15
Курсов
250+
Отзывов
20
Обзоров
Професии

Кто такой data-scientist?

Data Scientist — это специалист по обработке больших данных, который собирает и анализирует большие массивы структурированных и неструктурированных данных. В работе специалиста по анализу данных сочетаются компьютерные науки, статистика и математика. Они анализируют, обрабатывают и моделируют данные, а затем интерпретируют результаты для создания практических планов для компаний и других организаций.

Что делают data-scientist и чем занимаются?

Обязанности на примере одной из вакансий:

Что должен знать и уметь data-scientist? 

Требования к data-scientist:

Востребованность и зарплаты data-scientist

На сайте поиска работы в данный момент открыто 738 вакансий, с каждым месяцем спрос на data-scientist растет.

Количество вакансий с указанной зарплатой data-scientist по всей России:

Вакансий с указанным уровнем дохода по Москве:

Вакансий с указанным уровнем дохода по Санкт-Петербургу:

Как стать data-scientist и где учиться?

Варианты обучения для data-scientist с нуля:

Ниже сделали обзор 15+ лучших онлайн-курсов.

15+ лучших курсов для обучения data-scientist: подробный обзор

1 место. Курс «Профессия Data Scientist PRO» — Skillbox

https://skillbox.ru/course/profession-data-scientist/

Data-scientist: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.

Стоимость: Рассрочка на 31 месяц — 5 447 ₽ / мес

Специалисты по Data Science работают с Big Data, выдвигают гипотезы и проверяют их, помогают бизнесу принимать решения на основе анализа данных.

Они создают модели машинного обучения, тренируют нейросети для работы с текстом, видео или изображениями, строят поисковые и рекомендательные системы, разворачивают и поддерживают инфраструктуру для автоматизации работы с данными.

Кому подойдёт этот курс:

Кем вы станете после курса?

Вариант 1. Специалист по Machine Learning
Будете анализировать большие объёмы информации, создавать модели для прогнозирования в бизнесе, медицине, промышленности. Обучать нейросети, создавать аналитические системы и рекомендательные сервисы на основе алгоритмов машинного обучения. Продолжите профессиональное развитие в сфере обработки естественного языка или Computer Vision.

Вариант 2. Дата-инженер
Будете разворачивать программную инфраструктуру для организации сбора, обработки и хранения данных. Вам предстоит решать сложные, но интересные задачи: создавать отказоустойчивые системы для работы с Big Data, писать эффективный код на Python и SQL-запросы, автоматизировать рутину, «общаться» с базами данных, работать с облачными платформами.

Вариант 3. Аналитик данных
Будете помогать бизнесу принимать верные решения на основе данных. Собирать информацию и анализировать её, находить аномалии в метриках. На основе исследований будете выявлять закономерности, строить гипотезы и проверять их жизнеспособность с помощью моделирования. Научитесь визуализировать результаты работы в виде графиков и диаграмм.

Программа

Вас ждут 15 курсов с различным уровнем сложности, онлайн-лекции и практика.
3 специализации, 3 бонусных курса

Первая ступень

  1. Введение в Data Science
  1. Основы статистики и теории вероятностей
  1. Основы математики для Data Science

Специализации на выбор

  1. Machine Learning
  1. Data Engineer
  1. Data Analyst

Дипломные проекты

  1. Machine Learning
  1. Data Engineer
  1. Data Analyst

Бонусные курсы

  1. Карьера разработчика: трудоустройство и развитие
    Узнаете, как выбрать подходящую вакансию, подготовиться к собеседованию и вести переговоры с работодателем. Сможете быстрее получить должность, которая соответствует вашим ожиданиям и умениям.
  2. Система контроля версий Git
    Научитесь версионировать изменения в коде, создавать и управлять репозиториями, ветками, разрешать конфликты версий. Узнаете полезные правила работы с Git.
  3. Английский для IT-специалистов
    Получите языковые навыки, которые помогут пройти собеседование в иностранную компанию и комфортно общаться в смешанных командах.

2 место. Курс «Data Scientist: с нуля до middle» — Нетология

https://netology.ru/programs/prodatascience

Data-scientist: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.

Стоимость: 169 800 ₽ или рассрочка на 24 месяца — 7 075 ₽ / мес

Вы научитесь не только работать с аналитикой, нейронными сетями, Big Data и помогать компаниям и продуктам расти с помощью технологий, но и освоите ключевые «мягкие навыки»: коммуникацию в команде, целеполагание и эмоциональный интеллект.

