Скоро будет больше
Инженер по тестированию
Дата инженер
Специалист по машинному обучению
Специалист по нейросетям
Дизайнер интерфейсов
Менеджер продукта

Как стать
специалистом по Data Science

Подробнее
Специалист по Data Science структурирует и анализирует большие объёмы данных, применяет машинное обучение для предсказания событий и обнаружения неочевидных закономерностей. Помогает создавать и улучшать продукты в бизнесе, промышленности и науке. Мы хотим научить вас основным инструментам этой профессии: Python
Python
Язык программирования с широким спектром применения. Имеет лаконичный и понятный синтаксис, а также множество полезных библиотек. Код становится короче, а разработка — быстрее. Поэтому Python часто используют в задачах анализа данных.
и его библиотекам, в том числе Scikit-Learn
Scikit-Learn
Библиотеки популярных алгоритмов машинного обучения.
и XGBoost
XGBoost
Библиотеки популярных алгоритмов машинного обучения.
, Jupyter Notebook
Jupyter Notebook
Программа для написания и запуска кода. Удобна тем, что одновременно отображает код программы, результаты её выполнения и сопроводительный текст.
, SQL
SQL
Язык запросов к базам данных SQL используется, чтобы управлять этими базами и извлекать из них данные для последующего анализа.
.
Middle
Junior
Middle
Senior
88 000 ₽
Зарплата
специалиста по Data Science
Источник данных: Мой круг

Что вы получите в Яндекс.Практикуме

За 8 месяцев обучения по 10 часов в неделю вы освоите востребованные навыки и соберёте портфолио. Вот какие проекты в него войдут:
Спрогнозировать уровень пробок в сервисе Яндекс.Навигатор
Подобрать рекламу для показа на странице интернет-сообщества
Спрогнозировать свободные временные слоты для курьера

Как мы учим

Всё обучение проходит онлайн. Чтобы начать, достаточно иметь среднее образование
и готовность уделять занятиям не менее 10 часов в неделю. Остальное мы предоставим:
Онлайн-
тренажёр
Практические
проекты
Поддержку
наставника

Наш подход к обучению

Наши наставники
Наставники — аналитики из Яндекса и других IT-компаний. Некоторые из них, как и вы, не сразу выбрали свою профессию и тоже осваивали её с нуля.

Сертификат

Подтвердить будущему работодателю приобретённые вами навыки вы сможете с помощью сертификата. Чтобы получить сертификат, необходимо сдать итоговый проект. Это показатель, что вы достаточно знаете о Data Science и самостоятельно выполнили проекты из вашего портфолио.
Если вы уже работаете специалистом по Data Science, можете подать заявку на сдачу сертификационного экзамена и попробовать получить сертификат без обучения. Предварительная стоимость — 10 000 рублей.
Хочу сдать экзамен

Сколько стоит обучение

Вводный курс —
бесплатно
Вы поймёте, что представляет собой анализ данных, какие процессы он в себя включает и в чём отличие аналитика от специалиста по Data Science. Изучите азы важнейшего инструмента — языка программирования Python. Cможете оценить свои силы, мотивацию, запас времени и решить, нужно ли идти дальше.
01
Доступ к первому курсу в тренажёре
02
Навыки и знания на 20 часов обучения
03
1 учебный проект на реальных данных
Платное
продолжение
Закончив бесплатный курс, можно пойти дальше. С этого момента вы начнёте полноценно осваивать профессию специалиста по Data Science.
04
Полный доступ к тренажёру
05
Профессиональная программа обучения на 300 часов
06
Поддержка наставника
07
Сертификация
08
Навыки и знания, востребованные работодателями
09
Портфолио из 17 проектов
90 000 ₽
За 8 месяцев обучения

