и бустинги. Научитесь прогнозировать временные ряды и создавать рекомендательные системы.  Сможете обучать модели на больших данных с помощью Spark.
4. Работать с инструментами анализа данных
   Узнаете, как проводить разведочный анализ данных, и освоите Excel для аналитики. Научитесь визуализировать данные в Power BI и программировать на Python и SQL.
5. Извлекать данные из различных источников
   Поймёте, как читать файлы различных форматов при помощи Python и библиотеки Pandas. Научитесь писать запросы к API, получать, очищать и сохранять данные в разных форматах.
6. Настраивать инфраструктуру
   Научитесь читать и понимать архитектуры ML-решений. Познакомитесь с пайплайнами работы модели: от сборки данных до мониторинга результатов. Сможете собирать модели в виде API.

Чему вы научитесь:

Работать с сырыми данными

• Информация для отчётов теперь у вас в руках. От получения данных из разных источников с помощью Python и SQL до их загрузки и обработки средствами Power BI.

Анализировать данные

• Понимание бизнеса позволяет расти быстрее и увеличивать свой капитал. Находите инсайты в данных и предлагайте бизнесу оптимальные сценарии роста.

Работать с Big Data и визуализировать данные

• Получайте конкурентное преимущество: лучшие компании работают с большими данными. Используйте Tableau Server и другие инструменты

Выдвигать и тестировать гипотезы

• Берите в работу сложные задачи и будьте уверены в своих подходах к достижению цели. Приоритизируйте гипотезы и подбирайте эффективные инструменты для их проверки.

Как проходит обучение:

Изучаете тему

• В курсе — полезные видеоуроки

Выполняете домашнее задание

• В том темпе, в котором вам удобно

Общаетесь с наставником

• Закрепляете знания и исправляете ошибки

Защищаете дипломный проект

• И дополняете им свое портфолио

Программа курса:

Блок 1: "Python и обработка данных"

• Введение в Python
• Типы данных, функции, классы, ошибки
• Строки, условия, циклы
• Списки и словари в Python
• Пакеты, файлы, Pandas - начало
• Pandas: продолжение
• Визуализация данных
• Базы данных и статистика
• Многопоточность
• Веб-сервер flask и контроль версий GIt
• Итоговый проект

Блок 2: "Работа с Power BI"

• Введение в Power BI2
• Power Query. Получение и преобразование данных
• Модель данных в Power BI4
• DAX5
• Работа с отчетами, базовые принципы визуализации данных
• Power BI Service и создание дашборда
• Power BI и Python
• Итоговый проект

Блок 3: "SQL для анализа данных"

• Введение в блок SQL
• Извлечение и фильтрация данных
• Преобразование и сортировка данных
• Группировка данных
• Введение в базы данных
• Объединение таблиц
• Вложенные запросы
• Обновление, добавление и удаление данных
• Создание, изменение и удаление таблиц
• Advanced
• Обзор основных программ

Блок 4: "Tableau"

• Введение в Tableau. Знакомство с инфраструктурой Tableau
• Модели данных и Табличные вычисления
• Параметры и уровни детализации в Tableau
• Псевдонимы, сортировка, Actions
• Разработка дашбордов. Настройка взаимодействия между визуализациями

Блок 5: "Python и построение Machine Learning моделей"

• Знакомство с машинным обучением
• Линейная регрессия
• Бинарная классификация
• Построение надежных стратегий валидации - важность локальной валидации
• Решающие деревья
• Бутстрап, Бэггинг и случайный лес
• Feature Engineering, Feature Selection
• Градиентный бустинг
• Воркшоп: предсказание оттока клиентов и прогноз продаж
• A/B тестирование
• Обучение без учителя
• Воркшоп: скоринг кредитного портфеля

Блок 6: "Нейронные сети и NLP"

• Введение в нейронные сети
• Обучение нейросетей
• Глубокое обучение на практике
• Дополнительные возможности Tensorflow + Keras
• Свёрточные нейронные сети
• Введение в NLP, понятие ембеддинга
• Рекурентные нейронные сети
• Нейросети с вниманием, трансформеры
• Metric learning, обучение без учителя
• Обучение с подкреплением в нейросетях

Блок 7: "Рекомендательные системы"

• Введение
• Метрики и бейзлайны
• Матричное разложение
• Рекомендации через поиск ближайших соседей
• Гибридные рекомендательные системы

Блок 8: Дипломная работа и помощь с трудоустройством

• Работа над дипломным проектом для портфолио
• Подготовка резюме
• Подготовка к собеседованию
• Финальная защита и консультации

Навыки после курса:

Power BI

• Продвинутая работа с инструментом Power BI для анализа данных

Tableau

• Навыки работы с инструментом Tableau для визуализации больших данных

Конкурентный анализ

• Работа с инструментами SEMRush, Similarweb, Яндекс.Радар

Machine Learning

• Применение библиотек Python для решения ML-задач и проектов

BigData

• Опыт работы над типовыми проектами обработки BigData

Мат.статистика

• Хороший уровень понимание базы мат.статистики, необходимый для работы с данными

Аналитика воронки продаж

• Навык построение сквозной аналитики воронки продаж

A/B-тестирование

• Проведение и обсчёт A/B-тестов с корректной стат.значимостью

SQL

• Продвинутый уровень анализа данных за счёт использования SQL-запросов

Python

• Построение базовых отчётов и автоматизация работы с помощью библиотек Python

Визуализация данных

• Навыки работы с OWOX, продвинутый уровень в Google Sheets и Google Data Studio

Презентация данных

• Подготовка отчётов и презентация результатов анализа данных

Кому подойдёт этот курс

• Тем, кто интересуется Data Science
  Вы узнаете математические основы Machine Learning, поймёте, для чего нужна математика в машинном обучении и сделаете первый шаг к карьере в Data Science.
• Начинающим специалистам
  Вы научитесь работать со сложными математическими функциями, узнаете больше об основах Machine Learning, сможете быстро решать задачи с помощью Python и повысите свой уровень.