Обучение на курсе поможет вам:

Чему вы научитесь:

  1. 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
  2. Использовать Python и библиотеки
    Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, полученные при анализе данных
  3. Проверять данные и определять проблемы
    Обрабатывать текстовые данные, чтобы передавать их в алгоритмы машинного обучения, генерировать новые значимые признаки
  4. 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
  5. Применять математику в алгоритмах
    Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
  6. 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
В первом модуле вы разберётесь, что такое аналитическое мышление, и узнаете, откуда берутся данные. Научитесь определять ключевые продуктовые метрики и создавать дашборды.

2 ступень. SQL, Python и Big Data
Вы получите ключевые навыки специалиста в Data Science для старта в профессии и сможете искать стажировку в новой сфере уже после прохождения первой ступени.

3 ступень. Машинное обучение, Deep Learning и нейронные сети
Получите расширенные знания в профессии и научитесь работать с нейронным сетями, обучать модели и реализовывать NLP. Начнёте повышать свою квалификацию. После окончания этой ступени сможете претендовать на позицию Junior Data Scientist и совмещать учёбу с работой.

4 ступень. Soft Skills и управление проектами
Сочетание хард- и софт-скиллов поможет вам быстрее расти по карьерной лестнице и добиваться больших результатов. Пройдя все ступени программы, вы сможете претендовать на должность Middle Data Scientist.

В рамках дипломного проекта вы сможете построить ML-модель для решения своих текущих профессиональных задач: это может быть система прогнозирования продаж, распознавание объектов на фото или видео, анализ временных рядов, анализ больших объёмов текста и т. д.

Вашу квалификацию подтвердит диплом о профессиональной переподготовке.

3 место.Курс «Факультет искусственного интеллекта» — GeekBrains

https://gb.ru/geek_university/data-science

Data-scientist: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.

Стоимость: Рассрочка на 36 месяцев — от 3 885 ₽ / мес

После учебы вы сможете работать по специальностям

У курса два формата обучения:

Программа обучения

Подготовительные курсы

Их необязательно проходить, но они помогут лучше погрузиться в обучение.

I четверть. Программирование
Научитесь работать в Linux и создавать сервера в облачных сервисах AWS, проводить поиск информации и основные операции с файлами, выполнять мониторинг работы сервера. Научитесь использовать язык запросов SQL, создавать и оптимизировать сложные запросы. Освоите библиотеки языка Python, предназначенные для Data Science: Numpy, Pandas, Matplotlib, SciKit-Learn.

II четверть. Сбор данных и статистическое исследование
Познакомитесь с теорией вероятностей и математической статистикой. Изучите методы проведения корреляционного, дисперсионного и регрессионного анализа. Научитесь работать с RESTful/SOAP-сервисами, форматами XML и JSON в Python, а также познакомитесь с особенностями открытых данных (OpenData).

III четверть. Математика для Data Scientist
Рассмотрите математические аспекты алгоритмов, применяемых в Data Science: линейная и логистическая регрессия, градиентный спуск, метод ближайших соседей, кластеризация, деревья решений, случайный лес, градиентный бустинг. Поймете, как устроены алгоритмы на уровне математики.

IV четверть. Машинное обучение
Освоите Python: от основ программирования до автоматизации, сбора, обработки, анализа и визуализации данных.

V четверть. Нейронные сети
Научитесь решать задачи Machne Learning с данными из соцсетей, геоданными, применением графов, а также познакомитесь с нейронными сетями. На практике познакомитесь с фреймворками для разработки нейронных сетей: Tensorflow, Keras, PyTorch.

VI четверть. Задачи искусственного интеллекта
Изучите продвинутые архитектуры сверточных нейронных сетей, обработку естественного языка и компьютерное зрение.

II четверть. Специализация
Изучите фреймворк PyTorch и углубитесь в работу с компьютерным зрением и обработкой естественного языка.

Курсы вне четверти

Предметы с индивидуальным выбором даты старта

  1. Подготовка к поиску работы
  2. История развития искусственного интеллекта
  3. Алгоритмы и структуры данных на Python
  4. Введение в высшую математику
  5. Спортивный анализ данных. Платформа Kaggle
  6. Язык R для анализа данных
  7. Визуализация данных в Tableau
  8. Сверточные нейронные сети в компьютерном зрении.

Вы получите диплом о профессиональной переподготовке
Для работодателя это показатель, что вы разобрались в Data Science и самостоятельно выполнили проекты из вашего портфолио.

Курс «Data Science» — SkillFactory

https://skillfactory.ru/data-science

Data-scientist: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.