Программа вашего обучения

20ч
Основы Python и анализа данных: бесплатный вводный курс
Познакомитесь с языком программирования Python, библиотекой Pandas, а также средой программирования Jupyter. Узнаете основные концепции анализа данных и поймёте, чем занимаются аналитики и специалисты по Data Science.
1 проект в портфолио
Определить, как меняются предпочтения слушателей Яндекс.Музыки в зависимости от дня недели.
20ч
Предобработка данных
Научитесь очищать данные от выбросов, пропусков и дубликатов, а также преобразовывать разные форматы данных.
1 проект в портфолио
Проанализировать данные о клиентах банка и определить долю кредитоспособных.
20ч
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.
1 проект в портфолио
Определить самые популярные заправки для развития приложения Яндекс.Навигатор.
20ч
Статистический анализ данных
Научитесь анализировать взаимосвязи в данных методами статистики. Узнаете, что такое статистическая значимость, гипотезы и доверительные интервалы.
2 проекта в портфолио
Оптимизировать воронки продаж для ускорения работы отдела маркетинга.
20ч
Введение в машинное обучение
Освоите основные концепции машинного обучения. Познакомитесь с библиотекой Scikit-Learn и примените её для создания первого проекта с машинным обучением.
1 проект в портфолио
Предсказать скорость продажи товара по его характеристикам и цене на онлайн-площадке.
20ч
Обучение с учителем (классификация и регрессия)
Углубитесь в самую востребованную область машинного обучения — обучение с учителем. Узнаете, как обращаться с несбалансированными данными.
1 проект в портфолио
По кредитной истории клиента банка оценить вероятность своевременного погашения кредита.
20ч
Машинное обучение в бизнесе
Примените свои знания о машинном обучении к задачам бизнеса. Узнаете, что такое бизнес-метрики, KPI и A/B-тестирование.
2 проекта в портфолио
Спрогнозировать для курьерского сервиса свободные временные слоты на определённый день.
20ч
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.
1 проект в портфолио
Автоматическая категоризация товаров в интернет-магазине.
20ч
Численные методы и алгоритмы
Разберёте ряд алгоритмов и приспособите их к решению практических задач с использованием численных методов. Приближённые вычисления, оценка сложности алгоритма, градиентный спуск.
1 проект в портфолио
Спрогнозировать длительность поездки клиента в такси.
20ч
Тексты, временные ряды и feature engineering
Узнаете, что такое feature engineering в целом. Примените его к текстам и временным рядам. Научитесь векторизировать тексты инструментами word2vec, GloVe, FastText.
2 проекта в портфолио
Ускорить модерацию комментариев в сообществе, автоматизировав оценку их токсичности.
20ч
Извлечение данных
Познакомитесь с основными системами хранения данных — реляционными базами и распределёнными хранилищами. Научитесь извлекать эти данные запросами на языке SQL и методами библиотеки PySpark.
1 проект в портфолио
Определить убыточные категории товаров в магазинах крупного ритейлера.
20ч
Компьютерное зрение
Научитесь решать простые задачи компьютерного зрения с привлечением готовых нейронных сетей и библиотеки Keras. Одним глазком заглянете в Deep learning.
1 проект в портфолио
Автоматическое замазывание номерных знаков на площадке вторичной продажи автомобилей.
20ч
Рекомендации и обучение без учителя
Узнаете, что такое рекомендательные системы, и построите свою. Познакомитесь с рядом задач обучения без учителя.
2 проекта в портфолио
Создать систему для рекомендации вакансий.
Открыть всю программу
Основы Python и анализа данных: бесплатный вводный курс
20часов
Познакомитесь с языком программирования Python, библиотекой Pandas, а также средой программирования Jupyter. Узнаете основные концепции анализа данных и поймёте, чем занимаются аналитики и специалисты по Data Science.
1 проект в портфолио
Определить, как меняются предпочтения слушателей Яндекс.Музыки в зависимости от дня недели.
Предобработка данных
20часов
Научитесь очищать данные от выбросов, пропусков и дубликатов, а также преобразовывать разные форматы данных.
1 проект в портфолио
Проанализировать данные о клиентах банка и определить долю кредитоспособных.
Исследовательский анализ данных
20часов
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.
1 проект в портфолио
Определить самые популярные заправки для развития приложения Яндекс.Навигатор.
Статистический анализ данных
20часов
Научитесь анализировать взаимосвязи в данных методами статистики. Узнаете, что такое статистическая значимость, гипотезы и доверительные интервалы.
2 проекта в портфолио
Оптимизировать воронки продаж для ускорения работы отдела маркетинга.
Введение в машинное обучение
20часов
Освоите основные концепции машинного обучения. Познакомитесь с библиотекой Scikit-Learn и примените её для создания первого проекта с машинным обучением.
1 проект в портфолио
Предсказать скорость продажи товара по его характеристикам и цене на онлайн-площадке.
Обучение с учителем (классификация и регрессия)
20часов
Углубитесь в самую востребованную область машинного обучения — обучение с учителем. Узнаете, как обращаться с несбалансированными данными.
1 проект в портфолио
По кредитной истории клиента банка оценить вероятность своевременного погашения кредита.
Машинное обучение в бизнесе
20часов
Примените свои знания о машинном обучении к задачам бизнеса. Узнаете, что такое бизнес-метрики, KPI и A/B-тестирование.
2 проекта в портфолио
Спрогнозировать для курьерского сервиса свободные временные слоты на определённый день.
Линейная алгебра
20часов
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.
1 проект в портфолио
Автоматическая категоризация товаров в интернет-магазине.
Численные методы и алгоритмы
20часов
Разберёте ряд алгоритмов и приспособите их к решению практических задач с использованием численных методов. Приближённые вычисления, оценка сложности алгоритма, градиентный спуск.
1 проект в портфолио
Спрогнозировать длительность поездки клиента в такси.
Тексты, временные ряды и feature engineering
20часов
Узнаете, что такое feature engineering в целом. Примените его к текстам и временным рядам. Научитесь векторизировать тексты инструментами word2vec, GloVe, FastText.
2 проекта в портфолио
Ускорить модерацию комментариев в сообществе, автоматизировав оценку их токсичности.
Извлечение данных
20часов
Познакомитесь с основными системами хранения данных — реляционными базами и распределёнными хранилищами. Научитесь извлекать эти данные запросами на языке SQL и методами библиотеки PySpark.
1 проект в портфолио
Определить убыточные категории товаров в магазинах крупного ритейлера.
Компьютерное зрение
20часов
Научитесь решать простые задачи компьютерного зрения с привлечением готовых нейронных сетей и библиотеки Keras. Одним глазком заглянете в Deep learning.
1 проект в портфолио
Автоматическое замазывание номерных знаков на площадке вторичной продажи автомобилей.
Рекомендации и обучение без учителя
20часов
Узнаете, что такое рекомендательные системы, и построите свою. Познакомитесь с рядом задач обучения без учителя.
2 проекта в портфолио
Создать систему для рекомендации вакансий.
Начните учиться бесплатно
Вы сможете попробовать себя в роли специалиста по Data Science и освоить азы профессии.
Начать бесплатный курс

