Закажите обратный звонок!
Заполните заявку и мы с радостью ответим на все ваши вопросы
Постоянная практика
Обучение с преподавателем и живое общение
Более 3000 учеников успешно прошли наши курсы
Профессия Data Scientist
курс от Mindland
Специалист по Data Science структурирует и анализирует большие объёмы данных
Освоите 2 специальности
С помощью алгоритмов машинного обучения и нейросетей, помогая бизнесу находить скрытые закономерности, прогнозировать развитие событий и оптимизировать ключевые бизнес-процессы.
Вы сможете построить карьеру в крутой IT компании — в России или за рубежом.
Трудоустройство после обучения
Организациям
Заполните заявку и мы с радостью ответим на все ваши вопросы
Организациям - Вы можете получить доступ для вашей компании с существенной скидкой.
Партнерам - Вы можете зарабатывать привлекая учеников. До 50% от оплаченной стоимости обучения. Оставляйте заявку или звоните, договоримся!
Организациям - Вы можете получить доступ для вашей компании с существенной скидкой.
Партнерам - Вы можете зарабатывать привлекая учеников. До 50% от оплаченной стоимости обучения. Оставляйте заявку или звоните, договоримся!
«Нажимая «Отправить», Вы соглашаетесь с политикой конфиденциальности.
Поможем в выборе!
Заполните заявку и мы с радостью ответим на все ваши вопросы
«Нажимая «Отправить», Вы соглашаетесь с политикой конфиденциальности.
Каждая третья компания
ищет в штат Data Scientics в 2020
Профессия будет востребована и через 10 лет
6000 компаний
ищут специалистьо по данным TechTarget
150 000 рублей
средняя зарплата специалиста Data Scientics по данным сайта hh.ru (более 50% вакансий)
Предложим компании для работы
Поможем оформить резюме
Советы для успешного прохождения собеседования
Помощь в трудоустройстве
Дадим вам крутые знания
Новичкам
С нуля овладеете знаниями и навыками, необходимыми для работы Data Scientist.
Получите навыки по программированию, аналитике, математике и статистике и будете проверять их на практике.
Получите навыки по программированию, аналитике, математике и статистике и будете проверять их на практике.
Разработчикам
Прокачаете свой уровень Python и R, научитесь мыслить как аналитик, подтяните математику. Научитесь использовать алгоритмы машинного обучения для решения бизнес-зада.
Аналитикам
Систематизируете знания в сферу Data Science. Научитесь извлекать максимум из больших массивов данных для быстрой проверки гипотез и построения прогнозов. Писать эффективный код, получать полезную информацию из сырых данных.
Кому подойдёт этот курс
Использовать Python и библиотеки
Применять нейронные сети для решения реальных задач
Строить модели машинного обучения
Создавать и испольовать SQL
Понимать алгоритмы и структуры данных
Чему вы научитесь
Классифицировать, кластеризировать и сегментировать клиентскую базу
Как проходит обучение
Видеолекции
Практика
Консультации
Финальная работа
Вы получаете доступ к личному кабинету, где вам доступны:видео-уроки и учебные материалы.
После просмотра видео-уроков и изучения материалов вас ждут практические задания и тесты.
Каждую неделю проводиться онлайн-занятия с преподавателем, где вы разбираете возникшие в ходе обучения вопросы.
Выполняете итоговое задание и получаете Диплом.
Вы изучите 7 курсов. Онлайн-занятия, практические задания и видео уроки. Создадите 3 дипломных проекта.
По окончанию обучения вы будуте востребованным специалистом Data Scientist.
По окончанию обучения вы будуте востребованным специалистом Data Scientist.
