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 и его библиотекам, в том числе Scikit-Learn и XGBoost, Jupyter Notebook, SQL.
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.
Scikit-Learn
Библиотеки популярных алгоритмов машинного обучения.
XGBoost
Библиотеки популярных алгоритмов машинного обучения.
Jupyter Notebook
Программа для написания и запуска кода. Удобна тем, что одновременно отображает код программы, результаты её выполнения и сопроводительный текст.
SQL
Язык запросов к базам данных SQL используется, чтобы управлять этими базами и извлекать из них данные для последующего анализа.
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:
и готовность уделять занятиям не менее 10 часов в неделю. Остальное мы предоставим:
Онлайн-
тренажёр
тренажёр
Практические
проекты
проекты
Поддержку
наставника
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.
Сколько стоит обучение
Вводный курс —
бесплатно
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
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 ₽
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
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.