Стоимость: разная стоимость

Курсы по Data Science:

Курс «Data Science» — OTUS

https://otus.ru/categories/data-science/

Data-scientist: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.

Стоимость: разная стоимость

Курсы:

  1. Spark Developer
  2. NoSQL
  3. DataOps Engineer
  4. Специализация «Системный аналитик»
  5. Математика для Data Science
  6. Machine Learning. Basic
  7. Специализация Machine Learning
  8. Data Engineer
  9. Machine Learning. Professional
  10. Machine Learning. Advanced
  11. Data Warehouse Analyst
  12. Промышленный ML на больших данных
  13. Компьютерное зрение
  14. Супер-практикум по использованию и настройке GIT
  15. Deep Learning
  16. Супер-интенсив «Tarantool»
  17. Анализ данных и машинное обучение в MATLAB.

Курс «Data Science: быстрый старт» — ProductStar

https://productstar.ru/analytics-mini-course-datascience

Data-scientist: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.

Стоимость: Рассрочка на 24 месяца — 1 954 ₽ / мес

На данный момент Data Scientist является одной из наиболее востребованных профессий, так как именно эти специалисты отвечают за систематизацию и структурирование больших данных.

Чему вы научитесь:

Программа курса (12 блоков и воркшопов)

Блок 1: «Python, быстрый старт: типы данных, функции, классы, ошибки»

Блок 2: «Python, быстрый старт: строки, условия, циклы, списки и словари»

Блок 3: «Библиотеки для анализа данных: Pandas»

Блок 4: «Библиотеки для анализа данных: визуализация»

Блок 5: «Знакомство с машинным обучением»

Блок 6: «Основные модели машинного обучения: линейная регрессии»

Блок 7: «Бинарная классификация»

Блок 8: «Валидация. Почему это важно»

Блок 9: «Решающие деревья»

Блок 10: «Feature Engineering, Feature Selection»

Блок 11: «Предсказание оттока клиентов и прогноз продаж»

Блок 12: «Воркшоп: скоринг кредитного портфеля»

Выпускники получают сертификат об успешном прохождении курса — что, вместе с дипломным проектом, будет хорошим аргументом при трудоустройстве.

Курс «Специалист по Data Science» — НИУ ВШЭ

https://cs.hse.ru/dpo/datascientist

Data-scientist: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.

Стоимость: 430 000 ₽

«Специалист по Data Science»это программа по анализу данных и машинному обучению, которая охватывает все разделы современного анализа данных, в том числе глубинное обучение и его применения.

Программа начинается с самых основизучения программирования и базовых разделов математики — и переходит к разделам по машинному обучению, прикладной статистике и обработке данных, работе с большими данными, глубинному обучению, его применениям к изображениям, текстам и сигналам. При разработке программы мы сделали акцент на практическую работу.

По итогам программы вы получите самые актуальные знания в одной из самых востребованных областей 21 века, проекты в портфолио и диплом о профессиональной переподготовке установленного НИУ ВШЭ образца.

Программа:

  1. Python для автоматизации и анализа данных
    18 занятий
  2. Математика для анализа данных
    19 занятий
  3. Прикладная статистика для машинного обучения
    9 занятий
  4. Алгоритмы и структуры данных
    10 занятий
  5. Машинное обучение
    14 занятий
  6. Промышленное машинное обучение на Spark
    8 занятий
  7. Глубинное обучение
    10 занятий
  8. Прикладные задачи анализа данных
    10 занятий.

Курс «Data Science» — Центр компьютерного обучения «Специалист» при МГТУ им.Н.Э.Баумана

https://www.specialist.ru/dictionary/definition/data_science

Data-scientist: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.

Стоимость: до 216 590 ₽

Data Science – это наука о данных, которая занимается сбором, представлением, обработкой и анализом данных в цифровой форме, а главное – помогает выделять из общего массива данных полезную информацию. Она связана с такими направлениями как Big Data, машинное обучение и анализ данных и еще целым рядом современных ИТ-направлений.

Специалисту, который занимается такой работой (Data Scientist), нужны знания и навыки сразу в нескольких областях:

Курс «Data Scientist – работа настоящего и будущего» — ISsoft Solutions

https://issoft.by/blog/data-scientist/

Data-scientist: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.

Стоимость: нет информации

Чем занимается специалист Data Science?