Программа
тематических модулей
Онлайн-уроков
99
380
- Введение в Data Science
- Введение в Python
- Основы работы с Python
- Операторы, выражения
- Условный оператор if, ветвления
- Условный оператор if: продолжение
- Цикл while
- For: циклы со счетчиком
- For: циклы со счетчиком, часть 2. Функция range
- Цикл for: работа со строками
- Вложенные циклы
- Числа с плавающей точкой (int/float)
- Функции
- float 2
- Установка и настройка IDE
- Базовые коллекции 1 - list (списки)
- Методы для работы со списк
- List comprehensions
- Базовые коллекции: Строки
- Базовые коллекции: словари и множества
- Базовые коллекции: Кортежи
- Функции — Рекурсия
- Работа с файлами
- Исключения: работа с ошибками
- Введение в ООП
- Основные принципы ООП
- Итераторы и генераторы
- Библиотека NumPy: методы анализа массивов
- Библиотека NumPy: способы преобразования массивов
- Библиотека pandas: индексация и выбор данных
- Библиотека pandas: применение функций, группировка, сортировка
- Основы визуализации данных с помощью Matplotlib
- Продвинутая визуализация с Matplotlib
- Визуализация с Seaborn
- Мастер-класс: разведочный анализ (EDA)
- Курсовая работа. Подготовка аналитического отчёта на основе имеющихся данных в качестве помощи продюсерам образовательных программ эффективно выстраивать стратегию по обновлению и улучшению курсов
- Чтение и запись данных: CSV, HTML, XML, XLSX
- Основы SQL
- Чтение и запись данных: JSON, HDF5, Работа с БД: SQLite3, postgreSQL, MongoDB
- Работа со строками
- Курсовая работа. Часть 1. Подготовка аналитического отчёта для HR-отдела. На основе аналитики необходимо составить рекомендации для отдела кадров по стратегии набора персонала и взаимодействию с сотрудниками
- Курсовая работа. Часть 2. подготовка аналитического отчёта для SMM-отдела компании Mindland на основе паблика Mindland «ВКонтакте»
- Основы статистики и теории вероятностей
- Как врать при помощи статистики
- Базовые математические объекты и SymPy. Дроби и преобразования
- Базовые математические объекты и SymPy. Функции и дополнительные объекты
- Функции одной переменной, их свойства и графики
- Интерполяция и полиномы: квадратичные и кубические функции
- Аппроксимация и преобразование функций: сдвиги, растяжения, сжатия
- Аппроксимация и работа с производными
- Функции нескольких переменных, их свойства и графики
- Частные производные функции нескольких переменных
- Векторы и матрицы. Градиент
- Линейная регрессия и системы линейных уравнений
- Разложение матриц. Собственные векторы и значения
- Основные концепции Machine Learning (ML)
- Жизненный цикл ML-проекта
- Регрессия: метрики качества, преобразование входных данных
- Регрессия: регуляризация и градиентный спуск
- Классификация: kNN, наивный байесовский классификатор, деревья решений
- Классификация: метрики качества классификации и многоклассовая классификация
- Кластеризация
- Дополнительные техники: понижение размерности
- Дополнительные техники: бустинг и стекинг
- Знакомство с Kaggle
- Курсовая работа. Проанализировать данные телекоммуникационной компании и спрогнозировать отток пользователей на основе демографических характеристик, услуг, которыми они пользуются, длительности пользования услугами, метода и размера оплаты
- Язык программирования R: базовые операции и структуры данных
- Язык программирования R: циклы и функции
- Язык программирования R: анализ данных и их визуализация
- Создание аналитических панелей (Dashboard) в R
- A/B-тестирование: объем выборки и построение доверительных интервалов
- A/B-тестирование: статистические гипотезы и алгоритмы их проверки (Bootstrap и статистический тест)
- Мастер-класс: A/B-тестирование
- Performance metrics
- Мастер-класс: модели атрибуции прибыли
- Интерактивная визуализация с помощью Plotly. Часть 1
- Интерактивная визуализация с помощью Plotly. Часть 2
- Интерактивная визуализация с помощью Plotly. Часть 3
- Введение в нейронные сети
- Обучение нейронных сетей
- Нейронные сети на практике
- Свёрточные нейросети для задачи классификации изображений: введение в свёртки (многоканальные свёртки, рецептивное поле)
- Свёрточные нейросети для задачи классификации изображений: продвинутые операции со свёрткой (архитектуры сетей VGG и ResNet, задача Transfer Learning для свёрточных сетей)
- Семантическая сегментация: слабая локализация и полносвёрточные нейросети (FCN)
- Семантическая сегментация: продвинутые архитектуры FCN для семантической сегментации
- Детектирование объектов. Задачи классификации и локализации
- Детектирование объектов. Анализ и реализация R-CNN-архитектуры
- Детектирование объектов. Разбор популярных архитектур (Fast/Faster R-CNN, YOLO, SSD) и знакомство с TensorFlow Object Detection API
- От дискриминативных моделей к генеративным. Style transfer
- Генеративные состязательные сети
- Введение в NLP
- NLP на нейросетях. Рекуррентные нейросети, классификация текстов
- NLP на нейросетях. Языковые модели, Attention, Transformer
- Обучение с подкреплением. Q-Learning
- Обучение с подкреплением. Deep Q-Learning
- Ускорение и оптимизация нейронных сетей
- Внедрение DL моделей в production
- Введение в рекомендательные системы и задачи ранжирования
- Современные подходы к построению рекомендательных систем
Дипломные проекты
Мы даем выбрать дипломный проект самим студентам в зависимости от того, в каком направлении они хотя работать.
