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:
25 января
Длительность:
24 месяца
Уровень:
с нуля

Курс «Специалист по Data Science» с нуля

онлайн-школа Skillfactory
Присоединитесь к новому потоку или начните учиться в удобное время
03
04
7 из 10 работодателей нанимают людей с опытом

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:
Реальные проекты в портфолио
Участие в стажировках и хакатонах
Шанс получить оффер от компании-заказчика
Опыт работы над проектом в команде
01
02
Поэтому мы придумали Фэктори

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
Это специалист, который 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

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

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.

После наших курсов студенты в среднем зарабатывают 180 000 ₽

Развивайте навыки и растите в цене
Senior-специалист
в иностранной компании
8 000 $
Middle-специалист
180 000 ₽
Junior-специалист
80 000 ₽
Senior-специалист
250 000 ₽
*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.
*подробные условия возврата в правилах акции
А еще мы действительно заботимся о вашем трудоустройстве.

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

CV Engineer — Специалист по компьютерному зрению

  • 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
чем занимается CV Engineer

Начните путь в Data Science уже сейчас

Забронируйте курс со скидкой
до 24 января
скидка
40%
Сопровождаем вас на всем пути, пока не получите тот самый оффер

Центр карьеры

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
наших студентов получили новую работу или повышение на старой
71 %
студентов после ревью резюме Центром карьеры работодатели пригласили на собеседование
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
4,6
4,8
4,6
78
%
432 отзыва
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 :)

Екатерина Тарасевич

Санкт-Петербург

Александр Журавлев

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

Марина Чигарева

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

Дмитрий Анпилогов

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

Валентин Шунайлов

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

Долговская Виктория

Добрый день. Меня зовут Валентин. Я из города Челябинска.
Каменск-Уральский
Добрый день, меня зовут Виктория. В настоящий момент я проживаю в городе Каменск-Уральский.

Антон Пальшин

Калининград

Николай Шумаков

Всем привет. Меня зовут Антон. Живу в Калининграде. Работаю комплектовщиком.
Москва
Привет. Меня зовут Николай, и я являюсь студентом Skillfactory по программе фронтенд-разработчик.
53 года, Москва

Татьяна Мирко

Привет. Меня зовут Алексей Журавлев. Я генеральный директор агентства Универсальный менеджмент.
30 лет, Москва

Ника Гвенетадзе

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

Андрей Шевченко

Привет, меня зовут Ника. Живу я в Москве, а работаю руководителем производства.
34 года, Рига

Ольга Шутылева

Всем привет. Меня зовут Андрей. Живу в Риге. Работаю специалистом по кибербезопасности.
Харьков

Аркадий Хазанов

Привет. Меня зовут Ольга. Живу в Харькове. Работаю на госслужбе.
Набережные Челны
Привет. Меня зовут Аркадий. Я бариста.

Сергей Димов

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

Валентин Ветюков

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

Артем Белоконский

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

Александра Быстрова

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

Отзывы студентов о курсе

Александра Олейник

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

Преподаватели и авторы курса

Автор раздела курса
Эксперт по Data Science
Компетенции: DS(ML), DE, Big Data

Юлия Мочалова

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

Маргарита Бурова

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

Эмиль Магеррамов

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

Алек Леков

Ведущий автор программы
Алек Леков - ведущий автор программы курса Data Science
Преподаватели и авторы
ведущий автор раздела «Введение в DS»
Head of Marketing Analytics, Playrix.
Эксперт по данным с опытом 15+ лет.
Компетенции: Data Science

Антон Киселев

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

Екатерина Трофимова

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

Александр Рыжков

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

Михаил Баранов

Михаил Баранов - Эксперт по Data Science
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
Ментор по NLP
Научный сотрудник AIRI.
10+ лет занимается исследованиями в области NLP

Леонид Саночкин

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

Елена Мартынова

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

Владимир Горюнов

Владимир Горюнов - Ментор SkillFactory на курсах Data Science, Data Engineering и Fullstack-разработчик на Python
Стажер в команде ML Циан + ментор SF

Мария Жарова

Мария Жарова - Стажер в команде ML Циан + ментор SF
Менторы

Ваше резюме после курса

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)
Python
SQL
Plotly
Seaborn
NumPy
Pandas
API
Matplotlib
Github
Kaggle
Hadoop
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 лицензии № 041164

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
Персональный ментор: полное сопровождение в процессе обучения, ответы на любые вопросы по теории и практике, созвоны 1 раз в неделю
Совместный проект с ментором по вашему выбору
•‎
•‎
•‎
•‎
Все опции базового тарифа
Наш менеджер свяжется с вами и проконсультирует по наиболее подходящим условиям
12 : 10 : 44 : 16
40%
скидка
дней
часов
минут
секунд

Выберите тариф
и запишитесь на курс

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…
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…
Елена
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…
diana
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…
kotik_1397
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…
evgen230881
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.