Высокие стандарты качества
в производстве композитных конструкций
jsprav-7243575bfb0d1a1b87ccc1f77021eeb877fc62f7
spravker-1e6a8b840c7cace21322a0e9939f6ffd996c1344
Курс Data Science для начинающих
Реальные задачи и проекты, разбор алгоритмов и методов машинного обучения, пробное собеседование
FAQ
Записаться
< Старт: 22 января >
Анастасия Никулина
Curiosity about life in all its aspects, I think, is still the secret of great creative people.
количество мест ограничено, старт 6-го потока: 22 января
//
< Длительность: 8 месяцев >
< Уровень: С нуля >
< Детальнее о курсе >
О курсе
С каждым годом растет число вакансий по машинному обучению, курсов, которые помогают вам приобрести знания в данной сфере, но и параллельно растет конкуренция. Чтобы оставаться конкурентным, повысить свои шансы на получение работы в Data Science, вы должны знать, что сейчас актуально, какие требования у компаний к специалистам
Данный курс поможет вам обрести базис, понимание, как работают алгоритмы, что находится у них «под капотом», в каких случаях применять тот или иной метод, также он поможет вам применять полученные знания для собственного проекта, если вы хотите использовать машинное обучение, оставаясь на текущем месте работы
Прочитать полностью
Подойдет для начинающих: если вы хотите освоить машинное обучение, не важно, в какой сфере вы до этого работали. Необходимы базовые знания математического анализа: производные и интегралы
Для кого
< 01. >
Знания, как работают алгоритмы машинного обучения
Практика на реальных данных
Собственный pet-project
Что получаете
Помогаем грамотно составить резюме. Проведем тестовое собеседование. Рекомендуем выпускников компаниям-партнерам
Трудоустройство
Ваше резюме после курса
< 02. >
< 03. >
< Cпециалисты в своем деле >
Преподаватели
1/5
Наши преподаватели поделятся основными фишками, как учить материал, проведем митапы, чтобы лучше разобраться, как устроены алгоритмы, поработаем над soft-skills, а такжесделаем предварительное собеседование с актуальными вопросами на позицию Data Scientist
Анастасия Никулина
Автор канала про машинное обучение на YouTube
*
Преподаватель CEO & Founder PyMagic
*
Ex DS Росбанк, OMD, МТС
*
< Cпециалисты в своем деле >
Преподаватели
2/5
Наши преподаватели поделятся основными фишками, как учить материал, проведем митапы, чтобы лучше разобраться, как устроены алгоритмы, поработаем над soft-skills, а такжесделаем предварительное собеседование с актуальными вопросами на позицию Data Scientist
Евгений Разинков
Руководитель AI-отдела в FIX LLC
*
Преподаватель курса к.ф.-м.н.
*
CSO в Pr3vision Technologies Inc.
*
Лекции по AI: video.razinkov.ai
*
< Cпециалисты в своем деле >
Преподаватели
3/5
Наши преподаватели поделятся основными фишками, как учить материал, проведем митапы, чтобы лучше разобраться, как устроены алгоритмы, поработаем над soft-skills, а такжесделаем предварительное собеседование с актуальными вопросами на позицию Data Scientist
Юлия Морозова
Ex IT Recruiter ANCOR, HR Manager QIWI
*
Преподаватель курса HR Generalist RQC
*
Фрилансер IT-рекрутер, карьерный консультант
*
< Cпециалисты в своем деле >
Преподаватели
4/5
Наши преподаватели поделятся основными фишками, как учить материал, проведем митапы, чтобы лучше разобраться, как устроены алгоритмы, поработаем над soft-skills, а такжесделаем предварительное собеседование с актуальными вопросами на позицию Data Scientist
Айдар Валеев
Аспирант в Innopolis University
