Аналитик Big Data и старт в Data Science от ProductStar

Аналитик Big Data и старт в Data Science

ProductStar
Онлайн-школа
Подробнее
Начало
Ежедневно
Уровень
С нуля
Длительность
1 год
Формат
Видео
Перейти

О курсе

С помощью этого курса Вы:

  • Работать SQL

Научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов

  • Использовать Python и библиотеки анализа данных

Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, сделанные на основании данных

  • Строить системы анализа больших данных

Освоите Hadoop и MapReduce. Научитесь проверять гипотезы, изучите машинные методы для обработки данных, сможете выявлять скрытые аномалии в данных и строить прогнозные модели

  • Использовать сложную математику для анализа Big Data

Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями

Программа курса:

Блок 1: "Получение и подготовка данных: SQL"

  • Основы SQL
  • Обновление, добавление и удаление данных. Работа с таблицами
  • Представления и хранимые процедуры. Особенности обработки транзакций
  • Расширенные возможности SQL и основные ограничения
  • Фильтрация данных и вычисляемые поля - практика (SELECT, SUM, AVG, GROUP BY, ..)
  • Группировка данных, подзапросы и объединение таблиц - практика (INNER, LEFT, RIGHT, DISTINCT, ..)
  • Обновление, добавление и удаление данных. Работа с таблицами (INSERT, UPDATE, DELETE, MERGE, FOREIGN KEY, ..)
  • Работа с популярными программами (MySQL, SQL Server, Redash, Tableau)

Блок 2: "Python и обработка данных"

  • Python: настройка окружения, базовые структуры данных и основные операторы
  • Python: работа с файлами и форматированный вывод
  • Python: пространства имен и области видимости, классы и объекты
  • Python: инструменты функционального программирования
  • Python: стандартные и сторонние библиотеки Python для анализа данных

Блок 3: "Python и математические модели"

  • Основы линейной алгебры и теории множеств
  • Методы математической оптимизации
  • Основы описательной статистики
  • Статистический анализ данных
  • Python и мат.модели
  • Использование базовых мат.моделей в Python

Блок 4: "Построение Machine Learning моделей"

  • Линейные методы, логистическая регрессия и SVM
  • Деревья решений
  • Линейная и полиноминальная регрессия
  • Алгоритмы кластеризации
  • Способы повышения качества модели
  • Функции потерь и оптимизация
  • Оценка точности модели, борьба с переобучением, регуляризация
  • Улучшение качества модели

Блок 5: "Аналитика больших данных"

  • Машинные методы для обработки данных
  • Культура сбора и источники данных
  • Предобработка и визуализация данных в pandas
  • Построение прогнозных и предсказательных моделей
  • Основы работы в Hadoop и MapReduce
  • Работа в pyspark

Блок 6: "Обработка больших данных"

  • Улучшение качества работы с данными
  • Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
  • Работа с облачными платформами: AWS, EMR, Azure
  • Продвинутые подходы в MapReduce
  • Организация команды для работы с данными. CRISP-DM

Блок 7: "Визуализация данных"

  • Сравнительный обзор основных инструментов визуализации данных
  • Основные ошибки при проектировании отчетности и визуализации данных
  • Расширенные возможности визуализации данных + практика
  • Организация хранения данных для целей анализа
  • Презентация результата команде
  • Решение бизнес-задач в команде
  • Как управлять процессами по аналитике

Блок 8: "Рекомендательные системы"

  • Неперсонализированные рекомендательные системы
  • Сontent-based-рекомендации
  • Collaborative Filtering
  • Гибридные алгоритмы
  • Поиск по картинкам
  • Сегментация изображений, детекция объектов
  • Применение свёрточных нейронных сетей для задач сегментации и детекции
  • Применение рекуррентных сетей в задачах обработки изображений
  • Генеративные конкурирующие сети (GAN)

Блок 9: "Обработка естественного языка (NLP)"

  • Морфологический и синтаксический анализ
  • Методы снижения размерности в векторной модели
  • Информационный поиск
  • Тематическое моделирование (LSA, LDA, HDP)
  • Дистрибутивная семантика (word2vec, GloVe, AdaGram)
  • Счётные языковые модели и вероятностные языковые модели. LSTM.
  • Машинный перевод
  • Генерация текстов (Natural Language Generation)
  • Задача классификации в АОТ

Блок 10: Дипломная работа и помощь с трудоустройством

  • Работа над дипломным проектом для портфолио
  • Подготовка резюме
  • Подготовка к собеседованию
  • Финальная защита и консультации

Перспективы:

  • Цифровой сертификат - Выпускники получают сертификат об успешном прохождении курса — что, вместе с дипломным проектом, будет хорошим аргументом при трудоустройстве
  • Средняя зарплата от 145 000 ₽
  • Помощь с трудоустройством и стажировкой

Стоимость

По частям
5 400 ₽ / мес
Полная стоимость
65 000 ₽
110 000 ₽
Перейти

Вам может быть интересно

Нетология
netology.ru
Скидка 40%
Data Scientist
С нуля
Начало
Длительность
15 месяцев
Рассрочка
3 500 ₽ / мес
Стоимость
126 000 ₽
Трудоустройство
Вебинары
Домашние задания
SkillFactory
skillfactory.ru
Скидка 40%
Data Scientist
С нуля
Начало
Длительность
2 года
Рассрочка
12 000 ₽ / мес
Трудоустройство
Видео
Домашние задания
Тренажеры
Skillbox
skillbox.ru
Скидка 40%
Начало
Ежедневно
Длительность
24 месяца
Рассрочка
5 574 ₽ / мес
Стоимость
172 800 ₽
Трудоустройство
Видео
Домашние задания
GeekBrains
gb.ru
Скидка 40%
Начало
Длительность
18 месяцев
Рассрочка
11 225 ₽ / мес
Стоимость
134 700 ₽
Вебинары
Видео
Трудоустройство
Data Science Academy
Продвинутый уровень
Начало
Ежедневно
Длительность
6 месяцев
Рассрочка
2 920 ₽ / мес
Видео
Вебинары
Тренажеры
Трудоустройство
ОЧНЫЙ DATA SCIENCE BOOTCAMP
Начальный уровень
Начало
Длительность
3 месяца
Рассрочка
90 000 ₽ / мес
Стоимость
250 000 ₽
Начало
Длительность
2 месяца
Рассрочка
Нет
Подарок при покупке
Вебинары
Домашние задания