Курсы Data Science от школы Яндекс Практикум в Казахстане
4 курса онлайн Data Science от школы Яндекс Практикум - сравните цену, продолжительность и дату начала обучения. Информация обновляется каждую неделю. Стоимость курсов от 300000 до 1010000 ₸.
структурированная подача материала, опытные наставники, команда сопровождения
не увидела
Инженер по тестированию: от новичка до автоматизатора
Проходила обучение "Инженер по тестированию: от новичка до автоматизатора". Это был невероятный опыт, который превзошел все мои ожидания. Материал в тренажере подавался структурировано и доступно, преподаватели в чате отвечали быстро и качественно на все вопросы, а благодаря вебинарам даже самые сложные темы становились понятными. Конструктивная критика ревьюеров и их советы помогли довести проектные и дипломную работы до совершенства. Отдельное спасибо команде сопровождения и кураторам. Они всегда были на связи, оперативно отвечали на все вопросы и помогали решать любые возникающие проблемы. Их поддержка чувствовалась на протяжении всего обучения. Было ощущение, что ты не один, что у тебя есть надежная команда, которая всегда готова прийти на помощь.
практика, проекты, поддержка кураторов, логичная программа, гибкий график, полезное комьюнити
долгое ревью проектов, особенно перед дедлайном, некоторые темы раскрыты поверхностно, бывают технические баги в тренажёрах
Курс "Аналитик данных" - крепкая рекомендация!
С сентября проходила курс "Аналитик данных" от Яндекс Практикума и мне он очень понравился! Обучение было построено логично и понятно, материал подается от простого к сложному, что помогает постепенно осваивать профессию. Конечно, тренажер практических заданий требует доработки. Порадовало, что было много практики: задания приближены к реальным рабочим задачам, а после каждого раздела есть проекты для портфолио. Особенно понравилась поддержка кураторов - они действительно заботливые, всегда готовы помочь, объяснить сложные моменты и мотивировать. Мне пришлось один раз перейти в другую когорту, тк не успевала сдать один проект, но переход прошел плавно и без проблем. Хотелось бы чтоб улучшили скорость ревью проектов - особенно финального. Понимаю, что у команды большая нагрузка, но ожидание проверки перед дедлайном было волнительным. Хотелось бы более предсказуемых сроков ревью.
отличная поддержка от наставника и куратора, интересная подача материала, очень круто, что есть командная работа
не всегда четко сформированное тз в домашке
"Менеджер проектов" от Яндекс Практикума
Огромное спасибо за этот курс! Программа построена очень грамотно: от основ до сложных кейсов, с акцентом на практику. Что особенно понравилось: Задания максимально приближены к реальным рабочим ситуациям, а работа с наставниками помогает сразу применять знания. Материал объясняется доступно, без воды, с хорошими примерами и интерактивами. Общение с сокурсниками и экспертами добавляет мотивации и помогает разобраться в сложных моментах. Можно совмещать с работой, а доступ к материалам остаётся и после окончания курса. После обучения чувствую себя увереннее в управлении проектами, понимаю процессы и инструменты. Курс дал не только знания, но и реальные навыки для старта в профессии. Однозначно рекомендую тем, кто хочет войти в IT или прокачаться в проектном менеджменте. Оценка: 5/5
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
Всё то же, что в базовом курсе, а ещё продвинутые запросы SQL и инструменты PyShark, работа с СУБД PostgreSQL и библиотека PyTorch.
Основы Python и анализа данных. Узнаете основные концепции анализа данных и поймёте, чем занимаются аналитики данных и специалисты по Data Science.
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.
Первый большой проект. Проведёте сложный исследовательский анализ датасета с информацией о фильмах: показами в кинотеатрах, сборами, государственной поддержкой. Будете сами принимать решения об обработке данных и выборе способов визуализации данных. В конце проведёте исследование о фильмах с господдержкой и найдёте интересные закономерности.
Статистический анализ данных. Проверите гипотезы сервиса аренды самокатов, чтобы помочь вырастить бизнес.
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.
Командная строка и Git. Разместите проекты в своём аккаунте на сервисе GitHub с помощью командной строки и системы контроля версий Git.
Мастерская. В этом спринте сможете выбрать: поработать над проектом от реального заказчика или поучаствовать в соревнованиях на Kaggle. И тот, и другой кейс сможете положить в портфолио.
Системы обработки больших данных. Спрогнозируете стоимость квартир для сервиса по продаже недвижимости.
Численные методы. Разработаете модель для определения стоимости автомобиля с пробегом.
Мастерская. В этом спринте сможете выбрать: поработать над проектом от реального заказчика или поучаствовать в соревнованиях на Kaggle. И тот, и другой кейс сможете положить в портфолио.
Продвинутый SQL. С помощью Python и SQL подключитесь к базе данных, посчитаете и визуализируете ключевые метрики сервис-системы вопросов и ответов о программировании.
Модели и алгоритмы в машинном обучении. Научитесь строить и обучать полносвязные нейросети с помощью фреймворка PyTorch, управлять их обучением с использованием гиперпараметров
Третий большой проект. Потренируетесь составлять запросы для получения данных. Самостоятельно составите датасет и обучите на нём модель. Оцените потенциальную опасность поездок для сервиса каршеринга и его клиентов.
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.
Четвёртый большой проект. Погрузитесь в вопросы этичной работы с данными. Попрактикуетесь комбинировать текстовые данные и изображения для создания модели машинного обучения. Обработаете оценки соответствия текстовых данных и изображений от экспертов. Создадите систему поиска фотографий по описанию для фотохостинга.
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.
Дополнительный курс: практика Python. Потренируетесь составлять запросы для получения данных. Самостоятельно составите датасет и обучите на нём модель. Оцените потенциальную опасность поездок для сервиса каршеринга и его клиентов.
Дополнительный курс: теория вероятностей. Вспомните или узнаете базовые термины в теории вероятностей: независимые, противоположные, несовместные события и т. д. На простых примерах и забавных задачах потренируетесь работать с числами и выстраивать логику решения. Поработаете с практическими заданиями, которые используются на собеседованиях.
Дополнительный курс: практика SQL. Решите несколько десятков дополнительных задач на отработку навыка работы с SQL. Пройдёте практические задания по составлению SQL-запросов, поработаете с новыми базами данных.
Нейросети для специалистов по Data Science. Описание отсутствует
Нейросетевые решения на практике. Научитесь использовать предобученные модели для анализа текста и изображений и интерпретировать результаты их работы.
Современные модели: обучение и ключевые механизмы. Решите задачу NER, выявив все сущности, и предскажете, сколько их в тексте, через регрессию по CLS.
Большие языковые модели. Настроите генерацию с distil‑deepseek в vLLM: решите генеративную задачу, адаптируете шаблоны промптов.
Практические аспекты Seq2Seq-моделей в NLP . Проработаете пайплайн и архитектуру, проанализируете результаты для доменной адаптация в машинном переводе.
RAG и мультимодальные модели. Построите RAG‑модель для внутренней документации.
А Вы знали что у школы Яндекс Практикум самый дорогой
курс Data Science стоит
1010000 рублей.
Школа имеет 116 отзывов,
а средняя оценка пользователей — 4.5
