Курсы Data Science в Саратове

Чем занимается Data Scientist?

Data Scientist создаёт и обучает предиктивные модели с помощью алгоритмов машинного обучения и нейросетей, помогая бизнесу находить скрытые закономерности, прогнозировать развитие событий и оптимизировать ключевые бизнес-процессы.

Что 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

Получите рейтинг на международной конкурсной площадке, подтвердите умение решать задачи в команде в условиях ограниченного времени

Помощь в трудоустройстве

Поможем составить резюме, подготовиться к собеседованию, проконсультируем по релокации

Кому будет полезен курс

Новичкам в Data Science

С нуля овладеете знаниями и навыками, необходимыми для работы Data Scientist, и получите новую востребованную профессию. Получите быстрый старт в Data Science

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 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

Кому подойдет

• 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?

Программировать на Python
Освоите самый популярный язык для работы с данными.

Визуализировать данные
Сможете разрабатывать дашборды и интерактивную инфографику.

Создавать аналитические панели
Разработаете визуальные дашборды с интерактивной инфографикой на фреймворках Shiny и Dash

Работать с библиотеками и базами данных
Научитесь работать с библиотеками Pandas, NumPy и Matpotlib и освоите базы данных PostgreSQL, SQLite3, MongoDB.

Программировать на R
Разберётесь в специфике языка, сможете обрабатывать статические данные и работать с графикой.

Проводить А/B-тестирование
Научитесь проводить эксперименты в маркетинге и оценивать эффект предполагаемых изменений дизайна продукта.

Ваше резюме после обучения

1. Владение Python для анализа данных
2. Знание языка программирования R и основных библиотек
3. Создание аналитических панелей (фреймворки Dash и Shiny)
4. Работа с различными источниками данных: CSV, XML и XLS
5. Визуализация данных с помощью Matplotlib
6. Организация и проведение А/B-тестирования
7. Выявление аномалий данных
8. Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL

Кому подойдет курс Data Science

1. Новичкам
   Даже если вы никогда не работали в IT, вы получите востребованную и высокооплачиваемую специальность.
2. Начинающим аналитикам
   У вас будет всё для ускоренного карьерного роста: комплексные знания и опыт работы с продвинутыми инструментами, методологиями и стандартами.
3. Практикующим IT-специалистам
   Подскажем, как перейти в востребованное направление и зарабатывать больше.

Что дадут?

• Все необходимые знания
  Вы получите все навыки на курсах основного обучения и факультативах от компаний-партнеров.
• Помогут оформить резюме
  Вы подадите заявку в сервис трудоустройства, а HR-специалисты GeekBrains помогут создать резюме, которое выделит вас среди других кандидатов.
• Предложат подходящие вакансии
  Будете рассматривать предложенные ими позиции, откликаться на вакансии из раздела «Карьера» и участвовать в поиске идеального места работы.
• Помогут пройти собеседования
  Дадут советы по прохождению собеседования

Поддержка курса

• Преподаватели
  Погрузят вас в новую сферу, поделятся знаниями и практическим опытом, ответят на вопросы по теме занятий.
• Куратор
  Сотрудник онлайн школы GeekBrains, который будет сопровождать вас на протяжении всего обучения. Поможет преодолеть трудности и достичь образовательной цели.
• Ревьюер
  Эксперт-практик, который проверит ваши домашние работы и даст подробную обратную связь.
• Специалисты техподдержки
  Возьмут на себя все технические вопросы по работе платформы и продлят дедлайн при необходимости.
• Наставники
  Студенты GeekBrains, которые уже прошли ваш путь. Поделятся опытом, помогут адаптироваться и погрузиться в процесс обучения.
• Чат с одногруппниками
  Здесь вы станете частью комьюнити GeekBrains, познакомитесь с единомышленниками и обменяетесь опытом.

