Полный курс по Data Science c нуля
Записаться на курс
→ Работайте удаленно из любой точки мира
→ Зарабатывайте от 7 000 BYN
→ Специализируйтесь в узкой нише Data Science
→ Получите доступ ко всем льготам для айтишников

Data Scientist

Профессия

Онлайн-школа SkillFactory
Освойте самую востребованную профессию в анализе данных
Старт:
11 января
Длительность:
24 месяца
Уровень:
с нуля
+375 33 690-52-98
+375 29 399-70-12
Days
Hours
Minutes
Seconds
Learn more
Это специалист, который обрабатывает большие объемы неструктурированной информации и превращает ее в упорядоченный набор данных.
Дата-сайентист может
Кто такой Data Scientist
Предсказать, окупится ли новый проект
Оценить будущий спрос на товары и услуги
Улучшить системы рекомендаций в соцсетях и сервисах
Создать приборы для автоматической постановки диагноза пациенту
Усовершенствовать транспортное движение
Построить систему распознавания лиц
Дата-сайентист использует методы науки о данных (Data Science), строит и тестирует математические модели. Он находит закономерности, дает прогнозы и предлагает лучшие решения в разных сферах.
Как Data Science применяется в жизни
Специалисты подразделения Google AI, занимающегося искусственным интеллектом, создали модель глубокого обучения (Deep Learning) для распознавания кожных болезней. DL-модель может диагностировать 26 болезней кожи с точностью 97%.
Компания Frontier Development Lab вместе со студентами из разных стран и специалистами Nvidia, разработала алгоритм, способный создать 3D-модель астероида за четыре дня. Этот метод используют сегодня для моделирования формы астероидов в реальном времени. А NASA применяет алгоритм NASA визуализации данных о космическом мусоре.
Компания Google создала приложение, которое позволяет слабовидящим и слепым узнавать об объектах рядом с ними — оно в реальном времени распознает на изображении с камеры объекты и передает информацию пользователю. Еще оно умеет зачитывать текст, знаки, штрих-коды и другие визуальные объекты.
Распознавание кожных заболеваний
Алгоритм моделирования астероидов
Распознавание объектов для слабовидящих и слепых
По данным Всемирного экономического форума, работа в Data Science занимает первое место в рейтинге профессий с самым большим спросом на рынке до 2025 года.

Количество вакансий в Data Science выросло на 433% за 3 года

Ритейл, киберспорт, путешествия, образование, медицина — грамотный Data Scientist нужен практически в любой индустрии, а спрос значительно превышает предложение.

Почему пора обучиться IT-профессии?

Устойчивость и независимость
Льготы и «плюшки»
Высокая востребованность
Доход в любой валюте
IT-сфера наиболее устойчива к изменениям в мире. А значит, вам не придётся волноваться о своём будущем.
Все лучшие предложения достаются айтишникам: сниженная ставка по ипотеке, высокая зарплата, комфортный офис, ДМС и др.
На рынке Беларуси прямо сейчас не хватает 1,5 млн специалистов, а в мире — гораздо больше.
Вы можете работать как в белорусской, так и в международной компании.
Новичок
Программа расчитана на обучение науке о данных с нуля. Вы начнете с SQL и Python. Получите необходимую теорию по математике, статистике и теории вероятности и отработаете ее на практике. А через год легко сможете решать задачи и устроитесь на новую работу.
Программист
Научитесь работать с моделями машинного обучения, анализировать данные на Python и прокачаете аналитическое мышление.

Вам подойдет этот курс, если вы

Аналитик
Начнете анализировать данные на продвинутом уровне, автоматизировать процесс сбора данных. Научитесь обучать модели и делать прогнозы, а также применять это для решения бизнес-задач.
После наших курсов студенты в среднем зарабатывают 13 000 BYN
Развивайте навыки и растите в цене
Senior-специалист
в иностранной компании
Middle-специалист
Junior-специалист
Senior-специалист
*По данным hh.ru и indeed.com
8 000 $
18 000 BYN
13 000 BYN
7 000 BYN

