курс по data science с нуля до PRO
  • Работайте удаленно из любой точки мира
  • Зарабатывайте от 180 000 ₽
  • Специализируйтесь в узкой нише Data Science
  • Получите доступ ко всем льготам для айтишников

Data Scientist

Профессия
Освойте самую востребованную профессию в анализе данных
Старт:
скоро
Длительность:
24 месяца
Уровень:
с нуля

Курс «Специалист по Data Science» с нуля

Присоединитесь к новому потоку или начните учиться в удобное время
Дарим сейчас, но это на Новый год
Больше знаний и навыков:
— 4 мини-курса в подарок
— скидки до 55% на курсы IT-профессий
Специалист по Data Science обрабатывает большие объемы неструктурированной информации и превращает ее в упорядоченный набор данных.
Дата-сайентист может:

Кто такой Data Scientist

Предсказать, окупится ли новый проект
Оценить будущий спрос на товары и услуги
Улучшить системы рекомендаций в соцсетях и сервисах
Создать приборы для автоматической постановки диагноза пациенту
Усовершенствовать транспортное движение
Построить систему распознавания лиц
Дата-сайентист использует методы науки о данных (Data Science), строит и тестирует математические модели. Он находит закономерности, дает прогнозы и предлагает лучшие решения в разных сферах.

Как Data Science применяется в жизни

Специалисты подразделения Google AI, занимающегося искусственным интеллектом, создали модель глубокого обучения (Deep Learning) для распознавания кожных болезней. DL-модель может диагностировать 26 болезней кожи с точностью 97%.
Компания Frontier Development Lab вместе со студентами из разных стран и специалистами Nvidia разработала алгоритм, способный создать 3D-модель астероида за четыре дня. Этот метод используют сегодня для моделирования формы астероидов в реальном времени. А NASA применяет алгоритм визуализации данных о космическом мусоре.
Компания Google создала приложение, которое позволяет слабовидящим и слепым узнавать об объектах рядом с ними — оно в реальном времени распознает на изображении с камеры объекты и передает информацию пользователю. Еще оно умеет зачитывать текст, знаки, штрихкоды и другие визуальные объекты.

Распознавание кожных заболеваний

Алгоритм моделирования астероидов

Распознавание объектов для слабовидящих и слепых

Ярмарка профессий
Спецпроект
Бесплатно
Протестируйте разные профессии и осознанно выберите ту, которая подходит вам. Вас ждут: 33 активности, 11 экспертов, 5 лайвов, демоуроки и ценные призы
По данным Всемирного экономического форума, работа в Data Science занимает первое место в рейтинге профессий с самым большим спросом на рынке до 2025 года.

Количество вакансий в Data Science выросло на 433% за 3 года

Ритейл, киберспорт, путешествия, образование, медицина — грамотный Data Scientist нужен практически в любой индустрии, а спрос значительно превышает предложение.
вакансия Data Scientist в Mail.ru
вакансия Data Scientist Middle
вакансия Data Scientist с зарплатой от 170 000
вакансия Middle Data Scientist в Qiwi
7 из 10 работодателей нанимают людей с опытом
03

Вы получите реальный опыт

Это формат, где студенты решают реальные задачи бизнеса. У вас будет опыт, которого так не хватает выпускникам онлайн-школ. Вместе с ментором вы решите кейс для компании-партнера — и получите фидбэк от потенциального работодателя.
Реальный опыт даст студентам:
04
Реальные проекты в портфолио
Участие в стажировках и хакатонах
Шанс получить оффер от компании-заказчика
Опыт работы над проектом в команде
Поэтому мы придумали Фэктори
01
02

Модель распознавания жестов

Разработаете систему принятия решений, которая в режиме реального времени сможет реконструировать положение согнутых пальцев руки здорового пользователя. Преуспевшие студенты продолжат сотрудничество с компанией.
  • Sklearn
  • EDA
Супер Моторика

Анализ и сортировка данных

Вам предоставят изображения транспортных средств различных типов и с разных ракурсов. С помощью дескрипторов вы разобьете картинки на кластеры и интерпретируете каждый из них. В результате получите кейс в портфолио и обратную связь от эксперта из компании.
  • Pandas
  • ML
Intellivision
Intellivision

Почему пора обучиться IT-профессии?

Устойчивость и независимость

Льготы и «плюшки»

Высокая востребованность

Доход в любой валюте

IT-сфера наиболее устойчива к изменениям в мире. А значит, вам не придется волноваться о своем будущем.
Все лучшие предложения достаются айтишникам: сниженная ставка по ипотеке, высокая зарплата, комфортный офис, ДМС и др.
На рынке России прямо сейчас не хватает 1,5 млн специалистов, а в мире — гораздо больше.
Вы можете работать как в российской, так и в международной компании.

