Получите индивидуальное предложение со скидкой
Оставьте заявку, и мы подберем вам индивидуальное предложение со скидкой
Старт
13 октября
Продолжительность
5 месяцев
Уровень
Начинающий
Формат
Онлайн
Документ
Удостоверение о повышении квалификации
Кому подойдет этот курс?
Новичкам
Курс стартует с основ программирования и математики (комбинаторика, теория вероятностей) — опыт в Python и SQL не требуется. Программа полностью соответствует профстандарту «Специалист по большим данным»
Программистам
Тем, кто хочет расширить компетенции в сторону аналитики данных: добавить статистику, алгоритмы машинного обучения и практику построения аналитических систем
Аналитикам
Тем, кто хочет закрыть пробелы в машинном обучении, работе с большими данными (Hadoop, NoSQL) и перейти от Excel/базовой аналитики к полноценному стеку Python + SQL + Power BI + машинное обучение
По данным портала hh.ru, в России открыты более 41 000 вакансий «Аналитик»
Искусственный интеллект (ИИ) и аналитика больших данных стали одними из самых востребованных областей в современном мире, а средняя зарплата аналитика без опыта может составлять от 60 000 ₽, для специалистов среднего уровня от 110 000 ₽
Профессия аналитика данных — хорошая точка входа в сферу Big data.
Профессия аналитика данных — хорошая точка входа в сферу Big data.
*скриншоты с сайта hh.ru от 18.05.26
Востребована ли профессия аналитика больших данных?
Python
Pandas
Matplotlib, Seaborn, Plotly
SQL
Power BI
Реляционные и NoSQL
базы данных
базы данных
Нормализация данных
ETL-процессы
MapReduce и Apache Hadoop
Power BI
Scikit-learn,
PyTorch, Tensorflow
PyTorch, Tensorflow
Чему вы научитесь
Методы оценки качества моделей
A/B-тестирование
Проверка гипотез
Описательная статистика
Теория вероятностей, комбинаторика
Регрессия, SVM, деревья, CatBoost, k-means, нейросети
Планировать аналитические работы с большими данными
Собирать, очищать и преобразовывать данные из любых источников
Строить и интерпретировать модели, выявлять закономерности
Обучать ML-модели для регрессии, классификации, кластеризации
Создавать дашборды и визуализировать результаты для бизнеса
Составлять ТЗ на аналитику или разработку
Программа обучения профессии
- Основы программирования
- Введение в Python
- Структуры данных в Python
- Базовые алгоритмы Python
- Введение в комбинаторику
- Инструменты Python для обработки данных. Pandas
- Визуализация на Python. Matplotlib. Seaborn. Plotly
- Теория вероятностей
- Статистика в Python
- A/B Тестирование
- Промежуточная аттестация
- Современный искусственный интеллект. Нормы этики и морали в сфере разработки искусственного интеллекта
- Варианты использования AI Use Case для аналитики в различных отраслях экономики. (Клиентская и товарная аналитика в Ритейле. Онлайн аналитика. Финансовый сектор. Аналитика в играх)
- Технология формирования технического задания на аналитику или разработку системы обработки данных
- Основы машинного обучения. Типы задач машинного обучения.
- Линейная регрессия.
- Логистическая регрессия
- Оценка качества алгоритмов машинного обучения. Метрики качества регрессии и классификации
- k ближайших соседей.
- Решающее дерево
- Ансамбли. Бэгинг
- Ансамбли. Бустинг
- Виды кластеризации. k-means. Оценка качества кластеризации
- Автоматизация процесса обучения модели (pipeline, гиперпараметры, сохранение модели)
- Нейросети. PyTorch
- Промежуточная аттестация
- Источники данных. Структурированные и неструктурированные источники данных
- Виды баз данных
- Реляционные базы данных
- SQL и получение данных
- Применение соединения (JOIN) и агрегатные функции
- Оконные функции: простые запросы, накопление
- Сервисы создания дашбордов (Power BI)
- Преобразование сложных данных в простые для восприятия и ценные для бизнеса сведения
- Построение моделей данных из разных неструктурированных источников: таблиц, сайтов и баз данных
- NoSQL-подход
- MapReduce-подход и Apache Hadoop - обзор
- ETL - подготовка и предобработка данных
- Контроль качества данных
- Промежуточная аттестация
- Современный искусственный интеллект
- Нормы этики и морали в сфере разработки искусственного интеллекта
- Варианты использования AI Use Case для аналитики в различных отраслях экономики. (Клиентская и товарная аналитика в Ритейле. Онлайн аналитика.)