Кем вы станете

После базового курса вы сможете выбрать более узкую специализацию в Data Science — ML Engineer, CV Engineer или NLP Engineer
ML Engineer — Разработчик машинного обучения
  • Разработаете модель предсказания кредитного рейтинга
  • Решите задачу классификации спама СМС-сообщений
  • Разработаете систему рекомендаций подходящих товаров при покупке
  • Построите модель для увеличения продаж в розничном бизнесе
  • Создадите изображения по текстовому описанию с помощью нейросети DALL-E
CV Engineer — Специалист по компьютерному зрению
  • Научитесь решать все базовые задачи в сфере Computer Vision
  • Приобретёте знание реального флоу работы с моделями CV, актуальных подходов и продвинутых инструментов, необходимых для создания CV-сервисов
  • В итоговом проекте создадите виртуального коуча, способного оценивать правильность выполнения упражнений на видео
NLP Engineer — Специалист по обработке естественного языка
  • Познакомитесь с обработкой естественного языка
  • Получите представление о задачах NLP — классификации, суммаризации и генерации текстов, создании систем для машинного перевода и вопросно-ответных систем
  • В итоговом проекте самостоятельно разработаете средства автоматизированного поиска контекстов на заданные тематики.
Начните путь в Data Science уже сейчас
Забронируйте курс со скидкой
Записаться со скидкой
скидка
45%
Создадите вместе с сотрудником Центра карьеры продающее резюме
Наметите карьерный трек на онлайн-встрече с карьерным консультантом

Сможете найти работу с помощью Центра карьеры

1
2
Потренируетесь проходить техническое собеседование на интервью с HR-менеджером
3
По данным Центра карьеры SkillFactory
77 %

студентов получили приглашение на собеседование
81 %

студентов достигли поставленной цели
Грамотно выстроите профессиональный путь вместе с Центром карьеры
Карьерные митапы
Разборы кейсов и резюме в закрытой группе
Рекомендации от карьерных консультантов, коучей, IT-рекрутеров
3 недели сопровождения на этапе выхода на рынок труд
Ревью резюме
Карьерная консультация
Тренажер собеседований

Разнообразие форматов помогает усваивать знания максимально эффективно

Видеоуроки
Вы смотрите короткие видео, изучаете текстовую выжимку из урока и приступаете к практике, не тратя много часов на просмотр онлайн-митапа.
Тексты
Конспекты есть по любой теме. С ними легко вспомнить теорию и гораздо удобнее делать домашнее задание.
Тренажеры
Помогают закрепить теорию практикой, отработать навыки до автоматизма. Здорово, когда можно смоделировать ситуации на любой случай.
Онлайн-митапы
Куда без тестов? Они просто необходимы, если хотите проверить себя на усвоение новой информации и подсветить пробелы в знаниях.

Тесты
Еще один формат для отработки навыков, но в режиме real time. Пишите код в прямом эфире и тут же ловите обратную связь от ментора. Задавайте вопросы, делитесь решениями и получайте ценный фидбэк!
БАЗА
На этом этапе вы изучите основы программирования на Python, научитесь предобрабатывать и анализировать данные, а также познакомитесь с основными задачами дата-сайентиста.

Программа курса
«Профессия Data Science»