Новичок

Программа рассчитана на обучение науке о данных с нуля. Вы начнете с SQL и Python. Получите необходимую теорию по математике, статистике и теории вероятности и отработаете ее на практике. А через год легко сможете решать задачи и устроитесь на новую работу.

Программист

Научитесь работать с моделями машинного обучения, анализировать данные на Python и прокачаете аналитическое мышление.

Вам подойдет этот курс, если вы:

Аналитик

Начнете анализировать данные на продвинутом уровне, автоматизировать процесс сбора данных. Научитесь обучать модели и делать прогнозы, а также применять это для решения бизнес-задач.
8 000 $
250 000 ₽
180 000 ₽
80 000 ₽

После наших курсов студенты в среднем зарабатывают 180 000 ₽

Развивайте навыки и растите в цене
Senior-специалист
в иностранной компании
Middle-специалист
Junior-специалист
Senior-специалист
*По данным hh.ru и indeed.com
дата-сайентист
Чтобы посмотреть как устроена работа в большой IT-компании
Чтобы быстрее влиться в среду
Чтобы расти в карьере и работать из любой точки мира
Вернем деньги за обучение, если не найдете работу после окончания курса.
Почему мы так говорим?
Потому что уверены в навыках, которые даем, и в их востребованности на рынке.
Наш Центр карьеры работает со студентами с первого дня обучения — и до первого оффера. И даже дольше. Подготовим к трудоустройству: дадим много практики, реальные проекты для портфолио, поможем с резюме и познакомим с будущими работодателями.
А еще мы действительно заботимся о вашем трудоустройстве.
*подробные условия возврата в правилах акции

Кем вы станете

После базового курса вы сможете выбрать более узкую специализацию в Data Science: ML Engineer или CV Engineer.
  • Разработаете модель предсказания кредитного рейтинга
  • Решите задачу классификации спама СМС-сообщений
  • Разработаете систему рекомендаций подходящих товаров при покупке
  • Построите модель для увеличения продаж в розничном бизнесе
  • Создадите изображения по текстовому описанию с помощью нейросети DALL-E
чем занимается ML Engineer

ML Engineer — Разработчик машинного обучения

  • Научитесь решать все базовые задачи в сфере Computer Vision
  • Приобретете знание реального флоу работы с моделями CV, актуальных подходов и продвинутых инструментов, необходимых для создания CV-сервисов
  • В итоговом проекте создадите виртуального коуча, способного оценивать правильность выполнения упражнений на видео

CV Engineer — Специалист по компьютерному зрению

чем занимается CV Engineer

Начните путь в Data Science уже сейчас

Забронируйте курс со скидкой
до 24 января
скидка
40%

Центр карьеры

Сопровождаем вас на всем пути, пока не получите тот самый оффер
Вместе создадим резюме,
которое зацепит внимание работодателя и подсветит ваши достоинства кандидата на вакансию.
Дадим рекомендации по карьере. С карьерным консультантом вы сформируете план действий по достижению цели.
Поможем выйти на работу в зарубежную компанию — у наших HR-специалистов есть опыт подбора персонала на рынках США, Европы, Азии.
Познакомим с представителями компаний-работодателей. Узнаете, каких кандидатов предпочитают и что сделать, чтобы попасть в компанию мечты.
Научим проходить интервью с IT-рекрутерами и HR-менеджерами.
Получите обратную связь и поймете, как перейти на следующий этап отбора.
Здесь начинающие специалисты:
В нашем карьерном сообществе 9000+ студентов и выпускников
  • Знакомятся с трендами и перспективами IT-рынка
  • Узнают о карьерных мероприятиях и вакансиях наших компаний-партнеров
  • Объединяются в команды для участия в хакатонах и ищут единомышленников для собственных проектов
  • Обмениваются опытом трудоустройства: делятся тестовыми заданиями и вопросами технических интервью
компаний работают с нами на постоянной основе
> 200
81 %
Это консультанты и карьерные коучи с узкой специализацией и опытом 10+ лет в HR и IT-рекрутинге в России и за рубежом
С вами будет работать команда из 40+ профессионалов в области карьеры
71 %
наших студентов получили новую работу или повышение на старой
студентов после ревью резюме Центром карьеры работодатели пригласили на собеседование