Чему вы научитесь

1. Понимать математические термины
   Усвоите основную терминологию, сможете читать сложные статьи по Data Science и получать новые знания без постоянных обращений к поисковику.
2. Работать с формулами и функциями
   Перестанете бояться переменных и функций и сможете с их помощью решать практические задачи.
3. Разбираться в основах машинного обучения
   Изучите математические основы Machine Learning и узнаете роль чисел, формул и функций в разработке алгоритмов машинного обучения.
4. Описывать прикладные задачи на языке математики
   Сможете сформулировать практическую задачу с помощью математических формул.
5. Автоматизировать решение задач
   Узнаете, как использовать Python для решения сложных математических задач.

Программа курса

1. Базовые математические объекты и SymPy. Дроби и преобразования.
2. Базовые математические объекты и SymPy. Функции и дополнительные объекты.
3. Функции одной переменной, их свойства и графики.
4. Интерполяция и полиномы: квадратичные и кубические функции.
5. Аппроксимация и преобразования функций: сдвиги, растяжения, сжатия.
6. Аппроксимация и работа с производными.
7. Функции нескольких переменных, их свойства и графики.
8. Частные производные функции нескольких переменных.
9. Векторы и матрицы. Градиент.
10. Линейная регрессия и системы линейных уравнений.
11. Разложения матриц. Собственные векторы и значения.

Кому подойдёт этот курс?

• Людям без подготовки в IT
  Вы овладеете технической специальностью и начнёте карьеру аналитика в IT, даже если у вас нет глубоких знаний в теории вероятности и статистике.
• Начинающим аналитикам
  Вы научитесь ставить гипотезы и делать выводы на основе данных, писать эффективный код на Python и R, понимать математику на основе статистики, а также обучать машины и прогнозировать результаты. Отшлифуете имеющиеся знания, увеличите скорость своей работы и добьётесь повышения.
• Менеджерам и владельцам бизнеса
  Вы автоматизируете рутину, сделаете бизнес-процессы прозрачными, поменяете Excel на продвинутые инструменты анализа.

Чему вы научитесь?

1. Программировать на Python
   Освоите самый популярный язык для работы с данными.
2. Визуализировать данные
   Сможете разрабатывать дашборды и интерактивную инфографику.
3. Создавать аналитические панели
   Разработаете визуальные дашборды с интерактивной инфографикой на фреймворках Shiny и Dash
4. Работать с библиотеками и базами данных
   Научитесь работать с библиотеками Pandas, NumPy и Matpotlib и освоите базы данных PostgreSQL, SQLite3, MongoDB.
5. Программировать на R
   Разберётесь в специфике языка, сможете обрабатывать статические данные и работать с графикой.
6. Проводить А/B-тестирование
   Научитесь проводить эксперименты в маркетинге и оценивать эффект предполагаемых изменений дизайна продукта.

Программа

Вас ждут 6 курсов с разным уровнем сложности, прохождение которых можно приравнять к году работы.

63 тематических модуля, 2 бонусных курса

• Python для Data Science
• Аналитика. Начальный уровень
• Статистика и теория вероятностей
• Основы математики для Data Science
• Аналитика. Средний уровень
• Универсальные знания программиста
• Английский для IT-специалистов
• Профессиональные навыки после курса:
• Владение Python для анализа данных
• Знание языка программирования R и основных библиотек
• Создание аналитических панелей (фреймворки Dash и Shiny)
• Работа с различными источниками данных: CSV, XML и XLS
• Визуализация данных с помощью Matplotlib
• Организация и проведение А/B-тестирования
• Выявление аномалий данных
• Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL

Кому подойдёт этот курс

• Новичкам
  С нуля освоите Python, SQL, научитесь собирать и анализировать данные, получите необходимый теоретический минимум по математике, теории вероятности и статистике. Знания закрепите на практике — решите задачи на основе реальных кейсов и добавите проекты в портфолио. Устроитесь на стажировку по выбранной специальности уже во время обучения.
• Программистам
  Подтянете математику, статистику, аналитическое и алгоритмическое мышление, научитесь выявлять потребности бизнеса. Получите опыт работы с моделями машинного обучения, будете применять Python для решения задач с данными. Пройдёте процесс от сбора данных до деплоя модели.
• Начинающим аналитикам
  Вы научитесь выдвигать гипотезы и делать выводы на основе данных, писать эффективный код на Python и превращать сырые данные в полезную информацию для компании. Сможете обучать модели и прогнозировать результаты. Отшлифуете знания, увеличите скорость своей работы и добьётесь повышения.

Краткая программа курса

Первый уровень: базовая подготовка

1. Введение в Data Science
2. Основы статистики и теории вероятностей
3. Основы математики для Data Science
4. Возможность стажировки

Второй уровень: специализация и трудоустройство

1. Специализация 1: Machine Learning
2. Специализация 2: Data Engineer
3. Специализация 3: Data Analyst
4. Трудоустройство с помощью Центра карьеры

Третий уровень: повышение квалификации

1. Специализация 1: Machine Learning PRO
2. Специализация 2: Data Engineer PRO
3. Специализация 3: Data Analyst PRO

Итоговые проекты

1. Введение в Data Science
2. Machine Learning
3. Data Engineer
4. Data Analyst

Бонусные курсы

1. Карьера разработчика: трудоустройство и развитие
2. Система контроля версий Git
3. Английский для IT-специалистов