Введение
1 неделя
Вы сможете сформулировать для себя реальные цели обучения, узнаете, в чем ценность DS для бизнеса, познакомитесь с основными задачами дата-сайентиста и разберетесь, как строится разработка любого DS-проекта.
  • INTRO-1. Как учиться эффективно — онбординг в обучение
  • INTRO-2. Обзор профессии. Типы задач в Data Science. Этапы и подходы к разработке Data Science проекта
Проектирование разработки
5 недель
Вы научитесь работать с основными типами данных с помощью языка Python и сможете применять в повседневной работе циклические конструкции, условные операторы и функции.
  • PYTHON-1. Основы Python
  • PYTHON-2. Погружение в типы данных
  • PYTHON-3. Условные операторы
  • PYTHON-4. Циклы
  • PYTHON-5. Функции и функциональное программирование
  • PYTHON-6. Практика
  • PYTHON-7. Гид по стилю в среде Python (бонусный)
Работа с данными
8 недель
На этом этапе вы овладеете базовыми навыками работы с данными: научитесь подготавливать, очищать и преобразовывать данные так, чтобы они были пригодны для анализа. Кстати, об анализе: вы будете анализировать данные с помощью популярных библиотек Matplotlib, Seaborn, Plotly.
  • PYTHON-8. Инструменты Data Science
  • PYTHON-9. Библиотека NumPy
  • PYTHON-10. Введение в Pandas
  • PYTHON-11. Базовые приемы работы с данными в Pandas
  • PYTHON-12. Продвинутые приемы работы с данными в Pandas
  • PYTHON-13. Очистка данных
  • PYTHON-14. Визуализация данных
  • PYTHON-15. Принципы ООП в Python и отладка кода (дополнительный модуль)
  • Проект 1. Аналитика датасета по закрытым вопросам
Подгрузка данных
6 недель
Вы сможете выгружать данные из разных форматов и источников. А поможет вам в этом SQL — язык структурированных запросов. Вы научитесь использовать агрегатные функции, соединения таблиц и сложные объединения.
  • PYTHON-16. Как выгружать данные из файлов разных форматов
  • PYTHON-17. Получение данных из веб-источников и API
  • SQL-0. Привет, SQL!
  • SQL-1. Основы SQL
  • SQL-2. Агрегатные функции
  • SQL-3. Соединение таблиц
  • SQL-4. Сложные объединения
  • Проект 2. Подгрузка новых данных. Уточнение анализа
Статистический анализ данных
7 недель
Разведывательный анализ данных (EDA) — вот, что окажется в центре вашего внимания. Вы познакомитесь со всеми этапами такого анализа и научитесь проводить его с помощью библиотек Statsmodels, Scikit Learn, Seaborn, Matplotlib, SciPy, Pandas. Кроме того, вам удастся поработать на Kaggle, популярном сервисе по участию в соревнованиях.
  • EDA-1. Введение в разведывательный анализ данных. Алгоритмы и методы EDA
  • EDA-2. Математическая статистика в контексте EDA. Типы признаков
  • EDA-3. Проектирование признаков (Feature Engineering)
  • EDA-4. Статистический анализ данных на Питоне
  • EDA-5. Статистический анализ данных на Питоне. Часть 2
  • EDA-6. Проектирование экспериментов
  • EDA-7. Kaggle площадка
  • Проект 2
Введение в машинное обучение
9 недель
Вы познакомитесь с ML-библиотеками для моделирования зависимостей в данных. Вы сможете обучить основные виды ML-моделей, провести валидацию, интерпретировать результаты работы и выбрать важные признаки (feature importance).
  • ML-1. Теория машинного обучения
  • ML-2. Обучение с учителем: Регрессия
  • ML-3. Обучение с учителем: Классификация
  • ML-4. Обучение без учителя: Кластеризация и техники понижение размерности
  • ML-5. Валидация данных и оценка модели
  • ML-6. Отбор и селекция признаков
  • ML-7. Оптимизация гиперпараметров модели
  • ML-8. ML Cookbook
  • Проект 3. Задача классификации
ОСНОВНОЙ БЛОК
Линейная алгебра, математический анализ, дискретная математика — звучит страшно, но не пугайтесь: разберем все эти предметы и научим с ними работать! На втором этапе вы погрузитесь в математику и основы машинного обучения, узнаете больше о профессиях DS, а также благодаря профориентации выберите трек обучения второго года.
Математика и машинное обучение. Часть 1
6 недель
Вы сможете решать практические задачи с помощью ручного счета и Python (векторные и матричные вычисления, работа с множествами, исследование функций с помощью дифференциального анализа).
  • MATH&ML-1. Линейная алгебра в контексте Линейных методов. Часть 1
  • MATH&ML-2. Линейная алгебра в контексте Линейных методов. Часть 2
  • MATH&ML-3. Математический анализ в контексте задачи оптимизации Часть 1
  • MATH&ML-4. Математический анализ в контексте задачи оптимизации. Часть 2