*
Преподаватель курса
NLP Data Scientist в EORA
*
< Cпециалисты в своем деле >
Преподаватели
5/5
Наши преподаватели поделятся основными фишками, как учить материал, проведем митапы, чтобы лучше разобраться, как устроены алгоритмы, поработаем над soft-skills, а такжесделаем предварительное собеседование с актуальными вопросами на позицию Data Scientist
Антон Вахрушев
Преподаватель курса Kaggle Competitions Grandmaste
*
Lead ML Engineer центра ML инструментов
*
< Не просто программа >
Качественные знания и реальные задачи
Курс поможет в приобретении сильной и качественной базы в области машинного обучения. На курсе вы будете решать практические задачи на реальных данных. Также разберемся, какие результаты для компании дают ML модели, как проводится A/B тестирование, и познакомим вас с NLP и Deep learning
< Что вы изучите на курсе >
Программа
Кликните на +, чтобы раскрыть нужную тему
Основы Python
SQL
Математический анализ
Линейная алгебра
Статистика
А/Б тестирование
Теория вероятностей
Методы оптимизации
Что такое Python?Основные структуры данных и типы переменныхAnaconda & Jupyter NotebookУсловияЦиклыФункциональное программированиеОбъектно-ориентированное программированиеАлгоритмы сортировки
Основы синтаксисаСоединение таблицОконные функцииРанжирующие функцииФункции смещения
Векторы и операции над нимиМатрицы и операции над нимиСистемы линейных уравнений (СЛАУ)Методы решения систем линейных алгебраических уравненийМатричные разложенияСингулярное разложение матриц SVD
Графики функцийПредел и производнаяЗадача нахождения экстремумаИнтегралГрадиент
ВведениеОсновные статистические критерииМощность и корректностьЧто нужно знать перед запуском теста?Метод повышения чувствительности CUPED
Градиентный спускСтохастический градиентный спуск
Основные определенияСвойства вероятностиУсловная вероятностьФормула полной вероятности и Теорема БайесаЭлементы комбинаторики
Машинное обучение. Введение
Способы борьбы с переобучением
Линейные алгоритмы
Деревья
Что такое Data Science и для чего он нужен?Подробный процесс разработки моделейРазведочный анализ данных (exploratory data analysis, EDA)Визуализация: библиотеки и методыОбучение с учителемОбучение без учителяПреобразования признаковМетоды масштабирования признаковКодирование категориальных признаков
Решающие деревьяПостроение деревьевКритерии информативностиКритерий информативности для регрессииКритерий информативности для классификацииЭнтропийный критерий информативностиКритерий остановаСтрижка деревьевКомпозиции деревьевБутстрапБэггингСлучайные лесаОпределение бустингаГрадиентный бустингXGBoost
Метрические алгоритмы
Байесовские модели
Кластерный анализ
NLP
Naive Bayes
Метод k-ближайших соседейМетрики
Метрики качества кластеризацииK-meansГрафовые методы. Spectral ClusteringИерархическая кластеризацияDBSCANМетод главных компонент PCA
Deep Learning
Kaggle
Kaggle-соревнования - как участвовать в них эффективнее?Ключевые моменты, на которые нужно обратить внимание на старте соревнованияПродумывание и подготовка скелета пайплайна решенияНаращиваем «мясо» на скелет - на что делать акцент, как искать инсайты?Объединение в команду - баг или фича?Дилемма выбора финальных решений
В чем отличия от классического ML?Почему это стало возможным?Преимущества глубокого обученияСферы примененияКлючевые компоненты алгоритма глубокого обученияОсновные глубокие архитектурыПодход к изучению: что должен знать специалист по DL?