Как изменилась жизнь студентов после обучения

4,6
432 отзыва
4,8
4,6
78
%
298 отзывов
172 оценки
235 отзывов

Студенты рекомендуют нас

SkillFactory — узкоспециализированная школа: мы учим Data Science, аналитике данных и программированию
Фокус на инженерных специальностях помогает постоянно наращивать экспертизу и совершенствовать наши курсы.
9 из 10
именно так оценивают наши студенты качество учебных материалов и менторскую поддержку
Гибкий формат обучения для тех, кто работает
Обучение онлайн из любой точки в удобном для вас графике
Разные форматы обучения для максимальной эффективности
Авторские программы от экспертов из крупных IT-компаний
Опытные менторы-практики из IT-индустрии дают подробную обратную связь и помогают усваивать материал

Эффективный формат онлайн-обучения

Занимайтесь в своем темпе

Наши курсы ориентированы на тех, кто работает и хочет сам регулировать нагрузку. Занимайтесь без отрыва от работы и выделяйте на учебу столько времени, сколько есть прямо сейчас (15 минут или 2 часа в день).

20% обучения — интересная и важная теория

Теория разбита на короткие блоки, после которых обязательно идет практика.

Вы смотрите короткие видео, изучаете текстовые материалы и приступаете к заданиям, чтобы закрепить знания.

80% обучения — практика в разных форматах

Для развития навыков у нас есть 5 видов практики: тренажеры, тесты, домашние задания, проекты и хакатоны. Разнообразие форматов помогает усваивать знания максимально эффективно.

Менторы и координаторы помогут дойти до конца

Все менторы — опытные практики из IT-индустрии. Они дают качественную обратную связь на задания, отвечают на вопросы и помогают студенту достичь своих целей во время обучения. Выпускники оценивают менторскую поддержку на 9,1 балла из 10.

Координаторы постоянно на связи, чтобы решить любой организационный вопрос. Их задача — мотивировать студентов и помочь пройти курс до конца.

Фокус на подготовке к трудоустройству

Вы тренируетесь на кейсах компаний, а также делаете проекты для реальных заказчиков в команде. Помогаем оформить резюме и подготовиться к собеседованиям.

Лучших студентов рекомендуем по накопленной базе работодателей. На стажировках в компаниях-партнерах вы отработаете навыки и пообщаетесь с потенциальными работодателями.
Не важно, сколько вам лет и какой у вас опыт, — вы справитесь.
Просто следуйте программе обучения.
БАЗА
На этом этапе вы изучите основы программирования на Python, научитесь предобрабатывать и анализировать данные, а также познакомитесь с основными задачами дата-сайентиста.

Программа курса
«Профессия Data Science»

Введение

1 неделя
Вы сможете сформулировать для себя реальные цели обучения, узнаете, в чем ценность DS для бизнеса, познакомитесь с основными задачами дата-сайентиста и разберетесь, как строится разработка любого DS-проекта.
  • INTRO-1. Как учиться эффективно — онбординг в обучение
  • INTRO-2. Обзор профессии. Типы задач в Data Science. Этапы и подходы к разработке Data Science проекта

Проектирование разработки

5 недель
Вы научитесь работать с основными типами данных с помощью языка Python и сможете применять в повседневной работе циклические конструкции, условные операторы и функции.
  • PYTHON-1. Основы Python
  • PYTHON-2. Погружение в типы данных
  • PYTHON-3. Условные операторы
  • PYTHON-4. Циклы
  • PYTHON-5. Функции и функциональное программирование
  • PYTHON-6. Практика
  • PYTHON-7. Гид по стилю в среде Python (бонусный)

Работа с данными

8 недель
На этом этапе вы овладеете базовыми навыками работы с данными: научитесь подготавливать, очищать и преобразовывать данные так, чтобы они были пригодны для анализа. Кстати, об анализе: вы будете анализировать данные с помощью популярных библиотек Matplotlib, Seaborn, Plotly.
  • PYTHON-8. Инструменты Data Science
  • PYTHON-9. Библиотека NumPy
  • PYTHON-10. Введение в Pandas
  • PYTHON-11. Базовые приемы работы с данными в Pandas
  • PYTHON-12. Продвинутые приемы работы с данными в Pandas
  • PYTHON-13. Очистка данных
  • PYTHON-14. Визуализация данных
  • PYTHON-15. Принципы ООП в Python и отладка кода (дополнительный модуль)
  • Проект 1. Аналитика датасета по закрытым вопросам

Подгрузка данных

6 недель
Вы сможете выгружать данные из разных форматов и источников. А поможет вам в этом SQL — язык структурированных запросов. Вы научитесь использовать агрегатные функции, соединения таблиц и сложные объединения.
  • PYTHON-16. Как выгружать данные из файлов разных форматов
  • PYTHON-17. Получение данных из веб-источников и API
  • SQL-0. Привет, SQL!
  • SQL-1. Основы SQL
  • SQL-2. Агрегатные функции
  • SQL-3. Соединение таблиц
  • SQL-4. Сложные объединения
  • Проект 2. Подгрузка новых данных. Уточнение анализа

