Научитесь писать код на Python и SQL, строить модели для анализа данных, работать с компьютерным зрением и машинным обучением.
Основы Python и анализа данных. Узнаете основные концепции анализа данных и поймёте, чем занимаются аналитики данных и специалисты по Data Science. А после бесплатной части выберете подходящий формат курса: базовый или расширенный.
Базовый Python. Сравните данные пользователей Яндекс Музыки по городам и дням недели.
Предобработка данных. Проанализируете данные о клиентах банка, определите долю кредитоспособных.
Исследовательский анализ данных. Исследуете архив объявлений о продаже объектов недвижимости в Петербурге и Ленобласти.
Статистический анализ данных. Проверите гипотезы сервиса аренды самокатов, чтобы помочь вырастить бизнес.
Первый большой проект. Научитесь предварительному исследованию данных, сформулируете и проверите гипотезы. Найдёте закономерности в данных о продаже игры.
Линейные модели в машинном обучении. Разработаете модель машинного обучения, которая поможет владельцам молочной фермы принимать эффективные решения.
Обучение с учителем: качество модели. Проанализируете покупки клиентов в ретейл-сети. Разработаете модель, которая поможет маркетологам запускать эффективные акции.
Второй большой проект. Разработаете 2 модели машинного обучения и оцените их качество. Упакуете работу в пайплайн. Смоделируете коэффициент удовлетворённости сотрудников, чтобы помочь HR-отделу компании спрогнозировать текучку кадров.
Машинное обучение в бизнесе. Обучите модель и предскажете, в каком месторождении добыча нефти принесёт наибольшую прибыль.
Базовый SQL. Напишете ряд запросов разной сложности к базе данных, в которой хранится информация о венчурных инвесторах, стартапах и инвестициях в них.
Численные методы. Разработаете модель для определения стоимости автомобиля с пробегом.
Временные ряды. Построите модель и спрогнозируете пиковые нагрузки в такси.
Машинное обучение для текстов. Ускорите модерацию комментариев в сообществе, автоматизировав оценку их токсичности.
Компьютерное зрение. Построите модель для определения приблизительного возраста человека по фотографии.
Обучение без учителя. Освоите ещё один способ машинного обучения, при котором система решает задачу без размеченных заранее данных, на основе их особенностей и структуры. Познакомитесь с задачами кластеризации и поиска аномалий.
Итоговый проект. Подтвердите, что освоили новую профессию. Уточните задачу заказчика, пройдёте все стадии анализа данных и машинного обучения. Теперь без уроков и домашних заданий — всё как на реальной работе.
Дополнительные темы базового курса. Практика Python. Теория вероятностей. Практика SQL.
Нейросети для специалистов по Data Science. Описание отсутствует
структура, понятная теория, подготовленная инфраструктура, поддержка куратора и наставника, практика на реальных кейсах
нет их
DevOps для эксплуатации и разработки
Курс оставил очень положительное впечатление) Материал подаётся структурировано и понятно, даёт действительно практические знания, которых достаточно, чтобы уверенно начать искать работу в этой сфере. Самый большой плюс - это подход и метод обучения. С самого начала даётся исходный код приложения, на которое со временем начинаешь применять DevOps-практики. Сначала разворачиваешь его как сервис на выделенной виртуальной машине, затем в Docker-контейнере, потом через Docker Compose и, наконец, переходишь в Kubernetes, а заканчиваешь всё это дело деплоем через Helm. Параллельно изучаешь GitLab, тестирование, мониторинг, инфраструктуру как код (IaC), DevSecOps и многое чего ещё. Да, возможно, бОльшая часть курса довольно поверхностная, но это я тоже считаю плюсом, потому что буквально с нуля уже можно при должном усилии получить фундаментальные знания по направлению DevOps и уже искать работу. Для меня это было самым главным плюсом, потому что сам узнал много нового и сразу же пощупал это на практике. Отдельно хочу отметить наставника всегда был на связи, подробно отвечал на вопросы и помогал разобраться даже в сложных моментах. По каждой главе проводил онлайн-вебинары, где очень понятно объяснял темы, давал советы и best practice. Куратор тоже очень порадовал: быстро реагировал, был отзывчивым и поддерживал на протяжении всего обучения. Теория описана тоже очень интересно и понятно, нет кучи монотонного текста, скопированного с документации, описывается ключевая мысль понятным языком, приводятся аналогии из реального мира, а для тех, кто хочет погрузиться ещё сильнее, оставляют ссылку на литературу. Очень приятно, что материалами вебинаров и теорией можно пользоваться даже после окончания курса, удобно, если нужно повторить какую-то тему или просто освежить знания. В целом курс даёт не просто теорию, а реальные навыки, которые можно применять на практике. Рекомендую тем, кто хочет войти в профессию и получить крепкую базу)
структура курса, отзывчивость кураторов
нет их
Devops для эксплуатации и разработки
Хорошо.
Понравилась структура курса, отзывчивость кураторов и наставников, всегда шли навстречу. Ревью от наставников всегда было в тему, где критично - переделывали, где некритично - оставляли на выполнение в качестве факультатива. Впечатления хорошие!
удобство подачи информации
нет
То что нужно для начала
В отличии от курсов с видео уроками, в яндекс практикуме отлично организована система обучения. А именно, очень грамотно сочетаются теоретический материал с практическими работами. Чётко всегда знал, где какой материал находиться и что нужно повторить для выполнения практической задачи. Кураторы всегда отвечди быстро и всячески помогали с прохождением курса. Однозначно рекомендую!
