Такие специалисты анализируют данные и на их основе строят модели, которые помогают принимать решения в науке, бизнесе и обычной жизни.

Data Science — это применение научных методов в работе с данными.

В целом естественные науки основаны на Data Science. Например, биолог проводит эксперименты, чтобы проверить гипотезы. Он должен обобщать частные наблюдения, исключать случайности и делать верные выводы.

Ваша будущая карьера

Должность

Специалист по Data Science

А вот технологии и инструменты, которые будете использовать

Мы регулярно сверяем нашу программу с действующими аналитиками и руководителями из индустрии. Вы учитесь только тому, что актуально.

Python
Jupyter Notebook
GitHub
SQL
Keras
Catboost
Scikit-learn
Pandas

Начните зарабатывать, анализируя

Вы начнёте с junior-позиции, а дальше только вперёд. Будете шагать по карьерной лестнице и расти в цене. И однажды цены вам не будет.

Источник данных: Хабр Карьера
60 000 ₽
Junior специалист по Data Science
120 000 ₽
Middle специалист по Data Science
210 000 ₽ +
Senior специалист по Data Science

Практикум — это насыщенная и проработанная среда

Здесь трудно, но интересно. Учёба занимает 8,5 месяцев. Много теории, ещё больше практики, люди и методология — всё направлено на то, чтобы вы освоили профессию специалиста по Data Science.

Тысячи студентов освоили новую профессию, и вы освоите

Истории выпускников Практикума, которые уже занимаются любимым делом.