Статистический анализ данных

7 недель
Разведывательный анализ данных (EDA) — вот, что окажется в центре вашего внимания. Вы познакомитесь со всеми этапами такого анализа и научитесь проводить его с помощью библиотек Statsmodels, Scikit Learn, Seaborn, Matplotlib, SciPy, Pandas. Кроме того, вам удастся поработать на Kaggle, популярном сервисе по участию в соревнованиях.
  • EDA-1. Введение в разведывательный анализ данных. Алгоритмы и методы EDA
  • EDA-2. Математическая статистика в контексте EDA. Типы признаков
  • EDA-3. Проектирование признаков (Feature Engineering)
  • EDA-4. Статистический анализ данных на Питоне
  • EDA-5. Статистический анализ данных на Питоне. Часть 2
  • EDA-6. Проектирование экспериментов
  • EDA-7. Площадка Kaggle
  • Проект 2

Введение в машинное обучение

9 недель
Вы познакомитесь с ML-библиотеками для моделирования зависимостей в данных. Вы сможете обучить основные виды ML-моделей, провести валидацию, интерпретировать результаты работы и выбрать важные признаки (feature importance).
  • ML-1. Теория машинного обучения
  • ML-2. Обучение с учителем: регрессия
  • ML-3. Обучение с учителем: классификация
  • ML-4. Обучение без учителя: кластеризация и техники снижения размерности
  • ML-5. Валидация данных и оценка модели
  • ML-6. Отбор и селекция признаков
  • ML-7. Оптимизация гиперпараметров модели
  • ML-8. ML Cookbook
  • Проект 3. Задача классификации
ОСНОВНОЙ БЛОК
Линейная алгебра, математический анализ, дискретная математика — звучит страшно, но не пугайтесь: разберем все эти предметы и научим с ними работать! На втором этапе вы погрузитесь в математику и основы машинного обучения, узнаете больше о профессиях DS, а также благодаря профориентации выберете трек обучения второго года.

Математика и машинное обучение. Часть 1

6 недель
Вы сможете решать практические задачи с помощью ручного счета и Python (векторные и матричные вычисления, работа с множествами, исследование функций с помощью дифференциального анализа).
  • MATH&ML-1. Линейная алгебра в контексте Линейных методов. Часть 1
  • MATH&ML-2. Линейная алгебра в контексте Линейных методов. Часть 2
  • MATH&ML-3. Математический анализ в контексте задачи оптимизации. Часть 1
  • MATH&ML-4. Математический анализ в контексте задачи оптимизации. Часть 2
  • MATH&ML-5. Математический анализ в контексте задачи оптимизации. Часть 3
  • Проект 4. Задача регрессии

Математика и машинное обучение. Часть 2

6 недель
Вы познакомитесь с основными понятиями теории вероятности и математической статистики, алгоритмами кластеризации, а также научитесь оценивать качество произведенной кластеризации и представлять результаты в графическом виде.
  • MATH&ML-6. Теория вероятностей в контексте наивного байесовского классификатора
  • MATH&ML-7. Алгоритмы на основе деревьев решений
  • MATH&ML-8. Бустинг & Стекинг
  • MATH&ML-9. Кластеризация и техники снижения размерности. Часть 1
  • MATH&ML-10. Кластеризация и техники снижения размерности. Часть 2
  • Проект 5. Ансамблевые методы

ML в бизнесе

8 недель
Вы научитесь использовать ML-библиотеки для решения задачи временных рядов и рекомендательных систем. Вы сможете обучить ML-модель и провести ее валидацию, а также создать работающий прототип и запустить модель в веб-интерфейсе. А еще получите навыки A/B-тестирования, чтобы можно было оценить модель.
  • MATH&ML-11. Временные ряды. Часть 1
  • MATH&ML-12. Временные ряды. Часть 2
  • MATH&ML-13. Рекомендательные системы. Часть 1
  • MATH&ML-14. Рекомендательные системы. Часть 2
  • PROD-1. Подготовка модели к Production
  • PROD-2. Прототип Streamlit+Heroku
  • PROD-3. Бизнес-понимание. Кейс
  • Проект 6. Тема на выбор: временные ряды или рекомендательные системы
УРОВЕНЬ PRO
На третьем этапе вы познакомитесь с одним из методов машинного обучения — глубоким обучением (DL). А также вас ждет полноценный блок выбранной специализации: вы можете освоить навыки машинного обучения (ML), познакомиться с рутиной CV (компьютерного зрения).
Второй год обучения — 2 специализации на выбор

Профориентация

10 недель
ML или CV: на этом этапе вам наконец предстоит сделать выбор, по какому пути двигаться дальше. Мы расскажем о каждой специализации и предложим решить несколько практических задач, чтобы вам было проще определиться.