Задачи специалиста по данным:

Soft skills для Data Scientist

  1. Ассоциативное мышление.
  2. Способность излагать свои мысли так, чтобы их понял другой человек.
  3. Любопытство для погружения в проблему и дальнейшей работы с гипотезами.
  4. Умение находить эффективные решения проблем.
  5. Внимательность.
  6. Умение работать в команде и находить подход к каждому.
  7. Умение задавать хорошие вопросы.
  8. Дотошность.
  9. Умение визуализировать данные.

Курс «Python для Data Science» — robot_dreams

https://robotdreams.cc/course/python-for-big-data

Data-scientist: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.

Стоимость: нет информации

После курса вы сможете:

  1. работать с разными типами и структурами данных
  2. использовать библиотеки NumPy, Pandas, Matplotlib, Seaborn, Plotly, Sweetviz, Pandas Profiling, SciPy, Scikit-learn, CatBoost и XGBoost
  3. строить продвинутые и интерактивные визуализации
  4. проводить Exploratory Data Analysis и находить взаимосвязи в данных
  5. заполнять пробелы в данных
  6. валидировать гипотезы и анализировать результаты А/В-тестирования
  7. решать задачи прогнозирования и классификации
  8. строить простые ML-модели
  9. начать путь в Data Science.

Программа курса

  1. Введение в Data Science. Знакомство с задачами и инструментами
    Разберитесь, какие задачи входят в область Data Science. Освойте инструменты для интерактивной работы с Python [IPython, Jupyter Notebook и Google Collaboratory]. Ознакомьтесь с библиотекой NumPy и разберитесь в ее преимуществах перед обычными списками. Научитесь создавать массивы и выполнять базовые операции над ними в NumPy.
  2. Линейная алгебра и статистика
    Возобновите знания по линейной алгебре и статистике. Научитесь вызывать векторное умножение, поэлементное сложение OR вычитание и другие функции в NumPy. Научитесь вводить и выводить матрицы и массивы разной величины, находить std и mean, выводить гистограмму одномерного массива.
  3. Работа с табличными данными
    Узнайте, какие задачи Data Science помогает решить библиотека Pandas. Научитесь создавать, импортировать и экспортировать табличные данные в Pandas Dataframe, манипулировать данными, обновлять их значения по индексу. Узнайте, что делать, чтобы не перегружать оперативку.
  4. Matplotlib и Seaborn. Визуализация данных
    Разберите базовые типы визуализации [line chart, scatter plot, bar plot, histogram]. Постройте базовые визуализации с помощью Python в Matplotlib и Seaborn. Узнайте о трех способах визуализации данных из Pandas в Dataframe.
  5. Продвинутые и интерактивные визуализации
    Разберитесь в типах продвинутых визуализаций [heatmap, box plot, pair plot, cumulative plot]. Постройте базовую интерактивную визуализацию в Plotly. Научитесь быстро и удобно анализировать отсутствующие значения в наборе данных с помощью визуализации.
  6. Exploratory Data Analysis и очистка данных
    Научитесь быстро понимать структуру набора данных любого размера и решать проблему наличия выбросов и дубликатов в наборе данных. Проведите Exploratory Data Analysis (EDA) с помощью Pandas, а затем ― с помощью библиотек Sweetviz и Pandas Profiling.
  7. Поиск и устранение отсутствующих значений
    Научитесь выявлять отсутствующие значения в наборе данных, отделять случайно отсутствующие значения от значений, отсутствующих ввиду системной ошибки. Обучитесь нескольким техникам заполнения отсутствующих значений.
  8. Статистический анализ данных
    Ознакомьтесь с библиотекой SciPy. Научитесь генерировать случайные величины разных вероятностных распределений, проводить тесты нормальности и сравнивать распределения двух случайных величин. Изучите основы проверки статистических гипотез. Проведите статистический тест в SciPy и проанализируйте результаты А/В-тестирования.
  9. Задача прогнозирования. Линейная регрессия
    Подготовьте данные для задачи линейной регрессии. Ознакомьтесь с моделью многомерной линейной регрессии и библиотекой Scikit-learn. Постройте многомерную линейную регрессию с помощью NumPy и с помощью Scikit-learn. Научитесь оценивать качества линейной регрессии с помощью метрик MSE, RMSE, MAE.
  10. Задача прогнозирования. Другие виды регрессий
    Ознакомьтесь с моделями полиномиальной регрессии, гребневой регрессии, регрессии по методу LASSO и регрессии «эластичная сеть». Научитесь улучшать качество линейной регрессии с помощью регуляризации. Узнайте, что делать в случае высокого bias OR высокого variance модели.
  11. Задача классификации. Логистическая регрессия
    Ознакомьтесь с задачей бинарной классификации и моделью логистической регрессии. Обучите модель логистической регрессии для классификации данных и оцените ее качество. Научитесь оценивать качество модели мультиклассовой классификации.
  12. Деревья принятия решений
    Изучите принцип работы модели «Деревья принятия решений». Определите отличия этой модели от остальных. Обучите модель «Деревья принятия решений» для решения задач регрессии и классификации.
  13. Ансамбли моделей
    Изучите базовые техники построения ансамблей. Научитесь строить и обучать разные типы ансамблей моделей. Определите, какой способ ансамблирования необходимо использовать в случае high bias, а какой ― в случае high variance.
  14. Библиотеки CatBoost и XGBoost
    Ознакомьтесь с библиотеками CatBoost и XGBoost. Узнайте, какие задачи они решают и чем отличаются друг от друга. Научитесь улучшать XGBoost-модель за счет оптимальных гиперпараметров модели.
  15. Кластерный анализ данных
    Узнайте, как обучить модель без учителя с помощью кластеризации. Изучите теорию и разберите на примерах, как работают методы кластеризации в моделях K-Means, DBSCAN и Agglomerative Clustering. Найдите группы похожих экземпляров в массиве данных с помощью кластеризации.
  16. Отбор признаков и уменьшение соразмерности данных
    Изучите простые способы выбора признаков. Выберите признаки так, чтобы оставить только самые значимые для модели. Научитесь применять методы уменьшения соразмерности данных для ML-модели [Singular Value Decomposition, Principal Component Analysis, Linear Discriminant Analysis].

