Курс Data Science для начинающих

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

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

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

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

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

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

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)

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)

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, 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"

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)