Трек ML Engineer

29 недель
В ML-треке вы научитесь решать углубленные задачи машинного обучения, овладеете компетенциями дата-инженера, отточите навык работы с библиотеками Python. Также вы научитесь создавать MVP (минимально жизнеспособную версию продукта), узнаете все тонкости вывода ML-модели в продакшн и узнаете, как работают ML-инженеры в реальной жизни.
  • Введение в Deep Learning
  • Основы Data Engineering
  • Дополнительные главы Python и ML
  • Экономическая оценка эффектов и разработка MVP
  • ML в Production
  • Углубленное изучение ML-разработки и выпускной проект по выбранной теме

Трек CV Engineer

29 недель
На CV-треке вы научитесь решать такие задачи компьютерного зрения, как классификация изображений, сегментация и детекция, генерация и стилизация картинок, восстановление и повышение качества фотографий. Кроме того, вы узнаете, как выкатывать нейронные сети в продакшн.
  • Введение в Deep Learning
  • Основы Data Engineering
  • Дополнительные главы Python и ML
  • Экономическая оценка эффектов и разработка MVP
  • ML в Production
  • Углубленное изучение ML-разработки и выпускной проект по выбранной теме

Deep Learning и нейронные сети

БОНУС
Где применяются нейросети? Как обучить нейронную сеть? Что такое Deep Learning? Ответы на эти вопросы вы узнаете в бонусном разделе DL.

Введение в Data Engineering

БОНУС
Вы узнаете, в чем различие ролей дата-сайентиста и дата-инженера, какими инструментами пользуется последний в своей работе, какие задачи ежедневно решает. Слова «снежинка», «звезда» и «озеро» обретут новые значения :)

Александр Журавлев

Минск
Всех приветствую. Меня зовут Александр. Я живу в городе Минске. Больше 20 лет я работаю врачом.

Екатерина Тарасевич

Санкт-Петербург
Всем привет, меня зовут Екатерина. Мне 29 лет. И я живу в городе Санкт-Петербурге.

Марина Чигарева

Москва
Здравствуйте. Я Марина. Живу в Москве. Работаю главным бухгалтером.

Дмитрий Анпилогов

Саратов
Всем привет. Я Дмитрий из города Саратова. Уже 25 лет директор турагентства.

Валентин Шунайлов

Челябинск
Добрый день. Меня зовут Валентин. Я из города Челябинска.

Долговская Виктория

Каменск-Уральский
Добрый день, меня зовут Виктория. В настоящий момент я проживаю в городе Каменск-Уральский.

Валентин Ветюков

Всем привет. Меня зовут Валентин. Живу и работаю в Москве.
Москва

Антон Пальшин

Калининград
Всем привет. Меня зовут Антон. Живу в Калининграде. Работаю комплектовщиком.

Николай Шумаков

Москва
Привет. Меня зовут Николай, и я являюсь студентом Skillfactory по программе фронтенд-разработчик.
53 года, Москва
Привет. Меня зовут Алексей Журавлев. Я генеральный директор агентства Универсальный менеджмент.

Татьяна Мирко

30 лет, Москва
Добрый день. Я маркетолог. Учусь в Skillfactory по специальности фронтенд-разработчик.

Ника Гвенетадзе

Москва
Привет, меня зовут Ника. Живу я в Москве, а работаю руководителем производства.

Андрей Шевченко

34 года, Рига
Всем привет. Меня зовут Андрей. Живу в Риге. Работаю специалистом по кибербезопасности.

Ольга Шутылева

Харьков
Привет. Меня зовут Ольга. Живу в Харькове. Работаю на госслужбе.

Аркадий Хазанов

Набережные Челны
Привет. Меня зовут Аркадий. Я бариста.

Александра Быстрова

Привет. До начала обучения в Skillfactory я работала в сфере коммуникаций и клиентского сервиса.
27 лет, Москва

Сергей Димов

34 года, Абакан
Привет. Меня зовут Сергей. Я учусь в Skillfactory на курсе full-stack разработчик на JavaScript вот уже 2 месяца.

Артем Белоконский

Киев
Добрый день. Меня зовут Артем Белоконский. Я из Украины, из Киева.