  • MATH&ML-5. Математический анализ в контексте задачи оптимизации. Часть 3
  • Проект 4. Задача регрессии
Математика и машинное обучение. Часть 2
6 недель
Вы познакомитесь с основными понятиями теории вероятности и математической статистики, алгоритмами кластеризации, а также научитесь оценивать качество произведенной кластеризации и представлять результаты в графическом виде.
  • MATH&ML-6. Теория вероятностей в контексте Наивного Байесовского классификатора
  • MATH&ML-7. Алгоритмы на основе Деревьев решений
  • MATH&ML-8. Бустинг & Стекинг
  • MATH&ML-9. Кластеризация и техники понижение размерности. Часть 1
  • MATH&ML-10. Кластеризация и техники понижение размерности. Часть 2
  • Проект 5. Ансамблевые методы
ML в бизнесе
8 недель
Вы научитесь использовать ML-библиотеки для решения задачи временных рядов и рекомендательных систем. Вы сможете обучить ML-модель и провести её валидацию, а также создать работающий прототип и запустить модель в веб-интерфейсе. А ещё получите навыки A/B-тестирования, чтобы можно было оценить модель.
  • MATH&ML-11. Временные ряды. Часть 1
  • MATH&ML-12. Временные ряды. Часть 2
  • MATH&ML-13. Рекомендательные системы. Часть 1
  • MATH&ML-14. Рекомендательные системы. Часть 2
  • PROD-1. Подготовка модели к Production
  • PROD-2. ПрототипStreamlit+Heroku
  • PROD-3. Бизнес понимание. Кейс
  • Проект 6. Тема на выбор: Временные ряды или Рекомендательные системы
УРОВЕНЬ PRO
На третьем этапе вы познакомитесь с одним из методов машинного обучения — глубоким обучением (DL). А также вас ждет полноценный блок выбранной специализации: вы можете освоить навыки машинного обучения (ML), познакомиться с рутиной CV (компьютерного зрения) или прокачаться в NLP*, обработке естественного языка.
При выборе CV или ML вы сможете пройти курс по NLP без менторской поддержки бесплатно
Второй год обучения - 3 специализации на выбор
Профориентация
10 недель
ML, CV или NLP: на этом этапе вам наконец предстоит сделать выбор, по какому пути двигаться дальше. Мы расскажем о каждой специализации и предложим решить несколько практических задач, чтобы вам было проще определиться.
Трек ML - Engineer
29 недель
В ML-треке вы научитесь решать углубленные задачи машинного обучения, овладеете компетенциями дата-инженера, отточите навык работы с библиотеками Python. Также вы научитесь создавать MVP (минимально жизнеспособную версию продукта), узнаете все тонкости вывода ML-модели в продакшн и узнаете, как работают ML-инженеры в реальной жизни.
  • Введение в Deep Learning
  • Основы Data Engineering
  • Дополнительные главы Python и ML
  • Экономическая оценка эффектов и разработка MVP
  • ML в Production
  • Углубленное изучение ML-разработки и выпускной проект по выбранной теме
Трек CV - Engineer
29 недель
На CV-треке вы научитесь решать такие задачи компьютерного зрения, как классификация изображений, сегментация и детекция, генерация и стилизация картинок, восстановление и повышение качества фотографий. Кроме того, вы узнаете, как выкатывать нейронные сети в продакшн.
  • Введение в Deep Learning
  • Основы Data Engineering
  • Дополнительные главы Python и ML
  • Экономическая оценка эффектов и разработка MVP
  • ML в Production
  • Углубленное изучение ML-разработки и выпускной проект по выбранной теме
Трек NLP - Engineer
7 недель
В ходе обучения на NLP-треке вы узнаете, как решаются основные задачи обработки естественного языка, в том числе классификация, суммаризация и генерация текста, машинный перевод и создание диалоговых систем.
  • Введение в Deep Learning
  • Математика нейронных сетей для NLP
  • Hard & Software для решения задач NLP
  • Задачи и алгоритмы NLP
  • Нейронные сети в Production
  • Углубленное изучение NLP-разработки и выпускной проект по выбранной теме
При выборе специализации CV или ML вы можете пройти курс по NLP без менторской поддержки бесплатно.
Deep Learning и нейронные сети
БОНУС
Где применяются нейросети? Как обучить нейронную сеть? Что такое Deep Learning? Ответы на эти вопросы вы узнаете в бонусном разделе DL.
Введение в Data Engineering
БОНУС
Вы узнаете, в чём различие ролей дата-сайентиста и дата-инженера, какими инструментами пользуется последний в своей работе, какие задачи ежедневно решает. Слова «снежинка», «звезда» и «озеро» обретут новые значения :)
Не важно, сколько вам лет и какой у вас опыт, — вы справитесь.
Просто следуйте программе обучения.

