Оставить заявку
PRODUCTSTAR
Включает программу трудоустройства

Профессия:
"Data Science"

• Cтаньте специалистом по алгоритмам машинного обучения
• Изучите нейросети и машинное зрение
• Освойте самую востребованную профессию 2021 года

Самая интересная профессия в аналитике:
рекомендательные системы (как Netflix), медицинские препараты, компьютерное зрение, кибербезопасность
cредняя зарплата Data Science специалиста
ТОП-1 самых востребованных профессий в IT
на личных проектах и реальных кейсах с рынка
170 000 р
1 726 вакансий
80% практики
Получи стаж 25 реальных DataScience-проектов
Скидка 40% до конца месяца
Кому подходит этот курс?
Начинающим IT-специалистам
Для Аналитиков
Специалистам смежных профессий
Освоите фундаментальные навыки профессии Data Scientist:
— научитесь работать с большими данными
— строить рекомендательные системы
— изучите библиотеки машинного зрения и анализа речи
— разберётесь как выбирать и применять модели машинного обучения
— Оцените свои текущие Hard-скиллы, структурируете знания и составите карту роста с нашим экспретом
— Получите недостающие навыки в Data Science и закрепите их на практике
— Выберете специализацию для дальнейшего профессионального развития (машинное зрение, нейросети, NLP)
— Трудоустроитесь на позицию Data Scientist
За время курса соберете свой более 10 проектов в своё портфолио, научитесь создавать Data Science проекты, сможете применить ранее полученные знания и навыки на практике в новой профессии, пересобрете резюме и сможете тродоустроиться в новую компанию на роль Data Scientist или сменить задачи на текущем месте работы.
В курсе собраны 3 самые востребованные специализации
Data Science
Получив навыки по данным 3 специализациям, вы сможете выбирать из максимального числа вакансий на рынке

(по данным hh.ru более чем в 80% вакансий требуется как минимум одна из данных специализации)
Также наши студенты получают
Более 10 проектов
в портфолио
На настоящих данных с проектов с рынка
Спикеров с зарубежным опытом
С разносторонним опытом — от стартапов
до банков и ритейла
Участие в международных конкурсах Kaggle
Которые трудоустроились в ведущие российские и зарубежные компании
Более 10 проектов в портфолио
На настоящих данных с проектов с рынка
Спикеров с зарубежным опытом
С разносторонним опытом — от стартапов
до банков и ритейла
Участие в международных конкурсах Kaggle
Которые трудоустроились в ведущие российские и зарубежные компании
Более 10 проектов в портфолио
На настоящих данных с проектов с рынка
Спикеров с зарубежным опытом
С разносторонним опытом — от стартапов
до банков и ритейла
Участие в международных конкурсах Kaggle
Которые трудоустроились в ведущие российские и зарубежные компании