Александра Олейник

Всем привет. Я Саша. Я прохожу курс «Профессия Data Science».

Отзывы студентов о курсе

Преподаватели и авторы курса

Алек Леков - ведущий автор программы курса Data Science
Ведущий автор программы
Senior ML Engineer, МТС

Алек Леков

Основные компетенции: временные ряды, Deep Learning и нейронные сети.
Занимается консалтингом в сфере AI
Эмиль Магеррамов - Ведущий автор разделов ML и DS

Эмиль Магеррамов

Руководитель группы вычислительной химии в BIOCAD.
Создает сервисы и модели машинного обучения, которые помогают химикам быстрее выпускать лекарства
Ведущий автор разделов ML и DS
Маргарита Бурова - Эксперт по Data Science

Маргарита Бурова

Эксперт по Data Science
Компетенции: Python, машинное обучение, статистика, анализ данных
Ведущий автор раздела MATH&ML
Юлия Мочалова - Эксперт по Data Science

Юлия Мочалова

Эксперт по Data Science
Компетенции: DS(ML), DE, Big Data
Автор раздела курса
Преподаватели и авторы
Михаил Баранов - Эксперт по Data Science
Автор раздела курса

Михаил Баранов

Эксперт по Data Science.
Компетенции: машинное обучение, большие данные, Python
Александр Рыжков - Руководитель команды LightAutoML Kaggle Grandmaster

Александр Рыжков

Руководитель команды LightAutoML
Kaggle Grandmaster.
Компетенции: ML/DS, Python, математика, статистика, Kaggle
Автор раздела про KAGGLE
Екатерина Трофимова - Исследователь лаборатории методов анализа больших данных, факультет компьютерных наук НИУ ВШЭ.

Екатерина Трофимова

Исследователь лаборатории методов анализа больших данных, факультет компьютерных наук НИУ ВШЭ.
Компетенции: Python, PyTorch, CV, GNN
Автор модулей по EDA
Антон Киселев - Head of Marketing Analytics, Playrix.

Антон Киселев

Head of Marketing Analytics, Playrix.
Эксперт по данным с опытом 15+ лет.
Компетенции: Data Science
ведущий автор раздела «Введение в DS»
Андрей Рысистов - Эксперт DS, преподаватель Skillfactory, автор курсов, автор и соавтор нескольких научных исследований и работ.

Андрей Рысистов

Эксперт DS, преподаватель Skillfactory, автор курсов, автор и соавтор нескольких научных исследований и работ.
Сфера интересов — искусственный интеллект в авиационных технических системах
Автор модулей по Python и ML
Мария Жарова - Стажер в команде ML Циан + ментор SF
Data Scientist в Wildberries

Мария Жарова

Владимир Горюнов - Ментор SkillFactory на курсах Data Science, Data Engineering и Fullstack-разработчик на Python

Владимир Горюнов

Ментор SkillFactory на курсах Data Science, Data Engineering и Fullstack-разработчик на Python
Елена Мартынова - Ментор SkillFactory

Елена Мартынова

Компетенции: BI, SQL, Python, аналитика
Ментор SkillFactory
Леонид Саночкин - Ментор по NLP

Леонид Саночкин

Научный сотрудник AIRI.
10+ лет занимается исследованиями в области NLP
Ментор по NLP
Менторы

Ваше резюме после курса

Python
SQL
Plotly
Seaborn
NumPy
Pandas
API
Matplotlib
Github
Kaggle
Hadoop
Иван Петров
Data Scientist
170 000 ₽
Использую основные алгоритмические конструкции и структуры данных Python для проектирования алгоритмов

Умею получать данные из веб-источников или по API

Умею визуализировать данные с помощью Pandas, Matplotlib

Умею создавать модели с помощью классического машинного и глубокого обучения для решения задач Data Science

Умею оценивать качество модели вне зависимости от задачи

Применяю методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных

Строю математические и ML-модели с использованием временных рядов

Применяю алгоритмы для рекомендательных систем (от ассоциативных правил до advanced-алгоритмов)

Специализируюсь на ML/CV/NLP-инженерии (в зависимости от выбранной специализации), применяю современные продвинутые модели для решения отдельных задач

Умею конвертировать бизнес-задачи в технические и наоборот

Умею выводить и поддерживать модели в Production с учетом специфики выбранной специализации