Эксперт по программированию,
преподаватель Mindland
преподаватель Mindland
Наши эксперты
Иван Боровой
Ведущий эксперт, преподаватель школы
Александр Михайлов
Химический факультет МГУ им. Ломоносова
Программирование на Python, C++ и SQL
Работает над проектами в ВМК МГУ и Mail.ru
Квалифицированный специалист на проекте Kaggle корпорации Google
Специалист в области Data Science и Machine learning
5 лет опыта обучения персонала на позиции Data Scientist в Сбербанк и Mail.ru Group
Английский язык на уровне Advanced
Программирование на Python, C++ и SQL
Работает над проектами в ВМК МГУ и Mail.ru
Квалифицированный специалист на проекте Kaggle корпорации Google
Специалист в области Data Science и Machine learning
5 лет опыта обучения персонала на позиции Data Scientist в Сбербанк и Mail.ru Group
Английский язык на уровне Advanced
Финансовый университет при правительстве РФ
6 лет опыта работы в сфере консалтинга, аналитики, финмоделирования в Ms Excel в том числе BIG4
7 лет опыта работы в сфере обучения персонала в крупных консалтинговых компаниях
Топ - 10 лучших преподавателей в Профи.ру
6 лет опыта работы в сфере консалтинга, аналитики, финмоделирования в Ms Excel в том числе BIG4
7 лет опыта работы в сфере обучения персонала в крупных консалтинговых компаниях
Топ - 10 лучших преподавателей в Профи.ру
Преподаватель школы, эксперт в области MS Excel
Геннадий Барышев
НИУ "Высшая школа экономики" Мюнхенский технологический университет Research on Teaching and Learningc
Психолог преподаватель
6 лет опыта преподавания математики и информатики
Научно-практический стажер компании- участницы проекта Сколково
Психолог преподаватель
6 лет опыта преподавания математики и информатики
Научно-практический стажер компании- участницы проекта Сколково
Получите диплом после обучения
Ирина Богданова
Специалист по Data Science
Специалист по Data Science
Мои навыки:
• Знание языка программирования R и основных библиотек
• Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL
• Применение алгоритмов машинного обучения на Python
• Выбор и реализация алгоритма под задачу
• Работа с нейронными сетями
• Создание рекомендательных систем
• Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL
• Применение алгоритмов машинного обучения на Python
• Выбор и реализация алгоритма под задачу
• Работа с нейронными сетями
• Создание рекомендательных систем
Ожидания по з/п
100 000 ₽
Локация
Москва
График работы
Полная занятость
Образование
Mindland, Data Scientist, 2021
Опыт работы
Портфолио
Ваше резюме после обучения
Mindland, Data Scientist, 2021
Отзывы учеников
Успей купить со скидкой!
Days
Часов
Минут
Секунд
Мы поможем в выборе!
Первое занятие бесплатное. Можете протестировать наш курс и уже после оплатить.
«Нажимая на кнопку вы соглашаетесь с политикой конфиденциальности»
Стоимость
5700
₽\мес
-50%
₽\мес
Для тех, кто ещё нетвёрдо уверен в своём намерении, мы спроектировали бесплатную часть, которая поможет получить ответ на этот вопрос. Если вы убедитесь, что разработка не для вас, это тоже положительный результат.
Думаем, что да, если вы будете уделять занятиям не менее 8-10 часов в неделю, выполнять домашние задания и общаться с вашим наставником. Тогда за 16 месяцев вы сможете освоить навыки специалиста по Data Science, соберёте портфолио проектов и начнёте свой путь в профессию.
Для старта достаточно иметь законченное среднее образование и возможность заниматься в среднем 15 часов в неделю.
Вы можете работать с материалами курса в удобное время, двигаясь по программе в подходящем вам темпе. Более того, все уроки будут доступны и по окончании курса - навсегда. Так что вы сможете освежить свои знания в любой момент. Обучение организовано таким образом, чтобы вы могли совмещать его с работой, учёбой и личной жизнью.
Мы поможем. Команда HR поможет составить резюме, подготовиться к собеседованию, пообщаться со специалистами из крупных компаний. 70% выпускников, которые заинтересованы в новой работе, находят её за 2—4 месяца.
Это соревновательная платформа для улучшения и отработки навыков на основе реальных задач. Здесь собраны ресурсы для самостоятельного изучения отдельных тем, обсуждения вопросов и даже онлайн-среда для программирования. Наш курс ориентирован на практику, и поэтому мы даём вам возможность соревноваться в рамках дипломных проектов по правилам Kaggle.
Закажите обратный звонок!
Заполните заявку и мы с радостью ответим на все ваши вопросы
8 925 492 37 17
«Нажимая «Отправить», Вы соглашаетесь с политикой конфиденциальности.