Курс «Как стать специалистом по Data Science» — АНО ДПО «ШАД»

https://practicum.yandex.ru/data-scientist Стоимость: 95 000 ₽ — 104 000 ₽

Специалист по Data Science структурирует и анализирует большие объёмы данных, применяет машинное обучение для предсказания событий и обнаружения неочевидных закономерностей. Помогает создавать и улучшать продукты в бизнесе, промышленности и науке. Мы хотим научить вас основным инструментам этой профессии: Python и его библиотекам, в том числе Scikit-Learn и XGBoost, Jupyter Notebook, SQL.

Программа обучения:

  1. Основы Python и анализа данных: бесплатный вводный курс
    Познакомитесь с языком программирования Python, библиотекой Pandas, а также средой программирования Jupyter. Узнаете основные концепции анализа данных и поймёте, чем занимаются аналитики и специалисты по Data Science.
  2. Предобработка данных
    Научитесь очищать данные от выбросов, пропусков и дубликатов, а также преобразовывать разные форматы данных.
  3. Исследовательский анализ данных
    Изучите основы теории вероятностей и статистики. Примените их для исследования основных свойств данных, поиска закономерностей, распределений и аномалий. Познакомитесь с библиотеками SciPy и Matplotlib. Отрисуете диаграммы, поупражняетесь в анализе графиков.
  4. Статистический анализ данных
    Научитесь анализировать взаимосвязи в данных методами статистики. Узнаете, что такое статистическая значимость, гипотезы и доверительные интервалы.
  5. Сборный проект -1
    Научитесь предварительному исследованию данных, сформулируете и проверите гипотезы.
  6. Введение в машинное обучение
    Освоите основные концепции машинного обучения. Познакомитесь с библиотекой Scikit-Learn и примените её для создания первого проекта с машинным обучением.
  7. Обучение с учителем (классификация и регрессия)
    Углубитесь в самую востребованную область машинного обучения — обучение с учителем. Узнаете, как обращаться с несбалансированными данными.
  8. Машинное обучение в бизнесе
    Примените свои знания о машинном обучении к задачам бизнеса. Узнаете, что такое бизнес-метрики, KPI и A/B-тестирование.
  9. Сборный проект -2
    Подготовите данные для машинного обучения. С помощью модели оцените её качество.
  10. Линейная алгебра
    Заглянете внутрь нескольких изученных ранее алгоритмов и лучше поймёте, как их применять. На практике освоите с нуля главные концепции линейной алгебры: линейные пространства, линейные операторы, евклидовы пространства.
  11. Численные методы
    Разберёте ряд алгоритмов и приспособите их к решению практических задач с использованием численных методов. Разберётесь, как обучаются нейронные сети. Для этого вы освоите приближённые вычисления, оценку сложности алгоритма, градиентный спуск и бустинг.
  12. Временные ряды
    Проанализируете временные ряды. Создадите из них табличные данные и решите задачу регрессии.
  13. Машинное обучение для текстов
    Представите тексты на естественном языке в качестве таблиц с данными. Примените к ним методы классификации и регрессии. Познакомитесь с алгоритмом TF-IDF, языковыми представлениями word2vec и BERT.
  14. Извлечение данных
    Познакомитесь с основными системами хранения данных — реляционными базами и распределёнными хранилищами. Научитесь извлекать эти данные запросами на языке SQL и методами библиотеки PySpark.
  15. Компьютерное зрение
    Немного Deep Learning. Решите базовые задачи на компьютерное зрение с помощью готовых нейронных сетей и библиотеки Keras.
  16. Обучение без учителя
    Познакомитесь с задачами кластеризации и поиска аномалий.
  17. Выпускной проект
    В последнем проекте подтвердите, что освоили новую профессию. Уточните задачу заказчика, пройдёте все стадии анализа данных и машинного обучения. Теперь без уроков домашних заданий — всё как на настоящей работе.