Записаться на курс
или получить бесплатную
консультацию

Записаться на курс
или получить бесплатную
консультацию

Чему вы научитесь
Работать c 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 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 необходимый математический аппарат
для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
Работать c 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 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 необходимый математический аппарат
для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
Работать c 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 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 необходимый математический аппарат
для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
Как проходит обучение
Изучение темы
Изучаете тему с помощью видеоуроков,
которые доступны на курсе
Выполнение ДЗ
Выполняете домашнее задание в том темпе, в котором Вам удобно это сделать
Наставничество
Общаетесь с наставником, закрепляете знания и исправляете Ваши ошибки
Защита проекта
Защищаете дипломный проект и дополняете
им свое портфолио
Изучение темы
Изучаете тему с помощью видеоуроков,
которые доступны на курсе
Выполнение ДЗ
Выполняете домашнее задание в том темпе, в котором Вам удобно это сделать
Наставничество
Общаетесь с наставником, закрепляете знания и исправляете Ваши ошибки
Защита проекта
Защищаете дипломный проект и дополняете
им свое портфолио
Изучение темы
Изучаете тему с помощью видеоуроков,
которые доступны на курсе
Выполнение ДЗ
Выполняете домашнее задание в том темпе, в котором Вам удобно это сделать
Наставничество
Общаетесь с наставником, закрепляете знания и исправляете Ваши ошибки
Защита проекта
Защищаете дипломный проект и дополняете
им свое портфолио
Трудоустраиваем более 90% студентов
за время обучения
1
10+ кейсов в ваше портфолио
более 10 проектов (от рекомендательной системы товаров до распознавания видео), которые можно представить на собеседовании
2
Подготовка резюме
и к собеседованиям
ментор помогает собрать ваш опыт и выполненные проекты в достойное резюме, а также подготовиться к собеседованиям и пройти тренировочное интервью
3
Стажировки в компаниях
помогаем на реальных кейсах в формате "вечерней стажировки" сделать практические задания, получить рекомендательные письма от руководителей компаний
4
Менторство 1-на-1
ментор поддерживает вас на каждом из этапов: от составления карты профессионального роста до этапов трудоустройства и испытательного срока
5
Помощь на испытательном сроке
ментор помогает уже после трудоустройства удержаться на испытательном сроке, созваниваясь с вами в формате 1-на-1
6
Защита диплома
вы презентуете свои дипломные проекты и наработки перед жюри из потенциальных работодателией
1
10+ кейсов в ваше портфолио
более 10 проектов (от рекомендательной системы товаров до распознавания видео), которые можно представить на собеседовании
2
Подготовка резюме
и к собеседованиям
ментор помогает собрать ваш опыт и выполненные проекты в достойное резюме, а также подготовиться к собеседованиям и пройти тренировочное интервью
3
Стажировки в компаниях
помогаем на реальных кейсах в формате "вечерней стажировки" сделать практические задания, получить рекомендательные письма от руководителей компаний
4
Менторство 1-на-1
ментор поддерживает вас на каждом из этапов: от составления карты профессионального роста до этапов трудоустройства и испытательного срока
5
Помощь на испытательном сроке
ментор помогает уже после трудоустройства удержаться на испытательном сроке, созваниваясь с вами в формате 1-на-1
6
Защита диплома
вы презентуете свои дипломные проекты и наработки перед жюри из потенциальных работодателией
1
10+ кейсов в ваше портфолио
более 10 проектов
(от рекомендательной системы
товаров
до распознавания видео),
которые можно представить
на собеседовании
2
Подготовка резюме и к собеседованиям
ментор помогает собрать ваш опыт
и выполненные проекты в достойное резюме,
а также подготовиться к собеседованиям
и пройти тренировочное интервью
3
Стажировки в компаниях
помогаем на реальных кейсах
в формате "вечерней стажировки"
сделать практические задания,
получить рекомендательные письма
от руководителей компаний
4
Менторство 1-на-1
ментор поддерживает вас
на каждом из этапов:
от составления карты профессионального роста
до этапов трудоустройства
и испытательного срока
5
Помощь на испытательном сроке
ментор помогает уже после трудоустройства
удержаться на испытательном сроке,
созваниваясь с вами в формате 1-на-1
6
Защита диплома
вы презентуете свои дипломные проекты
и наработки перед жюри
из потенциальных работодателией
— Мы уверены в качестве программы, наших спикеров и партнёрств карьерного центра
— Мы полностью вернём деньги, если у вас не получится найти работу, в рамках изучения профессии

Также, на первые 20 дней действует гарантия полного возврата,
это как раз то время, чтобы понять хотите ли вы развиваться в данной профессии
зафиксировано в оферте
Честные обещания по трудоустройству:
Где работают наши ученики
За 10 лет работы мы заключили партнёрства более чем с 200 ведущими IT-компаниями
Мы всегда на связи — пожалуйста, выберите как вам удобнее будет пообщаться
расскажем детали по курсу и пришлём дополнительные материалы
Мы всегда на связи — пожалуйста, выберите как вам удобнее будет пообщаться
расскажем детали по курсу и пришлём дополнительные материалы
Спикеры курса
Программа курса

