Curiosity about life in all its aspects, I think, is still the secret of great creative people.
количество мест ограничено, старт 7-го потока: сентябрь 2024
//
< Длительность: от 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
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
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
*
Head of ML Competence Center at Wildberries
*
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
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
Преподаватели
< Cпециалисты в своем деле >
*
Фрилансер IT-рекрутер, карьерный консультант
*
Преподаватель курса HR Generalist RQC
*
Ex IT Recruiter ANCOR, HR Manager QIWI
Юлия Морозова
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
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
Преподаватели
< Cпециалисты в своем деле >
*
Lead ML Engineer центра ML инструментов
*
Преподаватель курса Kaggle Competitions Grandmaste
Антон Вахрушев
5/5
< 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
Разведочный анализ данных (exploratory data analysis, EDA)
Визуализация: библиотеки и методы
Обучение с учителем
Обучение без учителя
Преобразования признаков
Методы масштабирования признаков
Кодирование категориальных признаков
Решающие деревья
Построение деревьев
Критерии информативности
Критерий информативности для регрессии
Критерий информативности для классификации
Энтропийный критерий информативности
Критерий останова
Стрижка деревьев
Композиции деревьев
Бутстрап
Бэггинг
Случайные леса
Определение бустинга
Градиентный бустинг
XGBoost
Линейная регрессия
Метод максимального правдоподобия
Метрики качества в задачах регрессии
Линейные алгоритмы. Классификация
Линейный классификатор
Ошибка в задачах классификации. Функция потерь
SVM. Нелинейные ядра
Спрямляющие пространства
Логистическая регрессия
Метрики качества в задачах классификации
Метрические алгоритмы
Байесовские модели
Кластерный анализ
NLP
Naive Bayes
Метод k-ближайших соседей
Метрики
Быстрое погружение в лингвистику
Превращение текста в вектор
Морфологический анализ
Сравнение текстов
Задачи NLP
Машинное обучение на текстах
Фичи на текстах
Задачи машинного обучения на текстах
Best practices
Альтернативные подходы к подготовке фичей на текстах
Задачи выделения фактов
Метрики качества кластеризации
K-means
Графовые методы. Spectral Clustering
Иерархическая кластеризация
DBSCAN
Метод главных компонент PCA
Deep Learning
Kaggle
Kaggle-соревнования - как участвовать в них эффективнее?
Ключевые моменты, на которые нужно обратить внимание на старте соревнования
Продумывание и подготовка скелета пайплайна решения
Наращиваем «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 обучения
Сферы применения
Ключевые компоненты алгоритма глубокого обучения
Основные глубокие архитектуры
Подход к изучению: что должен знать специалист по DL?
Введение ML в production
Трудоустройство
Составление резюме и сопроводительного письма
Залог успешной самопрезентации
Где искать вакансии и как выходить напрямую в компании
Написание переиспользуемого кода
Форматирование, оптимизация и улучшение кода
REST API
Фреймворки FastAPI и Streamlit
Что такое Docker? Основные компоненты
Docker Compose
Развертывание ML проекта в Docker
Ансамблирование/стекинг/блендинг/
Блендинг
Стэкинг
< От теории к практике>
Трудоустройство
Подготовка резюме
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
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
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...
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...
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...
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...
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...
студент 1го 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...
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...
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...
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...
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...
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...
студент 2го потока курса по Data Science для начинающих
@Vlada
11/11
Полезные видео
План обучения Data Science. С чего начать обучение с нуля?
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
Могу ли я вернуть деньги за курс?
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 происходит оплата?
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
Как проходит обучение?
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
Какой уровень подготовки требуется для поступления на курс?
Устроюсь ли я на работу после прохождения данного курса?
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
Зачем я должен платить за курс, если в интернете много бесплатных материалов?
Будете ли вы выдавать сертификат о прохождении курса?
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)
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!
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"
Что будет после прохождения курса, могу ли я задавать вопросы и получать помощь?
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)
Сертификат
Настоящим сертификатом удостоверяется, что Иван Иванов успешно прошел курс «Data Science для начинающих» с __.__ 2024 г. по __.__ 2024 г.
Head of ML Competence Center Wildberries, 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