Введение ML в production
Трудоустройство
Составление резюме и сопроводительного письмаЗалог успешной самопрезентацииГде искать вакансии и как выходить напрямую в компании
Ансамблирование/стекинг/блендинг/
БлендингСтэкинг
Линейная регрессияМетод максимального правдоподобияМетрики качества в задачах регрессииЛинейные алгоритмы. КлассификацияЛинейный классификаторОшибка в задачах классификации. Функция потерьSVM. Нелинейные ядраСпрямляющие пространстваЛогистическая регрессияМетрики качества в задачах классификации
Основные определенияОписательные статистикиПараметры, характеризующие разбросНормальное распределениеЦентральная предельная теоремаДоверительные интервалыПроверка гипотез. Меры различийПараметрические критерии. Одновыборочный критерий t-СтьюдентаПараметрические критерии. Двухвыборочный критерий t-СтьюдентаНепараметрические критерии. Критерии Манна-УитниКорреляцияКорреляция ПирсонаКорреляция Спирмена
Быстрое погружение в лингвистикуПревращение текста в векторМорфологический анализСравнение текстовЗадачи NLPМашинное обучение на текстахФичи на текстахЗадачи машинного обучения на текстахBest practicesАльтернативные подходы к подготовке фичей на текстахЗадачи выделения фактов
Написание переиспользуемого кодаФорматирование, оптимизация и улучшение кодаREST APIФреймворки FastAPI и StreamlitЧто такое Docker? Основные компонентыDocker ComposeРазвертывание ML проекта в Docker
РегуляризацияОценка работы алгоритмаОтложенная выборкаКросс-валидацияКросс-валидация со стратифицированной выборкой
< От теории к практике >
Трудоустройство
Поможем составить резюме и написать сопроводительное письмо, чтобы выделить вас среди тысячи других кандидатов. Научим грамотно презентовать свои навыки и использовать предыдущий опыт для новой специализации Data Science. Проведет лекцию и проконсультирует HR-эксперт QIWI
Подготовка резюме
Выпускников, которые успешно закончили курс по Образовательной программе, рекомендуем компаниям-партнерам среди которых Сбер, МТС, Ozon, Яндекс, Росбанк и другие
Рекомендации
На всем этапе трудоустройства до момента оффера сопровождаем выпускников, помогаем с разбором ошибок: на какие темы необходимо обратить внимание и как лучше к ним подготовиться, чтобы в дальнейшем увеличить вероятность прохождения собеседования
Сопровождение
Ваше резюме после обучения
< # if знания бесценны == true: print(”go!”) >
Если у вас остались вопросы / хотите оплатить в рассрочку, напишите нам, мы ответим на все ваши вопросы по курсу
Стоимость курса
Скидка 25 500₽ при полной оплате/в рассрочку
Полная оплата
105 900₽
Купить
131 400₽
Оплата в течение 6 месяцев
Помесячно
< Тип оплаты >
21 900₽
Купить
При оплате в рассрочку на 12 месяцев ваша оплата будет
В рассрочку
8 825₽/мес.
Подробнее
Узнать подробнее
< Тип оплаты >
< Тип оплаты >
< Оплата >
Оплата зарубежной картой
Теперь Вы можете оплатить из-за рубежа. Мы принимаем MasterCard, Visa скоро будет доступна.
Оплатить
< Что думают люди >
Отзывы участников
1/11
@statdikansky
студент 1го потока курса по Data Science для начинающих
Отличный курс, Анастасия собрала колоссальное количество материала не только по самим алгоритмам машинного обучения, но и по всем аспектам работы data scientist'a. Отдельно хотелось бы отметить качество лекций и презентаций и индивидуальный подход к проверке заданий. Благодаря подробному фидбеку по домашним заданиям и доступности лекций и презентаций...
Смотреть весь отзыв
< Что думают люди >
Отзывы участников
2/11
@☜MZ☞
студент 1го потока курса по Data Science для начинающих
Летом, когда понял, что хочу попробовать себя в IT и начал проходить курс по питону на степике, встал вопрос об обучении на курсе. Я считаю, что ментор должен быть обязательно, ведь с ним можно пройти тот же путь гораздо быстрее и эффективнее за счёт опыта этого самого ментора Когда узнал о вашем курсе - сразу понял, что это моя остановочка, тк pymagic - это углубленное продолжение...
Смотреть весь отзыв
< Что думают люди >
Отзывы участников
3/11
@Alex_Iksanov
студент 1го потока курса по Data Science для начинающих
Оставлю отзыв о данном курсе.) Сферу DS выбрал не случайно. Было немного аналитики в сфере экологии на предыдущей работе, но в экселе и не в таком большом объеме. Известные «онлайн-универы» для обучения не рассматривал. В общем, ни разу не пожалел о том, что выбрал именно этот курс. Что особенно понравилось: структурированная информация по алгоритмам ML; тестовый собес; помощь...