Курс «Основы Data Science» — ООО «Образовательный центр программирования и высоких технологий»

https://www.it-academy.by/course/osnovy-data-science/osnovy-data-science/ Стоимость: 87 400 ₽

Для кого этот курс:

Вы будете уметь:

  1. осуществлять сбор, обобщение и очистку исходных информационных данных;
  2. находить аналитические зависимости в структурированных и неструктурированных данных;
  3. осуществлять постановку и решение задач математического программирования и исследования операций;
  4. знать и уметь применять основные алгоритмы машинного обучения и математического программирования;
  5. знать, как работает Machine Learning;
  6. уметь пользоваться основными инструментами Data Mining, Big Data и Data Science;
  7. знать основные типы и архитектуру нейронных сетей;
  8. реализовывать, внедрять и обучать Machine Learning модели;
  9. решать задачи Computer Vision, Natural Language Toolkit, а также прогнозирования временных рядов;
  10. знать концепции Map Reduce и CUDA;
  11. знать принципы функционирования высоконагруженных систем;
  12. разрабатывать рекомендательные системы.

Программа курса:

  1. Введение в Data Science
  2. Математические основы Data Science
  3. Основы Data Science и Machine Learning
  4. Основные алгоритмы Machine Learning
  5. Методы предобработки данных
  6. Рекомендательные системы
  7. Распознавание изображений, машинное зрение
  8. Введение в нейронные сети
  9. Распознавание естественного языка
  10. Временные ряды
  11. Общение с заказчиком. Требования к Data Science проектам
  12. Подведение итогов.

Курс «DataGym» — ИП Ермаков П. Д.

https://datagym.ru/ Стоимость: 65 000 ₽

Наша цель – научить вас практическому применению Data Science и Машинного обучения. Поэтому мы сделали упор на практические навыки (естественно, не забывая о теории). Каждый преподаватель выступает в роли персонального тренера навыков Data Science и поддерживает на всех этапах курса.

Мы учим не только решать задачи, но и находить их в реальных проектах. Будет тяжело и больно, но вам понравится.

Программа курса

  1. Разведочный анализ данных (EDA)
  1. Введение в машинное обучение и анализ данных
  1. Методы машинного обучения
  1. Анализ текстовых данных
  1. Работа с признаками машинного обучения
  1. Другие области машинного обучения
  1. Ансамблирование методов машинного обучения
  1. Анализ временных рядов
  1. Машинное обучение без учителя
  1. Машинное обучение в production
  1. Хакатон
    Задача хакатона научить вас работать в команде, правильно планировать ресурсы в условиях сжатых сроков и выбирать наиболее подходящее решение. Все студенты курса разбиваются на команды и решают практическую задачу по машинному обучению в течение 10 часов. Команды соревнуются между собой по заявленной метрике качества.
  2. Хакатон проходит в выходной.

Курс «Data Science» — SF Education

https://sf.education/ds Стоимость: 56 000 ₽

Чему вы научитесь:

Программа курса:

  1. Анализ данных с помощью Python
  1. Математика для Data Science
  1. Data Science
  1. Решение проблем при работе с данными

Удостоверение о повышении квалификации установленного образца в соответствии с Федеральным законом об образовании, который котируется, в том числе, на территории СНГ.

Курс «Data Science» — Школа анализа данных

https://yandexdataschool.ru/course/data-science Стоимость: нет информации

Для кого:
Для тех, кто хочет ставить задачи с помощью анализа данных, предлагать решения и оценивать их эффективность не только в синтетическом эксперименте, но и в реальных условиях.