Ступень 1: "База BigData-инструментария "

Практика на кейсах реальных компаний

Ступень 1: "База BigData-инструментария"

Практика на кейсах реальных компаний

Блок 1: Python для анализа данных
Занятия:
  • 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
  • Бонусный урок: разбираем домашние задания
  • Бонусный урок: NumPy, Модуль datetime, Apache Airflow
Блок 2: Подгрузка данных
Занятия:
  • Введение в блок SQL
  • Извлечение и фильтрация данных (часть 1)
  • Извлечение и фильтрация данных (часть 2)
  • Преобразование и сортировка данных (часть 1)
  • Преобразование и сортировка данных (часть 2)
  • Группировка данных
  • Введение в базы данных
  • Объединение таблиц
  • Подзапросы
  • Обновление, добавление и удаление данных
  • Создание, изменение и удаление таблиц
  • Advanced
  • Итоговый проект LEGO
  • Бонусный урок
Блок 3: Математика для Data Science
Занятия:

  • Множества и функции. Предел, непрерывность и производная
  • Основы математической статистики для A/B тестирования
  • Статистический тест для оценки результатов A/B эксперимента
  • Знакомство с машинным обучением
Блок 4. Технические нюансы и работа с Git
Занятия:
  • Системы контроля версий
  • Версионирование кода, совместная разработка, CSV
  • Git & GitHub. Git, Commit
  • Ветки, слияние веток и разрешение конфликтов,
  • GitHub, командная работа, код ревью
Блок 5. Программирование на R
Занятия:
  • Базовые структуры и понятия
  • Переменные, глобальное окружение
  • Векторы
  • Управляющие конструкции, работа с пакетами
  • Матрицы и списки
  • Дата фреймы
  • Факторы и строки
  • Функции
  • Элементы функционального программирования
  • Обработка данных при помощи dplyr
Блок 1: Python для анализа данных
Занятия:
  • 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
  • Бонусный урок: разбираем домашние задания
  • Бонусный урок: NumPy, Модуль datetime, Apache Airflow
Блок 2: Подгрузка данных 
Занятия:
  • Введение в блок SQL
  • Извлечение и фильтрация данных (часть 1)
  • Извлечение и фильтрация данных (часть 2)
  • Преобразование и сортировка данных (часть 1)
  • Преобразование и сортировка данных (часть 2)
  • Группировка данных
  • Введение в базы данных
  • Объединение таблиц
  • Подзапросы
  • Обновление, добавление и удаление данных
  • Создание, изменение и удаление таблиц
  • Advanced
  • Итоговый проект LEGO
  • Бонусный урок
Блок 3: Математика для Data Science
Занятия:
  • Множества и функции. Предел, непрерывность и производная
  • Основы математической статистики для A/B тестирования
  • Статистический тест для оценки результатов A/B эксперимента
  • Знакомство с машинным обучением
Блок 4. Технические нюансы и работа с Git
Занятия:
  • Системы контроля версий
  • Версионирование кода, совместная разработка, CSV
  • Git & GitHub. Git, Commit
  • Ветки, слияние веток и разрешение конфликтов,
  • GitHub, командная работа, код ревью
Блок 5. Программирование на R
Занятия:
  • Базовые структуры и понятия
  • Переменные, глобальное окружение
  • Векторы
  • Управляющие конструкции, работа с пакетами
  • Матрицы и списки
  • Дата фреймы
  • Факторы и строки
  • Функции
  • Элементы функционального программирования
  • Обработка данных при помощи dplyr

Ступень 2: "Алгоритмы Machine Learning и применение

их на практических задачах"

ПОМОЩЬ СО СТАЖИРОВКОЙ И ПЕРВЫМИ СОБЕСЕДОВАНИЯМИ

Ступень 2: "Алгоритмы Machine Learning и применение

их на практических задачах"

