автор курса
организатор обучения
+7 495 136-99-79
Хочу подробностей
Нажимая на кнопку, вы даете согласие на обработку персональных данных.
Специализация

«Машинное обучение и анализ данных»

Получите востребованную специальность, решайте более сложные задачи, 
повысьте продуктивность сотрудников.
Расскажи друзьям
Записаться на курс
 
64%
64% российских компаний со штатом от 500 человек имеют аналитика.
Средняя зарплата специалиста в Москве 140 000 рублей.
?
«64% российских компаний со штатом от 500 человек имеют аналитика. Средняя зарплата специалиста в Москве 140 000 рублей, максимальная — 350 000.
* В течение 10 лет Data Scientist станет самой популярной профессией века».
Data
Scientist
В течение 10 лет Data Scientist станет самой популярной профессией века.

Для кого эта
специализация

Для
выпускников
и студентов

инженерных, технических 
и естественно-научных факультетов,
которые не изучали анализ данных, 
но хотят получить востребованную специальность и хорошо зарабатывать.

Для
профессиональных
аналитиков

которые хотят решать новые, более сложные задачи или оптимизировать существующие.

Для
директоров
компаний

которые понимают важность анализа данных и хотят обучить сотрудников, чтобы повысить их эффективность.

 

Особенности
специализации

от А до Я

Программа подходит людям, незнакомым с анализом данных. Серия курсов постепенно, от простого к сложному, погружает в предмет. В первом курсе рассказывается о математическом аппарате и основах программирования на Python.

Вам будет намного легче учиться, если вы уже знакомы с математической статистикой (программа алгебры старших классов — теория вероятности, линейные уравнения), а также с синтаксисом языка Python.

Полностью на русском

Это отличная возможность получить современные навыки людям, которые предпочитают обучение на русском.

Дистанционно

Обучение проходит в формате МООС
?
Massive open online course — массовый открытый онлайн курс (одна из форм дистанционного образования).
: вы смотрите лекции в удобное для вас время и получаете различные форматы заданий в виде тестов и перекрестных проверок.

Дипломный проект,
применимый на практике

В финальном проекте вы сможете применить полученные знания к реальным данным в электронной коммерции, социальных медиа, информационном поиске, бизнес-аналитике. Вы пройдете все этапы анализа данных — от подготовки до построения финальной модели и оценки её качества. В результате в портфолио появится проект, который смело можно указать в резюме и показать работодателю на собеседовании.

Трудоустройство
в топовые компании

Успешно оконченная специализация открывает путь в передовые компании России и мира. Мы не обещаем сразу топовые позиции, но гарантируем рассмотрение вашей кандидатуры в приоритетном порядке.

Лекторы

Константин Воронцов

Доктор физико-математических наук, профессор РАН, заведующий отделом Интеллектуальных систем ФИЦ ИУ РАН, преподаватель ШАД.

Вадим Стрижов

Доктор физико-математических наук, доцент МФТИ, ведущий научный сотрудник ФИЦ ИУ РАН.

Евгений Рябенко

Research scientist в Facebook. Был аналитиком в Yandex Data Factory.

Евгений Соколов

Руководит разработкой системы рекомендаций в Яндекс.Дзене.

Виктор Кантор

Эксперт по машинному обучению, консультант Яндекс.Такси.

Эмели Драль

Chief Data Scientist в Mechanica AI. Раньше руководила анализом больших данных в Yandex Data Factory.

Программа обучения

5 курсов

+

Дипломный проект

8 месяцев
3-6 часов в неделю
дистанционное участие
Неделя 1

Введение.

Неделя 2

Библиотека Python и линейная алгебра.

Неделя 3

Оптимизация и матричные разложения.

Неделя 4

Случайность

Анализ данных и машинное обучение опираются на результаты из математического анализа, линейной алгебры и теории вероятностей. Без фундаментальных знаний по этим наукам невозможно понять методы анализа данных.

Первый курс сформирует этот фундамент. Мы без сложных формул и доказательств раскроем смысл математических понятий и объектов.

Неделя 1

Машинное обучение и линейные модели.

Неделя 2

Линейные модели и оценка качества.

Неделя 3

Решающие деревья и композиции моделей.

Неделя 4

Нейронные сети и обзор методов.

Обучение на размеченных данных или обучение с учителем — это возможность предсказать величину для любого объекта, имея конечное число примеров. Например, уровень пробок на участке дороги, возраст пользователя по его действиям в интернете, цену на подержанную машину. На этом курсе вы научитесь формулировать и решать такие задачи.

Неделя 1

Методы кластеризации.

Неделя 2

Понижение размерности и матричные разложения.

Неделя 3

Визуализация данных и поиск аномалий.

Неделя 4

Тематическое моделирование.

Из курса вы узнаете об алгоритмах кластеризации данных, с помощью которых можно искать группы схожих клиентов мобильного оператора. Вы научитесь строить матричные разложения и решать задачу тематического моделирования, понижать размерность данных, искать аномалии и визуализировать многомерные данные.

Неделя 1

Основы статистики и проверка гипотез.

Неделя 2

АБ-тесты: основы планирования, дизайн и интерпретация результатов.

Неделя 3

Анализ зависимостей.

Неделя 4

Скоринг, биоинформатика.

Влияет ли знание методов анализа данных на уровень заработной платы? Работает ли система оценки кредитоспособности клиентов банка? Действительно ли новый баннер лучше старого? Чтобы ответить на такие вопросы, нужно собрать данные. 99% данных содержат "шум", поэтому выводы на их основе не верны, а только вероятны. На этом курсе вы научитесь строить корректные выводы, оценивать параметры, проверять гипотезы и устанавливать причинно-следственные связи.

Неделя 1

Рекомендательные системы.

Неделя 2

Прогнозирование временных рядов.

Неделя 3

Скоринг, прогнозирование и CTR.

Неделя 4

Анализ текстов и другие прикладные задачи.

В этом курсе мы разберем прикладные задачи из различных областей анализа данных: анализ текста и информационный поиск, коллаборативная фильтрация и рекомендательные системы, бизнес-аналитика, прогнозирование временных рядов.

Вы научитесь сводить задачу заказчика к формальной постановке задачи машинного обучения и поймёте, как проверять качество построенной модели на исторических данных и в онлайн-эксперименте. На каждой задаче мы изучим плюсы и минусы пройденных алгоритмов машинного обучения.

Финальный проект даст вам возможность применить полученные в рамках специализации знания к задаче из реального мира. Под руководством успешных специалистов в науке о данных вы сможете поработать над актуальным проектом в одной из областей: электронная коммерция, социальные медиа, информационный поиск, бизнес-аналитика и др.

Автор курса

Организатор обучения

Отзывы
студентов

Стоимость обучения

41600*
 ₽
вместо 52000. Скидка 20% при единовременной покупке программы
от 5089*
 ₽
в месяц. При покупке программы в кредит
Записаться на курс

Узнать подробности программы

Спасибо за регистрацию, подробная информация по обучению и вариантам оплаты отправлена вам на электронную почту. Специалист программы свяжется с вами в ближайшее время, чтобы ответить на все вопросы.

Готовы оплатить сейчас и начать обучение?

Упс! Что-то пошло не так. Попробуйте позже или напишите на наш имейл Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.