Поможем найти работу

Программа курса по Data Science

Мы обновляем её регулярно, чтобы она соответствовала запросам индустрии и работодателей. Иными словами, вы учитесь только тому, что точно пригодится в работе.
1 спринт2 недели
Основы Python и анализа данных: бесплатный вводный курс
Узнаете основные концепции анализа данных и поймёте, чем занимаются аналитики данных и специалисты по Data Science. Решите пять кейсов по работе с данными из разных областей:
  • выясните причину массовой поломки гаджетов,
  • проверите окупаемость рекламы мобильного приложения,
  • найдёте лучшее место для нового магазина,
  • поможете выбрать стратегию развития ИИ-стартапа,
  • оцените эффективность роботов в службе поддержки.
Решая кейсы, вы изучите азы Python и библиотеки pandas, научитесь строить некоторые графики и верно их трактовать.
Темы:
Moscow CatnamycsОшибки, переменные и гипотезыЧто делают специалисты в области данныхСписки в PythonЦикл forУсловия и булева логикаМашинное обучениеФинальный проект
Введение в профессию «Специалист по Data Science»
Темы:
Кто такой специалист по Data ScienceКак мы учим
2 спринт2 недели
Базовый Python
Глубже погрузитесь в язык программирования Python и работу с библиотекой pandas.
Темы:
Переменные и типы данных. Вывод данных и арифметические операцииСтрокиСпискиЦикл forВложенные спискиУсловный оператор. Цикл whileФункцииСловариPandas для анализа данныхПредобработка данныхАнализ данных и оформление результатовJupyter Notebook — тетрадь в ячейку
+1 проект в портфолио
Сравните данные пользователей Яндекс.Музыки по городам и дням недели.
3 спринт2 недели
Предобработка данных
Научитесь очищать данные от выбросов, пропусков и дубликатов, а также преобразовывать разные форматы данных.
Темы:
Введение в предобработку данныхРабота с пропускамиИзменение типов данныхПоиск дубликатовКатегоризация данныхСистемное и критическое мышление в работе аналитика
+1 проект в портфолио
Проанализируете данные о клиентах банка и определите долю кредитоспособных.
4 спринт2 недели
Исследовательский анализ данных
Изучите основы теории вероятностей и статистики. Примените их для исследования основных свойств данных, поиска закономерностей, распределений и аномалий. Познакомитесь с библиотеками scipy и matplotlib. Отрисуете диаграммы, поупражняетесь в анализе графиков.
Темы:
Введение в исследовательский анализ данныхПервые графики и выводыИзучение срезов данныхРабота с несколькими источниками данныхВзаимосвязь данныхВалидация результатов
+1 проект в портфолио
Исследуете архив объявлений о продаже объектов недвижимости в Санкт-Петербурге и Ленинградской области.
5 спринт2 недели
Статистический анализ данных
Научитесь анализировать взаимосвязи в данных методами статистики. Узнаете, что такое статистическая значимость, гипотезы и доверительные интервалы.
Темы:
Введение в статистический анализ данныхОписательная статистикаТеория вероятностейПроверка гипотез
+1 проект в портфолио
Оптимизируете воронки продаж для ускорения работы отдела маркетинга.
Теория вероятностей. Дополнительный курс
Вспомните или узнаете базовые термины в теории вероятностей: независимые, противоположные, несовместные события и т. д. На простых примерах и забавных задачах потренируетесь работать с числами и выстраивать логику решения.
Это необязательный спринт. Значит, каждый студент сам выбирает один из вариантов прохождения:
  • Освоить дополнительный курс из десяти коротких уроков, освежить в памяти теорию и решить задачи.
  • Открыть только блок с задачами для собеседований, вспомнить практику без теории.
  • Пропустить курс совсем или вернуться к нему, когда будет время и необходимость.
6 спринт1 неделя
Итоговый проект первого модуля
Научитесь предварительному исследованию данных, сформулируете и проверите гипотезы.
+1 проект в портфолио
Найдёте закономерности, которые определяют успешность игры.
1 неделя
Каникулы
7 спринт2 недели
Введение в машинное обучение
Освоите основные концепции машинного обучения. Познакомитесь с библиотекой scikit-learn и примените её для создания первого проекта с машинным обучением.
Темы:
Введение в курсПервая обученная модельКачество моделиУлучшение моделиПереходим к регрессии
+1 проект в портфолио
Разработаете систему рекомендаций тарифов для оператора мобильной связи.
8 спринт2 недели
Обучение с учителем
Углубитесь в самую востребованную область машинного обучения — обучение с учителем. Узнаете, как обращаться с несбалансированными данными.
Темы:
Введение в обучение с учителемПодготовка признаковМетрики классификацииНесбалансированная классификацияМетрики регрессииПоведенческие алгоритмы
+1 проект в портфолио
Спрогнозируете вероятность ухода клиента из банка.
9 спринт2 недели
Машинное обучение в бизнесе
Узнаете, как машинное обучение (сокр. МО) помогает бизнесу, как собирать данные и как продуктовые метрики связаны с показателями МО. Научитесь запускать новую функциональность сервиса, применяя МО. Узнаете, что такое бизнес-метрики, KPI и A/B-тестирование.
Темы:
Введение в машинное обучение в бизнесеМетрики бизнесаЗапуск новой функциональностиСбор данныхПоведенческие алгоритмы