Ваше резюме после обучения

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

Кому подойдет курс

1. Людям без подготовки в IT
   Вы получите базовые навыки по программированию, аналитике, статистике и математике, которые откроют путь к карьере в Data Science и Machine Learning. Сможете использовать свои знания сразу на практике.
2. Программистам
   Программистам
   Вы прокачаете свои знания и навыки в программировании на Python и R. Подтянете математику и умение мыслить как аналитик, использовать алгоритмы машинного обучения для решения бизнес-задач — и усилите портфолио мощными проектами.
3. Менеджерам и владельцам бизнеса
   Менеджерам и владельцам бизнеса
   Научитесь использовать данные для построения прогнозов и оптимизации бизнес-процессов и переведёте компанию на новый уровень.

Чему вы научитесь на курсе Data Science

• Программировать на Python
  Освоите самый популярный язык для работы с данными.
• Визуализировать данные
  Сможете разрабатывать дашборды или интерактивную инфографику.
• Работать с библиотеками и базами данных
  Научитесь работать с библиотеками Pandas, NumPy и Matpotlib и освоите базы данных PostgreSQL, SQLite3, MongoDB.
• Применять нейронные сети для решения реальных задач
  Освоите фреймворки для обучения нейронных сетей Tensorflow и Keras. Узнаете, как устроены нейронные сети для задач компьютерного зрения и лингвистики.
• Строить модели машинного обучения
  Изучите разные алгоритмы, научитесь решать задачи регрессии, классификации и кластеризации.
• Создавать рекомендательные системы
  Построите рекомендательную систему и добавите её в своё портфолио.

Преподаватели

• Валентин Пановский
  Chief Data Scientist в Skillbox. Блоки «Аналитика и машинное обучение. Начальный уровень»
• Михаил Овчинников
  Главный методист технического направления Skillbox
• Алла Тамбовцева
  Преподаватель НИУ ВШЭ
• Александр Джумурат
  Руководитель команды разработки рекомендательной системы в ivi.ru
• Дмитрий Коробченко
  Deep Learning R&D инженер и менеджер в NVIDIA. Блок «Машинное обучение. Средний уровень»
• Алексей Мастов
  Deep Learning инженер в NVIDIA. Блок «Машинное обучение. Средний уровень»
• Лидия Храмова
  Team Lead Data Scientist группы бизнес-моделирования в QIWI. Блок «Статистика и теория вероятностей»
• Артемий Козырь
  Старший аналитик данных Wheely. Блок «Аналитика. Начальный уровень»
• Андрей Мещеряков
  Data Scientist в EPAM. Блок «Аналитика. Начальный уровень»
• Роман Булгаков
  Преподаватель информатики и программирования по специализации Python со стажем 5 лет

Ваше резюме после обучения на курсе

1. Владение Python для машинного обучения
2. Применение алгоритмов машинного обучения
3. Работа с различными источниками данных: CSV, XML и XLS
4. Написание рекомендательных систем
5. Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL
6. Работа с нейронными сетями
7. Работа с библиотеками pandas, numpy, matplotlib

Кому подойдет этот курс

• Людям без опыта в IT
  Вы получите базовые навыки по программированию, аналитике, статистике и математике, которые откроют путь к карьере в Data Science и Machine Learning. Сможете использовать свои знания сразу на практике.
• Программистам
  Вы прокачаете свои знания и навыки в программировании на Python и R. Подтянете математику и умение мыслить как аналитик, использовать алгоритмы машинного обучения для решения бизнес-задач — и усилите портфолио мощными проектами.
• Начинающим аналитикам
  Вы научитесь ставить гипотезы и делать выводы на основе данных, писать эффективный код на Python и R, превращать сырые данные в полезную информацию для компании, понимать математику на основе статистики, а также обучать машины и прогнозировать результаты. Отшлифуете знания, увеличите скорость своей работы и добьётесь повышения.

