Data Science: Курсы

1. Общий инструментарий SQL, Python, Pandas: Познакомимся с самыми основами инструментария, а также узнает общий уровень подготовки группы.
2. Линейная регрессия: Задачи регрессии и классификации. Метрики качества регрессии MSE, MAE, критерии выбора метрики. Линейная регрессия.
3. Переобучение: Переобучение, способы борьбы с ним.
4. Категориальные признаки: Работа с категориальными признаками: label encoding, one hot encoding, average encoding.
5. Регуляризация: Регуляризация на примере линейной регрессии. Ridge, Lasso. Bias vs variance.
6. Задача классификации: Логистическая регрессия. Метрики качества классификации: accuracy, precision, recall, roc auc, gini.
7. Деревья, ансамбли деревьев: Decision Tree. Методы комбинирования алгоритмов: bagging, boosting. Случайный лес, градиентный бустинг. 
8. Задачи снижения размерности, кластеризации: Метод главных компонент, PCA. EM-алгоритмы. K-Means.
9. Нейронные сети: Основы нейронных сетей. Их "настройка", подбор параметров, борьба с переобучением. Решения задач распознавания изображений.
10. Ограничения машинного обучения: Области применимости пройденных алгоритмов.

Data Scientist — это специалист по обработке, анализу и хранению больших массивов данных, которые называют "Big Data". Его главная задача — извлекать необходимую информацию из разнообразных источников, используя информационные потоки в режиме реального времени и устанавливать скрытые закономерности в массивах данных,  статистически анализировать их для принятия грамотных бизнес-решений. 

Эти технологии востребованы в компаниях различного профиля: телеком, финтех, ритейл, e-commerce.  Среди них и крупнейшие российские компании, такие как Сбербанк, Альфа Банк, Mail.ru. 

На основании больших массивов информации компании выстраивают маркетинговые стратегии и прогнозируют глобальные изменения на рынке и в мире. Специалисты по сбору и анализу больших данных – пока штучный товар, а популярность этой профессии все больше набирает обороты. 

Требования: 

Для успешного прохождения курса вы должны иметь базовый уровень программирования на любом языке. Например, уметь написать функцию, которая считает сумму квадратов первых n натуральных чисел. 

Преимущества курса:

1. Вы получите редкую, востребованную и одну из самых высокооплачиваемых профессий в мире
2. Освоите эффективные инструменты анализа данных
3. Сможете применить знания в текущем проекте или на на практике в рамках курса
4. Получите отличные перспективы трудоустройства

Что получите по итогам курса: 

1. Практические и теоретические знания о Big Data и Data Science
2. Освоите новые аналитические инструменты
3. Научитесь анализировать большие массивы информации
4. Получите рекомендации по трудоустройству