Обладаю дополнительными компетенциями в зависимости от выбранного майнора (продвинутый SQL, продвинутый Python, Reinforcement Learning или Data Engineering)
Инструменты:
Высокоуровневый, эффективный, простой и универсальный язык программирования. У него интуитивно понятный синтаксис, поэтому подходит для изучения новичкам.
Структурированный язык запросов, созданный, чтобы получать из базы данных необходимую информацию.
Библиотека с открытым исходным кодом для Python и R, которая подходит для создания красивых и интерактивных визуализаций.
Библиотека для визуализации данных в Python, которая интегрируется со структурами данных из Pandas. Позволяет строить разные статистические графики.
Это библиотека Python, которую применяют для математических вычислений — от базовых функций до линейной алгебры.
Библиотека Python для обработки и анализа структурированных данных. Панельными данными называют информацию, полученную в результате исследований и структурированную в виде таблиц.
Способ обмена информацией между сайтами, программами и приложениями. Можно сказать, что это набор правил, по которым осуществляется такой обмен.
Библиотека на языке Python для визуализации данных. В ней можно построить двумерные и трехмерные графики.
Сервис для совместной разработки и хостинга проектов. C его помощью над кодом может работать неограниченное количество программистов из разных стран.
Сервис для специалистов по Data Science. В нем можно изучать машинное обучение, писать свои и разбирать чужие прогнозные модели, участвовать в соревнованиях и общаться с дата-сайентистами.
Это программная платформа для сбора, хранения и обработки больших объемов данных. Проще говоря, это база данных (database), предназначенная для работы с большими данными (Big Data).
7 000+
человек уже прошли обучение у нас
Присоединяйтесь!
Сертификат об успешном окончании курса «Профессия: Data Scientist». Текст сертификата может быть переведен на английский язык (по желанию).

Ресурсы для трудоустройства
Вы сможете общаться в нашем карьерном чате и будете знать, где искать лучшие вакансии, заказы и актуальную информацию о рынке труда.

Нетворкинг
Выпускники и эксперты остаются на связи после окончания курса: находят полезные контакты и обмениваются личным опытом в закрытом сообществе.
сертификат по окончании курса Data Scientist
По окончании дополнительной профессиональной программы выдается диплом о профессиональной переподготовке установленного образца
диплом по окончании курса Data Scientist
Школа Skillfactory ведет образовательную деятельность на основании государственной бессрочной лицензии на образовательную деятельность №Л035−1 298−77/180 625 от 15.12.2020 г.

Базовый

Оптимальный

VIP

5490 ₽ /мес.
Самый популярный
8290 ₽ /мес.
17 990 ₽ /мес.
При рассрочке на 36 мес.
При рассрочке на 36 мес.
При рассрочке на 36 мес.
9150 ₽ /мес.
13 817 ₽ /мес.
29 983 ₽ /мес.
Менторы отвечают на вопросы по темам курса в мессенджере
Координаторы помогают в обучении, решают технические проблемы
Интерактивные вебинары
Доступ к материалам курса навсегда
Центр карьеры
карьерная консультация
ревью резюме
карьерный клуб
сообщество с вакансиями
рассылка резюме по партнерам
12 часов индивидуальных консультаций с ментором
Дополнительная карьерная консультация
Тестовое техническое собеседование с экспертом
•‎
•‎
•‎
•‎
•‎
•‎
•‎
•‎
Все опции базового и оптимального тарифа
Персональные консультации с менторов 1 раз в неделю на протяжении всего курса
Реализация личного/рабочего проекта с экспертом
•‎
•‎
•‎
•‎
Все опции базового тарифа
Наш менеджер свяжется с вами и проконсультирует по наиболее подходящим условиям

Выберите тариф
и запишитесь на курс

12 : 10 : 44 : 16
40%
скидка
дней
часов
минут
секунд
бонусный мини-курс Data Engineer
•‎
бонусный мини-курс SQL-pro
•‎
•‎
бонусный мини-курс Data Engineer
•‎
бонусный мини-курс SQL-pro

