Data Scientist — это специалист по обработке, анализу и хранению больших массивов данных, которые называют «Big Data». Его главная задача — извлекать необходимую информацию из разнообразных источников, используя информационные потоки в режиме реального времени и устанавливать скрытые закономерности в массивах данных, статистически анализировать их для принятия грамотных бизнес-решений.
Эти технологии востребованы в компаниях различного профиля: телеком, финтех, ритейл, e-commerce. Среди них и крупнейшие российские компании, такие как Сбербанк, Альфа Банк, Mail.ru.
На основании больших массивов информации компании выстраивают маркетинговые стратегии и прогнозируют глобальные изменения на рынке и в мире. Специалисты по сбору и анализу больших данных – пока штучный товар, а популярность этой профессии все больше набирает обороты.
На нашем курсе по Data Science вы научитесь анализировать на огромные цифры и видеть в них закономерности, делать правильные выводы из статистических данных, освоите новые методы обработки информации и сможете применить полученные знания на практике.
Этот курс для тех, кто:
хочет освоить новую профессию аналитика данных (Data Scientist)
планирует освоить новые инструменты анализа данных в рамках текущей работы
слышал о Big Data, но боялся спросить и заинтересован в более глубоком погружении в эту сферу
любит анализировать, искать причины, следствия и делать выводы
Требования:
Для успешного прохождения курса вы должны иметь базовый уровень программирования на любом языке. Например, уметь написать функцию, которая считает сумму квадратов первых n натуральных чисел.
Преимущества курса:
Вы получите редкую, востребованную и одну из самых высокооплачиваемых профессий в мире
Освоите эффективные инструменты анализа данных
Сможете применить знания в текущем проекте или на на практике в рамках курса
Получите отличные перспективы трудоустройства
Программа курса:
Общий инструментарий SQL, Python, Pandas
Познакомимся с самыми основами инструментария, а также узнает общий уровень подготовки группы.
Линейная регрессия
Задачи регрессии и классификации. Метрики качества регрессии MSE, MAE, критерии выбора метрики. Линейная регрессия.
Переобучение
Переобучение, способы борьбы с ним.
Категориальные признаки
Работа с категориальными признаками: label encoding, one hot encoding, average encoding.
Регуляризация
Регуляризация на примере линейной регрессии. Ridge, Lasso. Bias vs variance.
Задача классификации
Логистическая регрессия. Метрики качества классификации: accuracy, precision, recall, roc auc, gini.
Деревья, ансамбли деревьев
Decision Tree. Методы комбинирования алгоритмов: bagging, boosting. Случайный лес, градиентный бустинг.
Задачи снижения размерности, кластеризации
Метод главных компонент, PCA. EM-алгоритмы. K-Means.
Нейронные сети
Основы нейронных сетей. Их «настройка», подбор параметров, борьба с переобучением. Решения задач распознавания изображений.
Ограничения машинного обучения.
Области применимости пройденных алгоритмов.
Формат проведения
Занятия в центре Новосибирска.
Время проведения
Расписание: 2 раза по будням в вечернее время по 2 часа и в выходной день 5 часов.
Курс преподает:
Евгений Сальский Аналитик, занимается разработкой и сопровождением системы кредитного скоринга. Из технологий владеет Excel, Power Pivot, SQL Server, Python (XGBoost, Flask + стандартные библиотеки).
Имеет большой опыт преподавания (школьники ОГЭ и ЕГЭ, студенты всех курсов).
Считает, что деятельность преподавателя интересна и она увлекает его больше всего.
Говорит, что обучая других, сам повышает свою компетентность в преподаваемом предмете.
Знает, как применить математические методы и Data Science, чтобы посмотреть на данные по-новому.
Что получите по итогам курса:
Практические и теоретические знания о Big Data и Data Science
Освоите новые аналитические инструменты
Научитесь анализировать большие массивы информации
Получите рекомендации по трудоустройству
Акции: скидка 10% за приведенного друга.
Внимание! Разместите пост о нашем курсе в своем аккаунте в любой социальной сети с комментарием "Я записался на курс в IT-Академии!" и ссылкой на наш сайт (http://itsuhorukov.ru/course/data-s...) и получите скидку 3%!
Бонусы:
Напоминаем, что для того чтобы восстановить билет или сделать возврат организатору можно не писать.
Если вы хотите вернуть билеты, вы можете сделать это по ссылке из письма с билетами или оформить запрос организатору в вашем  личном кабинете.