Войти

Профессия Data Scientist: анализ данных
Станьте специалистом по анализу данных: используйте продвинутые методы и инструменты, чтобы автоматизировать рутинные задачи, повысить квалификацию и получить высокооплачиваемую должность.
SkillBox
Стоимость: 95 040 р. / Разово

Целевая аудитория

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.

Описание курса

Длительность 14 месяцев Онлайн в удобное время Обучение на реальных данных Доступ к курсу навсегда

Программа курса


Python для Data Science

  • Введение в Data Science
  • Введение в Python
  • Основы
  • 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: Cписки
  • Методы для работы со списками
  • 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


Аналитика. Начальный уровень

  • 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, XLSX
  • Основы SQL
  • Чтение и запись данных: JSON, 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 Skillbox на основе паблика Skillbox «ВКонтакте»


Статистика и теория вероятностей

  • Основы статистики и теории вероятностей
  • Как врать при помощи статистики


Основы математики для Data Science

  • 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


Аналитика. Средний уровень

  • 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


Универсальные знания программиста

  • Как стать первоклассным программистом
  • Вёрстка email-рассылок. Советы на реальных примерах
  • The state of soft skills
  • Как мы создавали карту развития для разработчиков
  • Как общаться по email и эффективно работать с почтой?
  • Повышение своей эффективности
  • Спор о первом языке программирования
  • Саморазвитие: как я не усидел на двух стульях и нашёл третий
  • Data-driven подход к продуктивности — инсайты из данных миллиона людей
  • Протокол HTTP
  • Введение в алгоритмы


Английский для IT-специалистов 

  • IT Resume and CV
  • Job interview: questions and answers
  • Teamwork
  • Workplace communication
  • Business letter
  • Software development
  • System concept development and SRS
  • Design
  • Development and Testing
  • Deployment and Maintenance


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

Лидия Храмова

Team Lead Data Scientist группы бизнес-моделирования в QIWI. Блок «Статистика и теория вероятностей»

Александр Панёв

Руководитель бизнес-аналитики в Rambler Group. Блок «Аналитика. Средний уровень»

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

Оставьте отзыв первым!