+1 проект в портфолио
Обучите модель, которая помогает определить новое место для добычи нефти с наименьшим риском убытков.
10 спринт1 неделя
Итоговый проект второго модуля
Подготовите данные для машинного обучения. С помощью модели оцените её качество.
+1 проект в портфолио
Смоделируете процесс плавления золотой руды, чтобы улучшить работу предприятия.
11 спринт2 недели
Линейная алгебра
Заглянете внутрь нескольких изученных ранее алгоритмов и лучше поймёте, как их применять. На практике освоите с нуля главные концепции линейной алгебры: линейные пространства, линейные операторы, евклидовы пространства.
Введение в линейную алгебруВекторы и векторные операцииРасстояние между векторамиМатрицы и матричные операцииЛинейная регрессия изнутри
+1 проект в портфолио
Методом преобразования данных защитите личную информацию клиентов страховой компании.
12 спринт2 недели
Численные методы
Разберёте ряд алгоритмов и приспособите их к решению практических задач с использованием численных методов. Освоите приближённые вычисления, оценки сложности алгоритма, градиентный спуск. Узнаете, как обучаются нейронные сети и что такое градиентный бустинг.
Темы:
Введение в численные методыАнализ алгоритмовГрадиентный спускОбучение градиентным спускомГрадиентный бустингПоведенческие алгоритмы
+1 проект в портфолио
Разработаете модель для определения стоимости автомобиля с пробегом.
13 спринт1 неделя
Временные ряды
Временные ряды описывают, как меняются параметры, например, объём потребления электроэнергии или количество заказов такси, с течением времени. Вы научитесь анализировать ряды, искать тренды и выявлять сезонность. Узнаете, как создавать табличные данные и задачу регрессии из временных рядов.
Темы:
Введение во временные рядыАнализ временных рядовПрогнозирование временных рядов
+1 проект в портфолио
Построите модель и спрогнозируете пиковые нагрузки в такси.
14 спринт2 недели
Машинное обучение для текстов
Научитесь делать числовые векторы из текстов и решать для них задачи классификации и регрессии. Узнаете, как вычисляются признаки TF-IDF и познакомитесь с языковыми представлениями word2vec и BERT.
Темы:
Введение в машинное обучение для текстовВекторизация текстовЯзыковые представления
+1 проект в портфолио
Ускорите модерацию комментариев в сообществе, автоматизировав оценку их токсичности.
1 неделя
Каникулы
15 спринт2 недели
Базовый SQL
Изучите основы языка запросов SQL и реляционной алгебры для работы с базами данных. Познакомитесь с особенностями работы в PostgreSQL — популярной системе управления базами данных (сокр. СУБД). Научитесь писать запросы разного уровня сложности и переводить бизнес-задачи на язык SQL.
Вы будете работать с базой данных онлайн-магазина, который специализируется на фильмах и музыке.
Темы:
Введние в базы данныхСрезы данных в SQLАгрегирующие функции. Группировка и сортировка данныхВзаимоотношения между таблицами. Типы объединений таблицПодзапросы и временные таблицыPySpark
+1 проект в портфолио
Напишите ряд запросов разной сложности к базе данных, в которой хранятся данные по венчурным инвесторам, стартапам и инвестициям в них.
16 спринт2 недели
Компьютерное зрение
Научитесь решать простые задачи компьютерного зрения с привлечением готовых нейронных сетей и библиотеки Keras. Познакомитесь с Deep learning.
Темы:
Введение в компьютерное зрениеПолносвязные сетиСвёрточные нейронные сетиПоведенческие алгоритмы
+1 проект в портфолио
Построите модель для определения приблизительного возраста человека по фотографии.
17 спринт1 неделя
Обучение без учителя
Обучение без учителя — это один из способов машинного обучения, при котором система решает задачу без размеченных заранее данных на основе их особенностей и структуры. Познакомитесь с задачами кластеризации и поиска аномалий.
Темы:
Введение в обучение без учителяКластеризацияПоиск аномалий
1 неделя
Каникулы
18 спринт2 недели
Выпускной проект
В последнем проекте подтвердите, что освоили новую профессию. Уточните задачу заказчика, пройдёте все стадии анализа данных и машинного обучения. Теперь без уроков и домашних заданий — всё как на реальной работе.
+1 проект в портфолио
Проект на выбор
Построите модель, прогнозирующую отток клиентов из телекоммуникационной компании.
Проект на выбор
Построите модель, предсказывающую параметры технологического процесса на металлургическом комбинате.

Что ещё важно

Есть академический отпуск
Если жизненные обстоятельства осложнились или темп учёбы нужно снизить, вы дважды можете взять академический отпуск.
Вернём деньги, если не понравится
Вы можете вернуть деньги за оставшееся время обучения: для этого не нужно ничего доказывать
У вас будет диплом установленного образца
После курса мы выдадим документ о профессиональной переподготовке
Сможете получить налоговый вычет
Чтобы вернуть 13% от стоимости курса, надо быть налоговым резидентом РФ и работать по трудовому договору

Вопросы и ответы

Да, причём в любой момент. Если обучение в потоке уже началось, придётся оплатить прошедшие дни — но мы вернём деньги за оставшееся время обучения. Более подробно рассказываем об этом в седьмом пункте [оферты]оферты.