Чему мы учим:
Статистике, машинному обучению и работе с разными типами данных.

Где применять эти знания:
Данные лежат в основе большинства современных сервисов и продуктов: от приложений по предсказанию погоды до беспилотных автомобилей. Data Scientist проводит эксперименты, строит метрики, умеет оптимизировать работу сервисов и понимает, где находятся их точки роста.

Программа

В течение семестра каждый учащийся должен успешно пройти как минимум три курса. Например, если в основной программе их два, то необходимо выбрать какой-нибудь из спецкурсов.

Знания проверяются в первую очередь с помощью домашних заданий — экзамены и контрольные проводятся только по некоторым предметам.

  1. Алгоритмы и структуры данных, часть 1
  2. Язык Python
  3. Машинное обучение, часть 1
  4. Основы статистики в машинном обучении
  5. Машинное обучение, часть 2
  6. Автоматическая обработка текстов
  7. Компьютерное зрение
  8. Рекомендуемые спецкурсы
  9. Глубинное обучение
  10. Обучение с подкреплением
  11. Self Driving Cars.

Курс «Data Science/Machine Learning Fundamentals» — ООО «СофтЛайнбел»

https://edu.softline.by/courses/ds-ml.html Стоимость: 41 000 ₽

Чему вы научитесь?

Что включает курс?

Программа курса

  1. ВВЕДЕНИЕ В DATA SCIENCE И MACHINE LEARNING
  1. DATA SCIENCE PROCESS AND FRAMEWORKS
  1. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ДАННЫХ
  1. ПРОГНОЗИРОВАНИЕ И КЛАССИФИКАЦИЯ
  1. КЛАСТЕРИЗАЦИЯ И РЕКОМЕНДАЦИОННЫЕ АЛГОРИТМЫ
  1. ИМПЛЕМЕНТАЦИЯ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ

Документы об окончании курса:

Сертификат Учебного центра Softline об окончании курса и справка об обучении установленного образца.

Курс «Data Science. Уровень 1: Основные технологии. Python для анализа данных» — Московский Государственный Технический Университет им. Н.Э. Баумана

http://edu.bmstu.ru/napravleniya-obucheniya/biznes-analitika/datascience1 Стоимость: 36 090 ₽

Data Science сегодня — это одно из самых востребованных направлений подготовки в бизнес-аналитике. В основе data science лежит работа с большими данными (Big Data).

Данный курс специально разработан для знакомства с основными технологиями и подходами анализа данных.

На первом уровне курса подготовки Вы научитесь:

Программа курса:

  1. Введение в data science
  1. Основы SQL
  1. Python для анализа данных
  1. Работа с данными
  1. Визуализация
  1. Описательный анализ

Курс «Data Science и Machine Learning» — bigdataschool

https://www.bigdataschool.ru/data-science-and-machine-learning Стоимость: 36 000 ₽ — 60 000 ₽

Программы обучения подходят как опытным специалистам, так и начинающим. Все курсы по аналитике больших данных и машинному обучению, предлагаемые в нашем учебном центре, постоянно обновляются с учетом современных трендов науки о данных и прикладных бизнес-кейсов.

РАСПИСАНИЕ КУРСОВ DATA SCIENCE и MACHINE LEARNING

Курс «Data Science » — ABLE

https://able.kz/data-science Стоимость: 34 200 ₽

Программа курса

Курс «Data Science / Python / Machine learning» — Digital Technologies School

https://digitaltech.school/courses/data-science-and-python/ Стоимость: 29 900 ₽

В рамках это практического курсы мы заложим основу работы с данными с помощью языка Python и рассмотрим реализацию алгоритмов машинного обучения для решения типичных задач специалиста data scientist.

  1. Data Science & Python (3 занятия)

1.1. Введение в Python

1.2. Инструменты. Подготовка данных

1.3. Работа с данными

  1. Machine learning (5 занятий)

2.1. Введение в машинное обучение

2.2. Линейные модели для классификации и регрессии

2.3. Непараметрические модели: метод ближайшего соседа и метод опорных векторов (SVM); Обучение без учителя (unsupervised learning): кластеризация и понижение размерности

2.4. Обучение деревьев классификации и регрессии (CART)

2.5. Нейронные сети (deep learning)

Практические занятия

Курс «Data Science» — Бруноям

https://brunoyam.com/kursy-analitika-dannyh/data-science Стоимость: 29 900 ₽

Практический курс по Data Science: от основ Python, NumPy, SciPy, pandas до работы с нейронными сетями.