- Варианты использования AI Use Case для аналитики в различных отраслях экономики. (Финансовый сектор. Аналитика в играх)
- Технология формирования технического задания на аналитику или разработку системы обработки данных
- Промежуточная аттестация
- Основы программирования
- Введение в Python
- Структуры данных в Python
- Базовые алгоритмы Python
- Введение в комбинаторику
- Теория вероятностей
- Статистика в Python
- A/B Тестирование
- Инструменты Python для обработки данных. Pandas
- Визуализация на Python. Matplotlib. Seaborn. Plotly
- Промежуточная аттестация
- Источники данных. Структурированные и неструктурированные источники данных
- Виды баз данных
- Реляционные базы данных
- SQL и получение данных
- Применение соединения (JOIN) и агрегатные функции
- Оконные функции: простые запросы, накопление
- Сервисы создания дашбордов (Power BI)
- Преобразование сложных данных в простые для восприятия и ценные для бизнеса сведения
- Построение моделей данных из разных неструктурированных источников: таблиц, сайтов и баз данных
- NoSQL-подход
- MapReduce-подход и Apache Hadoop - обзор
- ETL - подготовка и предобработка данных
- Контроль качества данных
- Промежуточная аттестация
- Основы машинного обучения. Типы задач машинного обучения. Регрессия и классификация. Линейная регрессия и логистическая
- Оценка качества алгоритмов машинного обучения. Метрики качества регрессии и классификации
- k ближайших соседей. Метод опорных векторов
- Решающее дерево
- Ансамбли. Бэгинг. Бустинг
- Алгоритмы понижения размерности
- Виды кластеризации. k-means. Оценка качества кластеризации
- Нейросети. PyTorch
- Промежуточная аттестация
Лекции с преподавателем
- вебинары 2 раза в неделю в вечернее время
- просматривать можно из любого региона в удобное время
- собственная обучающая платформа
Консультации с наставником
- проверит ваши домашние работы
- даст обратную связь с профессиональными советами
- поможет разобраться со сложными для вас вопросами
Закрепление практических навыков
- 60% курса — это практические задания
- Итоговый проект в портфолио: База данных на 10+ миллионов записей, дашборд и аналитика датасета на Python и в Power BI, решение задачи классического машинного обучения
Как будет проходить обучение?
Алексей Астахов
- Выпускник Университета Иннополис направления «Робототехника и компьютерное зрение»
- Опыт работы наставником и преподавателем четыре года
Преподаватель
Удостоверение о повышении квалификации
Слушателям курсов, успешно завершившим обучение, выдается удостоверение о повышении квалификации установленного образца с занесением в Федеральный реестр сведений о документах об образовании и повышении квалификации.
Оплата частями
Обучение за счет работодателя
Мы предоставляем возможность оплатить обучение частями на срок от 6 до 12 месяцев.
Первый платеж — только через месяц!
Первый платеж — только через месяц!
Предоставим необходимые документы и сформируем договор на обучение.
Льготы для отдельных категорий лиц
Если вы студент дневного или вечернего отделения либо у вас инвалидность 1 или 2 группы, то ваша скидка составит 30%*
* при предъявлении подтверждающей справки
* при предъявлении подтверждающей справки
-25% выпускникам наших курсов
Если вы уже проходили у нас обучение на любом из курсов, то просто сообщите об этом менеджеру для получения скидки.
Стоимость обучения 70 000₽
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ОСНОВЫ АНАЛИТИКИ БОЛЬШИХ ДАННЫХ
Записаться на обучение
со скидкой и рассрочкой на 12 месяцев
Актуальная профессия с нуля
Полная стоимость — 70 000 ₽*
5 833 ₽ / мес.
*При единовременной оплате доступна скидка 20% (действует только для физ лиц.) Для юр лиц возможна индивидуальная скидка при направлении на обучение от 10 сотрудников Уточнять у менеджера
