Data Scientist с нуля

Поймёте, как создавать наглядные визуализации, откуда берутся данные для визуализации и как с ними работать. Узнаете, как создавать истории с помощью данных. 6 часов теории 11 часов практики Как донести информацию с помощью изображений Инструменты, источники и предподготовка данных Исследование данных и основы статистики Продвинутая визуализация данных Сторителлинг в визуализации

1. Как донести информацию с помощью изображенийВремя не указано
2. Инструменты, источники и предподготовка данныхВремя не указано
3. Исследование данных и основы статистикиВремя не указано
4. Продвинутая визуализация данныхВремя не указано
5. Сторителлинг в визуализацииВремя не указано

В идеальном мире data scientist получает готовые данные, чтобы строить модели, но мир не идеален. Вы научитесь с помощью SQL получать данные из БД, фильтровать, агрегировать, а также импортировать и экспортировать. 20 часов теории 32 часа практики Архитектура и структура баз данных (БД) Простые запросы, join`s, агрегаты Базовые команды в SQL и встроенные аналитические функции Импорт и экспорт данных посредством SQL и ETL программ Принципы работы с различными БД Основные библиотеки для подключения к БД из Python Функции SQL и их аналоги в pandas Консоль: знакомство, основные операторы, утилита psql Архитектура и проектирование Нормализация Зависимости Подготовка и сдача итогового проекта

1. Архитектура и структура баз данных (БД)Время не указано
2. Простые запросы, join`s, агрегатыВремя не указано
3. Базовые команды в SQL и встроенные аналитические функцииВремя не указано
4. Импорт и экспорт данных посредством SQL и ETL программВремя не указано
5. Принципы работы с различными БДВремя не указано
6. Основные библиотеки для подключения к БД из PythonВремя не указано
7. Функции SQL и их аналоги в pandasВремя не указано
8. Консоль: знакомство, основные операторы, утилита psqlВремя не указано
9. Архитектура и проектированиеВремя не указано
10. НормализацияВремя не указано
11. ЗависимостиВремя не указано
12. Подготовка и сдача итогового проектаВремя не указано

Вы научитесь пользоваться базовыми инструментами и подходами в Python, чтобы начать работать с данными. Разберёте популярные библиотеки, парсинг и работу с API 59 часов теории 47 часов практики Базовые типы данных и циклы Продвинутые типы данных: массивы, множества, словари Библиотека NumPy: вычислительные задачи Основы парсинга и работы с API Функции и классы Регулярные выражения и основы синтаксического разбора Библиотека Pandas: возможности и оптимизация

1. Базовые типы данных и циклыВремя не указано
2. Продвинутые типы данных: массивы, множества, словариВремя не указано
3. Библиотека NumPy: вычислительные задачиВремя не указано
4. Основы парсинга и работы с APIВремя не указано
5. Функции и классыВремя не указано
6. Регулярные выражения и основы синтаксического разбораВремя не указано
7. Библиотека Pandas: возможности и оптимизацияВремя не указано

Научитесь проверять данные на полноту, целостность, валидность, наличие шумов, ошибок и пропусков. Узнаете, как очищать данные с помощью NumPy и Pandas, как сокращать размерности данных алгоритмами PCA, LDA, NMF. Научитесь строить деревья решений и модели логистической, линейной и полиномиальной регрессии. Узнаете, как использовать Random Forest в задачах классификации. 42 часа теории 37 часов практики Регрессионный анализ. Линейная, полиномиальная и логарифмическая регрессия Классификация: логистическая регрессия и SVM Функции потерь и оптимизация Оценка точности модели, переобучение, регуляризация Проблема качества данных Работа с пропусками и переменными

1. Регрессионный анализ. Линейная, полиномиальная и логарифмическая регрессияВремя не указано
2. Классификация: логистическая регрессия и SVMВремя не указано
3. Функции потерь и оптимизацияВремя не указано
4. Оценка точности модели, переобучение, регуляризацияВремя не указано
5. Проблема качества данныхВремя не указано
6. Работа с пропусками и переменнымиВремя не указано

Научитесь строить простые полносвязанные сети уровня LeNet и AlexNet и экспериментировать с их обучением. Получите теоретическую и практическую базу для использования нейросетей в блоках CV и NLP. 10 часов теории 6 часов практики Введение в нейронные сети и библиотеку Keras Углубление в нейронные сети и библиотеку Keras Введение в свёрточные нейронные сети Введение в рекуррентные сети Автокодировщики Введение в генеративно-состязательные сети