Научим структурировать и анализировать большой объём данных, прогнозировать события и находить неочевидные закономерности с помощью машинного обучения, составлять выводы и тестировать гипотезы.

Цель курса — профессия Junior Data Scientist.

Для кого этот курс:

Вы научитесь:

Программа курса

  1. Основы Python
  1. Библиотеки для анализа данных
  1. База данных и SQL
  1. Математическая статистика и теория вероятностей
  1. Машинное обучение
  1. Нейронные сети
  1. A/B-тестирование
  1. Практика по работе с данными

Курс «Data Science для не data scientist-ов» — CROC Education solutions

https://edu.croc.ru/datascience Стоимость: 25 999 ₽

Курс для тех, кто не хочет становиться Data Scientist-ом, но хочет разобраться:

После курса вы сможете:

В чем будем разбираться:

Курс «Data Science / Machine Learning Fundamentals» — ITEA

https://onlineitea.com/course/ds-and-ml/ Стоимость: 24 850 ₽

Обучение Data Science/Machine Learning — это современные методы машинного обучения и практика работы с большими данными. Ты изучишь основы науки о данных и машинного обучения, научишься обрабатывать и анализировать большие данные, а также узнаешь, как работать с ключевыми концепциями сбора, подготовки и визуализации данных.

На курсе ты научишься:

Data Science/Machine Learning: обучение по этапам

  1. ВВЕДЕНИЕ В DATA SCIENCE И MACHINE LEARNING
  1. DATA SCIENCE PROCESS AND FRAMEWORKS
  1. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ДАННЫХ
  1. ПРОГНОЗИРОВАНИЕ И КЛАССИФИКАЦИЯ
  1. КЛАСТЕРИЗАЦИЯ И РЕКОМЕНДАЦИОННЫЕ АЛГОРИТМЫ
  1. ИМПЛЕМЕНТАЦИЯ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ
  1. ЗАЩИТА КУРСОВОГО ПРОЕКТА.

Курс «Data Science» — DataWorkshop

https://dataworkshop.ru/kurs/data-science Стоимость: 20 350 ₽ — 58 100 ₽

Для кого подойдет онлайн-курс:

Программа онлайн-курса

Модуль 1: Основы машинного обучения

Модуль 2: Погружение в машинное обучение

Модуль 3: Gradient Boosting

Модуль 4: Feature Engineering

методы инженерии признаков

Курс «Data Science» — ООО «ЭйДжей ТехФин Групп»

https://www.datascienceschool.ru/ Стоимость: 4 500 ₽ / занятие

Программа обучения, рассчитанная на 4 месяца

  1. Изучение основ SQL и R
  2. Выбор проекта и получение данных
  3. Очистка и подготовка данных
  4. Разработка факторов моделирования — Feature Selection
  5. Разбор типов задач
  6. Разбор основного типа задачи проекта — линейные модели и регуляризация
  7. Разбор основного типа задачи проекта — метод «SVM»
  8. Разбор основного типа задачи проекта — методы нейронных сетей
  9. Разбор основного типа задачи проекта — методы деревьев решений: «CART» и «Random Forest»
  10. Разбор основного типа задачи проекта — методы деревьев решений: «Gradient Boosting» и «XGBoost»
  11. Разбор основного типа задачи проекта — вероятностные модели
  12. Кластерный анализ — метрические модели
  13. Ассоциативный анализ — модели на основе правил
  14. Текстовый анализ
  15. Дополнения к обучению моделей
  16. Визуализация данных и моделей — средней сложности и продвинутая
  17. Составление финального отчёта
  18. Построение дашборда для мониторинга и автоматической генерации отчётности.

Курс «Машинное обучение и анализ данных» — АНО ДПО «ШАД»

https://yandex.ru/promo/academy/data_analysis Стоимость: бесплатно

Data scientist — очень перспективная специальность. Анализ данных и машинное обучение всё чаще используются в инновационном бизнесе, фундаментальной науке и прикладных исследованиях.

Для кого:

Слушателю нужна базовая математическая подготовка на уровне младших курсов технического вуза. Не страшно, если вы учились давно — преподаватели помогут освежить знания.

Программа специализации состоит из пяти курсов. Вы освоите работу с данными от и до — сбор, оценка, обработка, результаты.

Вы научитесь:

В программе обучение с учителем, обучение без учителя, решающие деревья, случайные леса, кросс-валидация и многое другое.

Программа заканчивается выполнением практического проекта — вы самостоятельно решите большую аналитическую задачу.