ПОМОЩЬ СО СТАЖИРОВКОЙ И ПЕРВЫМИ СОБЕСЕДОВАНИЯМИ

Блок 1: Классические модели Machine Learning
Занятия:
  • Знакомство с машинным обучением
  • Линейная регрессия
  • Бинарная классификация
  • Валидация. Почему это важно
  • Решающие деревья
  • Бутстрап, Бэггинг и случайный лес
  • Feature Engineering
  • Feature Selection
  • Градиентный бустинг
  • A/B тестирование
  • Обучение без учителя
Блок 2: Построение рекомендательных систем
Занятия:
  • Введение
  • Метрики и бейзлайны
  • Матричное разложение
  • Рекомендации через поиск ближайших соседей
  • Гибридные рекомендательные системы
Блок 3: Построение прогнозных моделей
Занятия:
  • Воркшоп: предсказание оттока клиентов и прогноз продаж
  • A/B тестирование
Блок 4: Построение моделей для скоринга
Занятия:
  • Понятие скоринга
  • Обучение без учителя
  • Воркшоп: скоринг кредитного портфеля
Блок 5. Создание BigData-продуктов
Занятия:
  • Определение точек роста компании, в которых может помочь ML и BigData
  • Чеклист внедрения ML-задач в компании и команде
  • Лучшие практики работы с BigData/ML-командой
  • Работа с датасетами и моделями. Выбор фичей
  • Workshop: создание и запуск датасета
  • Валидация бизнес-результатов запуска AI/ML-функциональности
  • Извлечение данных и операторы
  • Фильтрация данных и условия
Блок 6. Подготовка портфолио и участие в соревнования на Kaggle
Занятия:
  • Работа над дипломным проектом
  • Изучаем Kaggle
  • Готовимся к участию на соревнованиях
  • Тренировочные прогоны
  • Участие на Kaggle-соревнованиях
  • Разбираем результаты участия, обратная связь
  • Запаковываем портфолио
Блок 1: Классические модели Machine Learning
Занятия:
  • Знакомство с машинным обучением
  • Линейная регрессия
  • Бинарная классификация
  • Валидация. Почему это важно
  • Решающие деревья
  • Бутстрап, Бэггинг и случайный лес
  • Feature Engineering, Feature Selection
  • Градиентный бустинг
  • A/B тестирование
  • Обучение без учителя
Блок 2: Построение рекомендательных систем
Занятия:
  • Введение
  • Метрики и бейзлайны
  • Матричное разложение
  • Рекомендации через поиск ближайших соседей
  • Гибридные рекомендательные системы
Блок 3: Построение прогнозных моделей
Занятия:
  • Feature Engineering, Feature Selection
  • Градиентный бустинг
  • Воркшоп: предсказание оттока клиентов и прогноз продаж
  • A/B тестирование
Блок 4: Построение моделей для скоринга
Занятия:
  • Понятие скоринга
  • Обучение без учителя
  • Воркшоп: скоринг кредитного портфеля
Блок 5. Создание BigData-продуктов
Занятия:
  • Определение бизнесовых точек роста компании, в которых может помочь ML
  • AI-продукты и машинное обучение
  • Чек-лист внедрения ML-задач в компании и команде
  • Лучшие практики работы с BigData/ML-командой
  • Работа с датасетами и моделями. Выбор фичей
  • Workshop: создание и запуск датасета
  • Валидация бизнес-результатов запуска AI/ML функциональности
  • Извлечение данных и операторы
  • Фильтрация данных и условия
Блок 6. Подготовка портфолио и участие в соревнования на Kaggle
Занятия:
  • Работа над дипломным проектом
  • Изучаем Kaggle
  • Готовимся к участию на соревнованиях
  • Тренировочные прогоны
  • Участие на Kaggle-соревнованиях
  • Разбираем результаты участия, обратная связь
  • Запаковываем портфолио

Ступень 3: "Специализация и погружение в прикладные задачи, ML Engineering, нейронные сети"