Смотреть весь отзыв
< Что думают люди >
Отзывы участников
4/11
Марина Шишкова
студент 1го потока курса по Data Science для начинающих
Отзыв) занималась на многочисленных курсах Coursera, stepic, udemy. Есть навивки программирования на Python, работы в sql. Шла на этот курс для того, чтобы все знания сгруппировать, умножить и разложить для себя по полочкам. Данный курс мне очень помог. Хочу похвастаться в период обучения нашла работу аналитика данных. Советую будущим ученикам перед началом ознакомиться с основами Python, тогда будет...
Смотреть весь отзыв
< Что думают люди >
Отзывы участников
5/11
Денис Плотников
студент 1го потока курса по Data Science для начинающих
Занимался у Анастасии на курсах PyMagic на первом потоке. Курсы очень понравились, видно, что для их подготовки была проделана огромная работа! Материал очень качественный, теория подтверждается практикой и примерами из реальных рабочих кейсов. При посещении лекций и прослушивании материала дома, а также выполнении домашних заданий и работы над ошибками, можно очень быстро и глубоко погрузиться в эту сферу...
Смотреть весь отзыв
< Что думают люди >
Отзывы участников
6/11
Дарья Прудникова
студент 2го потока курса по Data Science для начинающих
Курс просто отличный, ни разу не возникло мысли, что оно того не стоит. Структурированные презентации с подробным и понятным изложением материала. Отдельная любовь это ноутбуки после каждой темы, где показано применение теории на реальных данных и имплементация некоторых алгоритмов. Мне кажется, было обработано очень много информации с различных источников и переведено на доступный для начинающих язык...
Смотреть весь отзыв
< Что думают люди >
Отзывы участников
7/11
Марина Панова
студент 2го потока курса по Data Science для начинающих
От всей души пишу данный отзыв о курсе Data Science от PyМagic, так как в существующем многообразии представленных на рынке образовательных программ - очень трудно найти что-то действительно стоящее! Я проходила курс с февраля по август 2022 года - за плечами у меня инженерное образование + опыт работы в строительном секторе (математику изучала в техническом вузе), а вот в программировании была полный ноль. До того...
Смотреть весь отзыв
< Что думают люди >
Отзывы участников
8/11
@khava
студент 2го потока курса по Data Science для начинающих
Выбрала именно этот курс, потому что мне понравился контент Анастасии на ее ютуб канале. В итоге, не пожалела! Конечно, моментами было очень тяжело, но она отвечала на все вопросы и обратная связь была довольно быстрая. И хоть я сдала некоторые дз довольно поздно, и сам проект в том числе, но Анастасия даже после окончания курса помогала мне во всем разобраться. И говоря о проекте, он был очень полезен и весьма помог...
Смотреть весь отзыв
< Что думают люди >
Отзывы участников
9/11
@Roman_M
студент 2го потока курса по Data Science для начинающих
На момент объявления о наборе первого потока, за каналом Анастасии наблюдал около полугода. Первое видео, которое посмотрел было «Основы МАТАНА для Data Science за 15 МИНУТ // 1 Часть обучающих видео». Хотел записаться на первый поток, но по разным обстоятельствам не смог (в основном придумал себе причины из разряда, много работы ничего не буду успевать т.д.). Очень ждал анонс второго потока. Когда состоялся анонс...
Смотреть весь отзыв
< Что думают люди >
Отзывы участников
10/11
Мария
студент 2го потока курса по Data Science для начинающих
Курс просто бомба! Будет понятен всем, даже тем, у кого не было навыков программирования. Очень доступный материал, если что-то не понятно, Анастасия будет объяснять, пока не станет понятно (всем бы ее терпение). Интересно построены сами лекции, где половина занятия - теория, вторая половина - практика. Не все дз получались, но Анастасия, либо ребята на курсе всегда рады помочь. Максимально полезные разбор резюме и...
Смотреть весь отзыв
< Что думают люди >
Отзывы участников
11/11
@Vlada
студент 2го потока курса по Data Science для начинающих
Спасибо большое за все полученные знания и помощь!! Курс мне очень помог. Всё было очень понятно и структурированно. Я пыталась до этого изучать машинное обучение сама, что-то читала, смотрела, но понимания не было. А теперь всё по полочкам разложено. Мне очень понравилось, что на курсе помогают с резюме и поиском работы после него, а так же прямо во время курса в связи с изменениями на рынке были сделаны...