Часто задаваемые вопросы

Подойдёт ли мне профессия?
Для тех, кто ещё нетвёрдо уверен в своём намерении, мы спроектировали бесплатную часть, которая поможет получить ответ на этот вопрос. Если вы убедитесь, что разработка не для вас, это тоже положительный результат.
Каким требованиям я должен соответствовать?
Для старта достаточно иметь законченное среднее образование и возможность заниматься не менее 10 часов в неделю.
Кто будет меня учить?
Программа составлена опытными преподавателями, методологами и действующими специалистами не только Яндекса и Школы анализа данных, но и других лидеров технологической и образовательной индустрии.
Как и когда я буду учиться?
Обучение строится из трёх составляющих: теория с закреплением в тренажёре, домашнее задание для самостоятельной практики и работа с наставником над кодом. В тренажёре вы учитесь в любое удобное время, а выполнение домашнего задания привязано к двухнедельному циклу.
Что делать, если я не справлюсь с нагрузкой?
Если вы понимаете, что нужно сделать паузу или получить дополнительное время для закрепления материала, у вас есть возможность взять академический отпуск на месяц — но только один раз. Также в учебной программе предусмотрены каникулы: два раза по одной неделе.
Смогу ли я найти работу после обучения?
Сможете, но просто не будет. Рынку требуется умение, а не просто набор знаний — мы научим вас применять эти знания и поможем сделать портфолио из реальных проектов. Чтобы заявить о себе, понадобится приложить серьёзные усилия. Например, поработать на фрилансе. В конечном итоге шансы устроиться в хорошую компанию будут тем выше, чем больше тех самых реальных проектов в вашем портфолио.
А если я хочу работать в Яндексе?
Мы подготовили курс так, чтобы вы могли начать карьеру непосредственно после обучения. С ходу получить работу в Яндексе маловероятно: крупные IT-компании подбирают сотрудников с бóльшим опытом или прошедших специализированные вузовские программы. Мы рекомендуем отточить навыки в компаниях поменьше, а затем претендовать на должность в более крупных — в том числе и в Яндексе.
Если не понравится, я могу вернуть деньги?
Короткий ответ — да, причём в любой момент. Правда, если вы уже прошли какую-то часть курса, её придётся оплатить, но остальное вернём. Более подробно рассказываем про это в шестом пункте оферты.
Задать вопрос