ПОМОЩЬ В ТРУДОУСТРОЙСТВЕ И ПРОХОЖДЕНИИ ИСПЫТАТЕЛЬНОГО СРОКА

Ступень 3: "Специализация и погружение в прикладные задачи, ML Engineering, нейронные сети"

ПОМОЩЬ В ТРУДОУСТРОЙСТВЕ И ПРОХОЖДЕНИИ ИСПЫТАТЕЛЬНОГО СРОКА

Выбор за вами: изучите одну или все три специализации
Выбор за вами: изучите одну или все три специализации
Специализация #1: AI & Deep Learning Engineer
(нейронные сети)
Специализация #2: Computer Vision
(построение DataScience-систем анализа видео и изображений)
Специализация #3: NLP-разработчик
(построение DataScience-систем анализа текста и голоса)
Занятия:
  • 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
Специализация #4: Cloud Data Engineer
 (Linux, Hadoop, AWS, работа "в облаке")
Занятия:
  • Методологии анализа больших данных и организации команды. CRISP-DM
  • Культура сбора и источники данных. Улучшение качества работы с данными
  • Современные инструменты визуализации данных
  • Машинные методы для обработки данных на распределенном окружении
  • Основы работы в Hadoop и MapReduce
  • Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
  • Data Lake, Data Warehouse и все-все-все
  • Работа с облачными платформами: AWS, GCP, Azure и другие
  • Объектные хранилища на примере AWS S3
  • Работа с Airflow
  • Работа в pyspark
  • Машинное обучение в PySpark
Блок 5.Дипломная работа и помощь с трудоустройством
Занятия:
  • Работа над дипломным проектом для портфолио
  • Рост в тимлида
  • Подготовка резюме
  • Подготовка к собеседованию
  • Финальная защита и консультации
Специализация #1: AI & Deep Learning Engineer
(нейронные сети)
Специализация #2: Computer Vision
(построение DataScience-систем анализа видео и изображений)
Специализация #3: NLP-разработчик
(построение DataScience-систем анализа текста и голоса)
Занятия:
  • 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
Специализация #4: Cloud Data Engineer
(Linux, Hadoop, AWS, работа "в облаке")
Занятия:
  • Методологии анализа больших данных и организации команды. CRISP-DM
  • Культура сбора и источники данных. Улучшение качества работы с данными
  • Современные инструменты визуализации данных
  • Машинные методы для обработки данных на распределенном окружении
  • Основы работы в Hadoop и MapReduce
  • Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
  • Data Lake, Data Warehouse и все-все-все
  • Работа с облачными платформами: AWS, GCP, Azure и другие
  • Объектные хранилища на примере AWS S3
  • Работа с Airflow
  • Работа в pyspark
  • Машинное обучение в PySpark
Блок 5. Дипломная работа и помощь с трудоустройством
Занятия:
  • Работа над дипломным проектом для портфолио
  • Рост в тимлида
  • Подготовка резюме
  • Подготовка к собеседованию
  • Финальная защита и консультации

Получить полную программу курса
и консультацию

Получить полную программу курса
и консультацию

Ваше резюме после обучения
АНТОНОВ ОЛЕГ АЛЕКСАНДРОВИЧ
Профессия: Data Scientist
Зарплата: от 120 000₽
Профессиональные навыки
  • Построение моделей машинного обучения
  • Построение рекомендательных систем
  • Использование Python для обработки больших данных
  • Работа с нейронными сетями
• Выявление скрытых аномалий в данных
• Ведение Data Science проектов
• Построение проектов анализа речи и голоса (NLP)
• Решение задач компьютерного зрения
Диплом Product Star
Подтвердит, что вы успешно прошли курс, и станет дополнительным аргументом при устройстве на работу.
Участие в международных Data Science соревнованиях Kaggle
— дополнительный бонус при трудоустройстве

Мы поможем вам подготовиться к ним заранее и потренироваться в рамках задач курса

Записаться на курс
и получить бесплатную консультацию

131 000 3 950 ₽/месяц

рассрочка на 24 месяца, без % и переплат

Стоимость курса