Смотреть весь отзыв
< Рассказываем полезные вещи >
Полезные видео
План обучения Data Science. С чего начать обучение с нуля?
Уроки по Python с НУЛЯ для Data Scientist
< Frequently asked questions >
FAQ
Кликните на +, чтобы открыть ответ на вопрос
Для кого подойдет этот курс?
Как происходит оплата?
Могу ли я вернуть деньги за курс?
Как проходит обучение?
Курс будет полезен как тем, кто только хочет войти в сферу Data Science, изучить основы и устроиться на позицию Junior Data Science/Data Analyst, так и тем, кто хочет изучить машинное обучение для своих профессиональных задач, развивая ту область, где вы сейчас работаете, например в сфере медицины
Какой уровень подготовки требуется для поступления на курс?
Устроюсь ли я на работу после прохождения данного курса?
Зачем я должен платить за курс, если в интернете много бесплатных материалов?
Что будет после прохождения курса, могу ли я задавать вопросы и получать помощь?
Будете ли вы выдавать сертификат о прохождении курса?
Обучение длится 6 месяцев, после которых бесплатно могут получить консультацию выпускники/те кто не успел в срок по их вопросам (в случае если студент оплатил все 6 месяцев), также бесплатно проводится проверка итогового проекта и проведение тестового собеседования (в рамках обучения)
Что, если я не прошел тестовое собеседование? Я не получу сертификат о прохождении курса?
Так как собеседование и называется тестовым, вы можете пройти его с 3-х попыток. Так вы обратите внимание на свои пробелы в знаниях и что самое главное, укрепите свои знания, вы будете уже более уверенны на реальном собеседовании. Если вы не получили сертификат о прохождении курса, это не означает, что вас не возьмут на работу, вам необходимо еще раз повторить материал, заполнить пробелы в знаниях, тогда результат не заставит себя ждать!
Да, сертификат о прохождении курса будет выдаваться, но необходимо, чтобы вы выполнили не менее половины от практических домашних заданий, сделали pet-project, а также успешно прошли тестовое собеседование (более 70% правильных ответов)
Смогу ли я вернуть 13% налога за обучение?
Да, так как мы осуществляем образовательную деятельность на основании лицензии № Л035-01255-50/00638643. Более подробно вы можете прочитать в следующей статье, либо написать нам на почту в разделе "Контакты"
Вы можете оплатить сразу весь курс, либо оплачивать помесячно. Также вы можете взять рассрочку, предварительно оплатив первоначальный взнос, и выплачивать стоимость курса по частям. Более подробно про условия рассрочки
Необходимо иметь базовые знания математического анализа, линейной алгебры, иметь опыт решения интегралов и производных, опыт выполнения операций над матрицами но, если вы этого не помните, ничего страшного, главное, что был опыт решения подобных задач
Обучающийся может оплатить полностью курс, но в течение первых двух недель, если он понял, что курс ему не подходит, может вернуть деньги за непройденные занятия. Если по какой-то причине он выбирает отказаться позднее, чем через 2 недели, то сумма не возвращается. Также обучающийся может оплатить курс помесячно, для первого месяца к нему применимы те же правила, что и выше, также он может пройти половину курса, понять что ему тяжело/не подходит, остановить процесс обучения тем, что просто не будет продолжать оплачивать следующие часы
Как правило, подобный материал не структурирован, вам будет требоваться больше времени на его изучение, к тому же необходим высокий уровень самоорганизации. На курсе есть поддержка преподавателей, вы можете задавать напрямую вопросы тем, кто уже работает в Data Science несколько лет. Самое главное преимущество — это то, что мы готовим вас к реальному собеседованию, проводим митапы, где вы учитесь лучше усваивать материал и доносить его до других, также мы даем вам поработать с реальными данными и задачами, помогаем с pet-project (финальный проект)
Лекции проходят в формате онлайн. Все материалы и видео-лекции будут доступны на платформе zenlass, к которой вы получите доступ после оплаты по почте, которую указали при оплате. Домашние задания вам будет необходимо загружать на платформу, при проверке материала, в вашем файле мы будем оставлять комментарии по решению. Важным моментом является и самостоятельная работа, мы даем в качестве домашнего задания дополнительную литературу, где помогаем на данном этапе учиться работать со сторонней информацией, также вы постепенно учитесь понимать, какие статьи вам необходимо читать среди всего того многообразия, что есть в интернете. Если у вас появляются вопросы, вы можете задавать их на онлайн уроках, а также в Discord, помимо этого можете общаться и с другими учащимися
Если вы успешно пройдете курс и как минимум ответите на большинство вопросов на тестовом собеседовании, то ваши шансы на получение работы кратно увеличатся, далее все будет зависеть от того, насколько вы собраны и глубоко погрузились в материал лекций
Сертификат
Настоящим сертификатом удостоверяется, что Иван Иванов успешно прошел курс «Data Science для начинающих»
 с __.__ 2023 г. по __.__ 2023 г.