Ваше резюме после прохождения обучения

1. Владение Python для анализа данных и машинного обучения
2. Работа с различными источниками данных: CSV, XML и XLS
3. Знание языка программирования R и основных библиотек
4. Создание аналитических панелей (фреймворки Dash и Shiny
5. Применение алгоритмов машинного обучения
6. Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL
7. Организация и проведение А/B-тестирования
8. Написание рекомендательных систем
9. Работа с нейронными сетями

Кем вы сможете работать после обучения

• Data Engineer
• Инженер дата-центра
• DWH-аналитик
• Data Science
• Инженер пайплайнов данных для машинного обучения (ML Engineer)

Кому подойдет курс

1. Всем, кому интересно работать с данными.
   Вы научитесь обрабатывать самые разные источники и форматы данных, освоите обработку больших массивов данных (Big Data) на распределенных системах, максимизируйте пользу, извлекаемую из данных.
2. Начинающим аналитикам и разработчикам.
   У вас будет всё для ускоренного карьерного роста: комплексные знания и опыт работы с продвинутыми инструментами, методологиями и стандартами. Прокачайте свои навыки для выхода на новый уровень.
3. Практикующим IT-специалистам.
   Рассмотрим знакомые темы с новых углов, приумножим имеющиеся знания, подскажем, как перейти в востребованное направление и зарабатывать больше.

Преимущества курса

Даём обратную связь
Обучение на 70% состоит из вебинаров: преподаватели разбирают практические задания, отвечают на вопросы и делятся кейсами. Все вебинары можно пересмотреть в записи.

Постоянно обновляем программу
Вы получаете актуальные навыки и знания: программа учитывает требования работодателей по компетенциям дата-инженера.

Сопровождаем на всех этапах
Менеджеры школы GeekBrains помогают записаться на курс, освоиться в личном кабинете и решить технические проблемы. Если попалось сложное задание, можете обратиться за помощью к личному наставнику.

Программа обучения курса

Научитесь собирать и обрабатывать данные, проектировать хранилища и витрины, работать с инфраструктурой и с современными фреймворками обработки данных.

Длительность курса по Data Science:

• 141 час обучающего контента
• 279 часов практики
• 2-3 вебинара в неделю

Ваши будущие компетенции

• Разработка, поддержка и оптимизация пайплайнов обработки данных и машинного обучения на Python и Spark
• Проработка архитектуры разрабатываемых решений
• Опыт проектирования аналитических систем хранения и обработки больших данных
• Знание принципов работы БД (SQL/noSQL) и методологий моделирования
• Опыт работы с Airflow и другими инструментами для запуска регулярных задач
• Опыт с Devops (Docker, Kubernetes) инструментами
• Понимание принципов машинного обучения и подготовки данных для ML-приложений
• Опыт работы с ОС Linux
• Сбор процессов очистки и валидации данных
• Опыт работы с ETL-инструментами и сервисами
• Опыт работы с пакетной и потоковой выгрузкой данных в аналитическое хранилище
• Разработка витрин данных для бизнес-пользователей аналитики
• Опыт работы с Hadoop кластером и HDFS, мониторинг своих приложений

Образование поможет вам

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

Что вы получите на курсе

Больше 10 кейсов в портфолио
Выполните 80 домашних работ с фидбеком эксперта, а также онлайн-лабораторные и тесты

Доступ в профессиональные сообщества
Поможем вам найти единомышленников и будущих коллег

Помощь в трудоустройстве
Поможем составить резюме, подготовиться к собеседованию, проконсультируем по релокации

Чему научитесь

1. Работать 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, сделанные на основании данных
3. Проверять данные и определять проблемы
   Обрабатывать текстовые данные, чтобы передавать их в алгоритмы машинного обучения, генерировать новые значимые признаки
4. Строить модели машинного обучения
   Быстро строить модели и проверять гипотезы, строить рекомендательную систему и нейронную сеть, выявлять скрытые аномалии в данных
5. Применять математику
   Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
6. Лидировать Data Science проект
   Структурировать результаты, формулировать гипотезы, выявлять потребности, находить области применения машинного обучения