Преподаватели и авторы курса

Автор раздела курса
Эксперт по Data Science
Компетенции: DS(ML), DE, Big Data
Юлия Мочалова
Ведущий автор раздела MATH&ML
Эксперт по Data Science
Компетенции: Python, vашинное обучение, cтатистика, анализ данных
Маргарита Бурова
Ведущий автор разделов ML и DS
Руководитель группы вычислительной химии в BIOCAD.
Создает сервисы и модели машинного обучения, которые помогают химикам быстрее выпускать лекарства.
Эмиль Магеррамов
Основные компетенции — временные ряды, Deep Learning и нейронные сети.
Занимается консалтингом в сфере AI.
Senior ML-Engineer, МТС
Алек Леков
Ведущий автор программы
Преподаватели и авторы
Показать всех
ведущий автор раздела «Введение в DS»
Head of Marketing Analytics, Playrix
Эксперт по данным с опытом 15+ лет
Компетенции: Data Science
Антон Киселев
Автор модулей по EDA
Исследователь лаборатории методов анализа больших данных, факультет компьютерных наук НИУ ВШЭ
Компетенции: Python, PyTorch, CV, GNN
Екатерина Трофимова
Автор раздела про KAGGLE
Руководитель команды LightAutoML
Kaggle Grandmaster
Компетенции: ML/DS, Python, математика, статистика, Kaggle
Александр Рыжков
Эксперт по Data Science
Компетенции: машинное обучение, большие данные, Python
Автор раздела курса
Михаил Баранов
Андрей Рысистов
Эксперт DS, преподаватель Skillfactory, автор курсов, автор и соавтор нескольких научных исследований и работ.
Сфера интересов — искусственный интеллект в авиационных технических системах
Автор модулей по Python и ML
Ментор по NLP
Научный сотрудник AIRI
10+ лет занимается исследованиями в области NLP
Леонид Саночкин
Ментор SkillFactory
Компетенции: BI, SQL, Python,аналитика
Елена Мартынова
Ментор SkillFactory на курсах Data Science, Data Engineering и Fullstack-разработчик на Python
Владимир Горюнов
Стажер в команде ML Циан + ментор SF
Мария Жарова
Менторы

Ваше резюме после курса

Иван Петров
Data Scientist
7 000 BYN
Использую основные алгоритмические конструкции и структуры данных Python для проектирования алгоритмов

Умею получать данные из веб-источников или по API

Умею визуализировать данные с помощью Pandas, Matplotlib

Умею создавать модели с помощью классического машинного и глубокого обучения для решения задач Data Science

Умею оценивать качество модели вне зависимости от задачи

Применяю методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных

Строю математические и ML-модели с использованием временных рядов

Применяю алгоритмы для рекомендательных систем (от ассоциативных правил до advanced-алгоритмов)

Специализируюсь на ML/CV/NLP-инженерии (в зависимости от выбранной специализации), применяю современные продвинутые модели для решения отдельных задач

Умею конвертировать бизнес-задачи в технические и наоборот

Умею выводить и поддерживать модели в Production с учетом специфики выбранной специализации

Обладаю дополнительными компетенциями в зависимости от выбранного майнора (продвинутый SQL, продвинутый Python, Reinforcement Learning или Data Engineering)
Сертификат об успешном окончании курса «Профессия: Data Scientist». Текст сертификата может быть переведен на английский язык (по желанию).
Сертификат
2
мини-курса бесплатно по промокоду «ХОЧУ В АЙТИ»