Дата выдачи:
№21
Руководитель:
__.__ 2023 г.
Никулина А.А.
© 2023. Все права защищены
ИП Никулина Анастасия Александровна
ОГРНИП 321508100022634
ИНН 862204477980
Лицензия на образовательную деятельность № Л035-01255-50/00638643
Карта сайта
Faq
Правовые документы
Контакты
Анастасия Никулина
Автор канала про машинное обучение на YouTube
*
CEO & Founder PyMagic
*
Ex DS Росбанк, OMD, МТС
*
Преподаватель курса по Data Science. Выпускники курса работают в таких компаниях как Сбер, МТС, Ак Барс Банк, Ozon, Яндекс и других крупных компаниях
С каждым годом растет число вакансий по машинному обучению, курсов, которые помогают вам приобрести знания в данной сфере, но и параллельно растет конкуренция. Чтобы оставаться конкурентным, повысить свои шансы на получение работы в Data Science, вы должны знать, что сейчас актуально, какие требования у компаний к специалистам
Данный курс по Образовательной программе поможет вам обрести базис, понимание, как работают алгоритмы, что находится у них «под капотом», в каких случаях применять тот или иной метод, также он поможет вам применять полученные знания для собственного проекта, если вы хотите использовать машинное обучение, оставаясь на текущем месте работы
Мы подготовили не просто программу по классическому машинному обучению, мы поделимся знаниями, какие результаты для компании дает применение модели ML, посмотрим, как проводятся А/Б тестирование на практике, познакомим вас с NLP и Deep Learning, возможно вы захотите в дальнейшем развиваться в одной из этих интереснейших сфер
Помимо самого материала, подготовим с вами pet-project, поможем со сбором и обработкой данных, поделимся основными фишками, как учить материал, проведем митапы, чтобы лучше разобраться, как устроены алгоритмы, поработаем над soft-skills, а также, что очень важно, сделаем предварительное собеседование с актуальными вопросами на позицию Data Scientist. Это поможет вам в несколько раз увеличить вероятность прохождения собеседования в дальнейшем
< Детальнее о курсе >
О курсе
< Профессиональные навыки >
Использую Python для построения моделей машинного обучения и построения алгоритмических конструкций
*
Владею SQL для написания простых и сложных запросов
*
Применяю методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных
*
Умею визуализировать данные при помощи Pandas, Matplotlib, Seaborn
*
Разбираюсь в классических алгоритмах машинного обучения и применению их на практике
*
Знаю библиотеки: pandas, numpy, matplotlib, seaborn, scikit-learn, xgboost, lightgbm, catboost
*
Умею оценивать качество работы алгоритма
*
Умею применять стеккинг, блендинг и ансамблирование
*
Знаком с основными подходами в NLP, Deep Learning
*
Понимаю основные принципы организации и проведения А/B-тестирования
*
Умею разворачивать ML модель через REST API с UI при помощи Docker (FastAPI, Streamlit)
*
Имя:
Возраст:
Город:
Made on
Tilda