Программа обучения

Часть 1. Получение и подготовка данных (SQL и Python)
Программа построена от простого к сложному. Первый модуль научит вас понимать, где взять данные, и находить между ними связи.
Узнаете, как писать SQL запросы, чтобы получать данные из хранилищ — и не тратить время разработчиков или администраторов на поиск информации.
Научитесь быстро создавать материалы исследований, чтобы получать инсайты для принятия решений. Познакомитесь с основами статистических проверок гипотез — чтобы больше ни один вывод не был сделан «потому что так было всегда» или «так кажется».

Часть 2. Обработка данных и создание признаков для моделей (Feature Engineering)
Научитесь проверять данные на полноту, целостность, наличие шумов, ошибок, выбросов и пропусков и работать с проблемами, делая качество предсказаний достаточным для принятия решений. Обрабатывать текстовые данные, чтобы передавать их в алгоритмы машинного обучения и экономить время заказчика.
Строить деревья решений, модель логистической регрессии, использовать Random Forest в задачах классификации, строить линейную и полиномиальную регрессию — одним словом, знать где применять и что ожидать от работающих и математически обоснованных методов решения бизнес-задач.

Часть 3. Суперсила: машинное обучение для 5 ключевых областей применения
В этом модуле вы научитесь строить рекомендательную систему, чтобы решить проблему нехватки данных, возвращать клиентов и увеличивать средний чек.
Решать задачу распознавания и преобразования изображений, чтобы узнавать наиболее привлекательные товары на полках.
Выделять признаки для анализа изображений: лиц, почерка, особенностей предметов, чтобы конвертировать рукописный текст в электронный или узнавать постоянных покупателей.
Обучать нейронную сеть там, где стандартным машинным обучением уже не обойтись.

Что вы получите

• Кейсы
  Вы будете практиковаться на реальных бизнес-задачах. Самостоятельно напишете и обучите модели разной сложности: от линейных регрессий и классификаторов до гибридных рекомендательных систем или моделей с использованием нейронных сетей. Выведете вашу модель в Production с помощью написания сервиса на Flask.
• Уроки
  Уроки помогут закрепить на практике теоретический материал и отработать в нюансах подходы к решению задач машинного и глубинного обучения. Вы наработаете навыки машинного обучения, построите рекомендательную систему с использованием алгоритмов и научитесь работать с временными рядами.
• Soft Skills
  Перевод технических задач на понятный бизнесу язык. Постановка задач и их декомпозиция. Навыки эффективных коммуникаций с заказчиками и стейкхолдерами. Управление проектом в Data Science.

Что вас ждет во время обучения

• Эксперты и поддержка
  Команда экспертов в Data Science проверяет и комментирует ваши работы, помогает разобраться в сложностях и обучает собственным профессиональным приёмам.
• Сообщество студентов
  Вы будете учиться в группе таких же новичков, как и вы, давать друг другу обратную связь на ваши проекты, обмениваться кодом, помогать искать ошибки и делиться бизнес-задачами.
• Помощь тьютора
  Начиная с первых недель обучения тьютор поможет вам определить карьерные цели, а в течение программы — не сойти с намеченного пути.
• Карьерный центр
  Карьерный центр поможет вам оформить резюме и начать проходить собеседования.

Ваше резюме

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

Кому подойдет 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.

Преподаватели курса

• Николай Герасименко
  Data Scientist в Сбербанке, математик в ВЦ РАН. Блок «Основы математики для Data Science»
  Опыт преподавания высшей математики более 4 лет. Многократный призёр математических олимпиад.
• Вячеслав Архипов
  Консультант программы курса, эксперт в Data Science в стартапе Banuba.
  Опыт преподавания в ведущем университете Беларуси (БГУ) более 8 лет, автор и ведущий youtube-канала du/dv stud.