Стоимость курса

-41%
-42%
-43%

Отзывы студентов курса

Прохожу двухгодичный курс по Data Science с нуля. Курс выстроен очень логично, материал изложен максимально понятно, но нет такого, что все делают за студента. Менторы очень адекватные и мотивирующие, ни разу не столкнулась с некорректным поведением…
Елена
Попробовать себя в программировании я решила недавно. Чтобы не затягивать процесс обучения, пошла на курс Skillfactory по Data Science. Здесь подробно и интересно объясняется материал, для любопытных есть дополнительные источники. Помимо практической части…
diana
Выбрала курс по Data Science, потому что работаю с базой данных университета, веду статистику, ищу методы упрощения и автоматизации собственной работы. Курс информативный, материал объясняется доступным языком. Сейчас я прошла всего 10% курса…
kotik_1397
Мне 42 года, раньше я ходил в море и хорошо зарабатывал. Но вот решил поменять образ жизни и род деятельности. И так как был уверенным пользователем ПК, решил выбрать IT-профессию. Выбрал Skillfactory и не жалею. Учусь уже полгода по специальности Data Scientist…
evgen230881
Прохожу двухгодичный курс по Data Science с нуля. Материал изложен максимально понятно. Видеолекции приятно слушать, хороший преподаватель! Над некоторыми задачами надо поломать голову, хотя, может, это из-за того что у меня практически нет опыта в данной теме…
Сергей
Курсом «Профессия Data Scientist» доволен. Через год обучения я получил должность IT-аналитика. Отмечу несколько моментов. Если вы не готовы трудиться даже тогда, когда не хочется или тяжело, начните с психолога, потом покупайте любые курсы, поступайте в университеты…
dangennadevich
Плюсы:
1. Курс полноценный, много нового и интересного
2. Удобная платформа, учеба из дома
3. Есть менторы, которые быстро отвечают и помогают...
Ксения
Обучаюсь по программе «Профессия Data Scientist» с дополнительной программой по Data Engineering.
Программа длится 2 года.
Павел Новиков

Часто задаваемые вопросы

Взаимодействие с участниками разных направлений, которое способствует развитию soft skills.
• Включаем в курсы задачи и вопросы из реальных собеседований
• Проводим онлайн-тренировки технических собеседований
• Помогаем составить резюме
Во время обучения студенты решают настоящие практические задачи и тренируются на настоящих кейсах.
Определенные направления подготовки дают возможность получить реальный стаж и опыт
Студенты отрабатывают навыки на практике и могут пообщаться с потенциальными работодателями.
Data Science (наука о данных) — это раздел компьютерной науки, связанный с данными: их сбором, обработкой, анализом и поиском эффективных решений на его основе.
Хакатон — это соревнование, в котором команды создают на время прототип мобильного приложения, веб-сервиса или другого продукта для решения проблемы, с которой столкнулся заказчик. Понятие образовано от слов hack и marathon. В переводе с английского hackathon — это «марафон для хакеров».
Python — это высокоуровневый язык программирования, отличающийся эффективностью, простотой и универсальностью использования. Он широко применяется в разработке веб-приложений и прикладного программного обеспечения, а также в машинном обучении и обработке больших данных.
Pandas — это библиотека Python для обработки и анализа структурированных данных, её название происходит от «panel data» («панельные данные»). Панельными данными называют информацию, полученную в результате исследований и структурированную в виде таблиц.
Keras — это библиотека для языка программирования Python, которая предназначена для глубокого машинного обучения. Она позволяет быстрее создавать и настраивать модели — схемы, по которым распространяется и подсчитывается информация при обучении.
NumPy — это библиотека Python, которую применяют для математических вычислений: начиная с базовых функций и заканчивая линейной алгеброй. Полное название библиотеки — Numerical Python extensions, или «Числовые расширения Python».
Deep learning (глубокое обучение) — это вид машинного обучения с использованием многослойных нейронных сетей, которые самообучаются на большом наборе данных.
SQL (от англ. Structured Query Language) — это структурированный язык запросов, созданный для того, чтобы получать из базы данных необходимую информацию.
Спам — это массовая рассылка рекламных или информационных писем пользователям без их согласия на это.
Онлайн и офлайн — это два состояния человека или программы: подключены к интернету или нет. Дословно онлайн (online) означает «на линии» или «на связи». А офлайн (offline) — «не на линии» или «вне сети».
Matplotlib — это библиотека на языке Python для визуализации данных. В ней можно построить двумерные (плоские) и трехмерные графики.
Seaborn — это мощная и гибкая библиотека визуализации данных для Python, строящая свою работу поверх библиотеки Matplotlib.
SQL (от англ. Structured Query Language) — это структурированный язык запросов, созданный для того, чтобы получать из базы данных необходимую информацию.
Математическая статистика — наука, которая разрабатывает математические методы систематизации и применения статистических данных для практических и научных выводов.
Валидация HTML-разметки — это проверка кода веб-страницы на соответствие стандартам Консорциума Всемирной паутины (World Wide Web Consortium, W3C).
Streamlit — это фреймворк для языка программирования Python. Он содержит набор программных инструментов, которые помогают перенести модель машинного обучения в веб.
Heroku — облачная мультиязычная платформа как услуга (PaaS), основанная на управляемой контейнерной системе, с интегрированными службами передачи данных и развитой экосистемой для развертывания и запуска приложений.
MVP — это Minimum Viable Product, минимально жизнеспособный продукт. Так называется продукт, который еще не готов до конца, но который тем не менее уже можно выпускать на рынок.