1. Введение в нейронные сети и библиотеку KerasВремя не указано
2. Углубление в нейронные сети и библиотеку KerasВремя не указано
3. Введение в свёрточные нейронные сетиВремя не указано
4. Введение в рекуррентные сетиВремя не указано
5. АвтокодировщикиВремя не указано
6. Введение в генеративно-состязательные сетиВремя не указано

На трёх воркшопах вместе с экспертами Яндекса, Т-Банка и Сбера попрактикуетесь в решении тестовых заданий из актуальных вакансий. На вебинарах с экспертами мы предложим вам аналоги тестовых заданий для соискателей на позиции в аналитике данных и Data Science. Сначала вы попробуете решить задание самостоятельно, а потом разберёте его с экспертом. Поймёте, как не теряться при работе с абсолютно незнакомыми данными Подготовитесь психологически к решению тестовых заданий на собеседовании Научитесь выбирать и использовать инструменты в соответствии с поставленной задачей

1. Поймёте, как не теряться при работе с абсолютно незнакомыми даннымиВремя не указано
2. Подготовитесь психологически к решению тестовых заданий на собеседованииВремя не указано
3. Научитесь выбирать и использовать инструменты в соответствии с поставленной задачейВремя не указано

Познакомитесь с основами облачных технологий и возможностями Яндекс Облака. Изучите виртуалки, научитесь их создавать и настраивать. Узнаете, как обеспечить безопасность облака и почему она критически важна. Разберётесь, как работать с виртуалками и с командной строкой, научитесь разворачивать среду разработки. Основы облачных технологий Обеспечение безопасности облака Виртуальные машины и принципы их работы Создание среды разработки

1. Основы облачных технологийВремя не указано
2. Обеспечение безопасности облакаВремя не указано
3. Виртуальные машины и принципы их работыВремя не указано
4. Создание среды разработкиВремя не указано

Изучите основные операции с векторами, матричными операциями. Рассмотрите генетические алгоритмы, алгоритм дифференциальной эволюции. Узнаете, что такое математическое ожидание, дисперсия и моменты старших порядков. Изучите закон больших чисел. Линейная алгебра. Векторы Продвинутая линейная алгебра Производная функции нескольких аргументов Теория вероятностей. Дискретные и непрерывные случайные величины Линейная алгебра. Матрицы Математический анализ. Производная Теория оптимизации Центральная предельная теорема и закон больших чисел

1. Линейная алгебра. ВекторыВремя не указано
2. Продвинутая линейная алгебраВремя не указано
3. Производная функции нескольких аргументовВремя не указано
4. Теория вероятностей. Дискретные и непрерывные случайные величиныВремя не указано
5. Линейная алгебра. МатрицыВремя не указано
6. Математический анализ. ПроизводнаяВремя не указано
7. Теория оптимизацииВремя не указано
8. Центральная предельная теорема и закон больших чиселВремя не указано

Научитесь решать задачи разработки и аналитики с помощью генеративного искусственного интеллекта. Сможете писать SQL запросы и код с помощью ИИ, даже если вы новичок в этой теме. 2,2 часа теории 1,5 часа практики Изучите возможности ChatGPT в работе с таблицами в Excel и Google Sheets Узнаете, какие возможности для продвинутой работы с данными предоставляет GPT-4

1. Изучите возможности ChatGPT в работе с таблицами в Excel и Google SheetsВремя не указано
2. Узнаете, какие возможности для продвинутой работы с данными предоставляет GPT-4Время не указано

Узнаете, как с помощью генеративных нейросетей оформить резюме и портфолио, эффективно подготовиться к собеседованию. Этот курс проходит в формате видеолекций и не привязан к строгому графику, вы можете изучить материалы в своём темпе. 1,4 часа теории 1,5 часа практики

Научитесь строить простые полносвязанные сети уровня LeNet и AlexNet и экспериментировать с их обучением. Получите теоретическую и практическую базу для использования нейросетей в работе с компьютерным зрением (CV) и обработке естественного языка (NLP). 10 часов теории 6 часов практики Введение в нейронные сети и библиотеку Keras Углубление в нейронные сети и библиотеку Keras Введение в свёрточные нейронные сети Введение в рекуррентные сети Автокодировщики Введение в генеративно-состязательные сети

1. Введение в нейронные сети и библиотеку KerasВремя не указано
2. Углубление в нейронные сети и библиотеку KerasВремя не указано
3. Введение в свёрточные нейронные сетиВремя не указано
4. Введение в рекуррентные сетиВремя не указано
5. АвтокодировщикиВремя не указано
6. Введение в генеративно-состязательные сетиВремя не указано