Это специалист, который анализирует данные, чтобы выявить закономерности и спрогнозировать результаты. Он разрабатывает и применяет алгоритмы, модели машинного обучения для автоматизации процессов анализа данных и принимает решения на основе полученной информации.
Федеральный проект «Искусственный интеллект»
Обучение проходит в рамках федерального проекта «Искусственный интеллект». Программа поддерживается Минэкономразвития России в рамках нацпроекта «Цифровая экономика РФ», оператором проекта выступает Университет 2035.
Государство софинансирует 76 000 рублей на обучение на курсах стоимостью 100 000 рублей. Слушатели оплачивают 24 000 рублей самостоятельно или за счёт своего работодателя.
Кто может пройти обучение:
Граждане РФ от 18 лет и до достижения пенсионного возраста:
— имеющие среднее специальное или высшее образование или — получающие среднее специальное или высшее образование (студенты колледжей, техникумов и вузов)
Чему научим?
основам веб-разработки на Python и применению веб-проектов для аналитики данных
решать задачи классификации, кластеризации, регрессии, прогнозирования
теоретическим основам, инструментам и методам анализа больших данных
работать с данными с применением библиотек NumPy, Pandas, Matplotlib
применять статистические методы для проверки гипотез
обучать нейросети по числовым данным, тексту и изображениям
Средняя зарплата специалиста по аналитике данных и машинному обучению, по данным портала Хабр.Карьера, составляет 250 000 рублей.
Точная сумма зависит от региона компании и опыта работы: Junior — от 150 000 рублей; Middle — от 250 000 рублей; Senior — от 400 000 рублей.
На данный момент на портале HH.ru в России открыты около 2 500 вакансий.
Программа курса
Технологии для обработки данных
Структура курса. Введение в аналитику
Этика использования данных
Язык Python для аналитики данных
Pandas
Matplotlib, seaborn, plotly
Реляционные базы данных
Простейшие алгоритмы машинного обучения
Введение в машинное обучение. KNN. Метрики качества. Матрица ошибок
Линейная регрессия
Логистическая регрессия. Полиномиальная регрессия
Регуляризация. Гребневая регрессия. Лассо
SVM
Решающее дерево
Снижение размерности. PCA
Снижение размерности. tSNE
Основы статистики. p-value, t-value. Проверка гипотез
Непараметрическая статистика. KS-test. Bootstrap
Кластерный анализ
k-means кластеризация
Иерархическая кластеризация
Алгоритмы бустинга и бэкинга
Беггинг. Случайный лес. Бустинг
Градиентный бустинг
Промежуточная аттестация
Нейронные сети
Нейронные сети. Обратное распространение ошибки
Слои нейронной сети
Pytorch
NN Architectures (ResNet, VGG)
Автокодировщики
Рекуррентные нейронные сети
LSTM, GRU
Seq2Seq, Encoder-Decoder. Attention
Использование машинного обучения на предприятии
Exploratory analysis (common sense, methodology). Model deployment, функциональное тестирование
Model deployment, функциональное тестирование
Аналитика больших данных
Временные ряды. ARIMA, SARIMA
Обработка данных
Плавающее окно
RF Regressor, Feature engineering
Обработка естественного языка
Предобработка текста. nltk, pymorphy, natasha
Упрощенное представление текста. TF-IDF, word2vec
Эмбединги. ELMO
Трансформер, BERT
Алгоритмы компьютерного зрения
Цветовые пространства
Сверточные фильтры
Морфологические фильтры
Распознавание лиц
YOLO, Object Deteсtion, Image segmentation
Промежуточная аттестация
Разработка веб-проекта для анализа данных. Библиотека Streamlit
Разработка чат-бота для работы с проектом по анализу данных
Docker для веб-проекта на Python
Виртуальные машины.Ubuntu
Разработка и тестирование приложения с применением искусственного интеллекта
Промежуточная аттестация
Преподаватели курса
Елена Корнеева
10 лет опыта разработки программного обеспечения
5 лет опыта преподавания
Диплом магистра с отличием по направлению «Программная инженерия»
Окончила аспирантуру в сфере Анализа данных и машинного обучения
Прошла повышении квалификации в Университете Иннополис
Основные языки программирования: Python, Java
Мария Воробьева
Свыше 10 лет опыта работы в сфере анализа данных
Ведущий Data Scientist в БестДоктор
Более 4-х лет опыта преподавания на базовой кафедре факультета компьютерных наук в ВШЭ
Как проходит обучение?
Лекции с преподавателем
живые вебинары
присоединиться к занятиям можно из любого региона в любое удобное время
курс проходит на обучающей платформе Университета Иннополис
Консультации с наставником
проверяет домашние задания в рамках учебы
разбирает все сложные для вас вопросы
дает индивидуальные рекомендации
Отработка практических навыков
проверка знаний слушателей после каждого модуля
обратная связь от наставников, опытных практиков
защита проекта по итогам обучения
Беспроцентная рассрочка от Банка-партнера АО «Т-Банк» до 12 месяцев, от 2 000 ₽/мес. Доступна после прохождения вступительного испытания.
Участники курса могут оформить налоговый вычет и вернуть 13% расходов на обучение.
Беспроцентная рассрочка
Корпоративное обучение
Налоговый вычет
Если ваш работодатель хочет обучить сотрудников (оплата от юридического лица), необходимо заключить соответствующий договор. Запросить необходимые документы вы можете у специалиста Университета Иннополис через e-mail.
Получите одобрение заявки и пройдите вступительное испытание
Зарегистрируйтесь на платформе, заполните анкету и пройдите входную диагностику
Заключите договор на обучение с софинансированием от государства (при успешном прохождении вступительного испытания)
Документ об образовании
Слушателям курсов, успешно завершившим обучение, выдается удостоверение о повышении квалификации с занесением в Федеральный реестр сведений о документах об образовании и повышении квалификации.