Аналитика больших данных / big data — Лучшие онлайн курсы

Программа

1. Погружение в IT-сферу: основы прикладной математики, знакомство с востребованными профессиями, популярными языками программирования.
2. Контроль версий GIT.
3. Базы данных.
4. Выбор специализации.
5. Информатика для программистов.
6. Python.
7. Знакомство с web технологиями.
8. Excel.
9. Пайтон для аналитиков.
10. SQL.
11. Введение в BI.
12. Продуктовая аналитика.
13. Теория вероятностей, математическая статистика.
14. А/В-тестирование.
15. Инструменты моделирования.
16. Финансовая математика.
17. Unit-экономика.
18. Agile, SCRUM, Kanban.
19. Конфликтология.

Чему научитесь?

• Аналитике больших данных при помощи современных инструментов.
• Использованию Python, SQL, Docker, NoSQL, ANNs, Keras, TensorFlow, R, PyTorch.
• Профессиональному пониманию BigData, включая архитектуру, алгоритмы, структуры данных.
• Сбору, подготовке информации для проведения анализа.
• Организации эффективной командной работы над проектом заказчика.
• Определению результатов обработки и инсайтов, улучшению качества принятия решений.
• Применению средств Hadoop, MapReduce для поиска, фильтрации, сортировки, группировки контента.
• Преобразованию неструктурированных данных в понятные таблицы, графики, схемы, диаграммы.

Программа

1. Введение: Python, математика, алгоритмы ML, включая продвинутое программирование.
2. Менеджмент, глубокое обучение, инжиниринг данных.
3. Выбор специализации. NLP, Big Data, Компьютерное зрение, Production.  

Чему научитесь

• Обрабатывать Big Data, делать выводы на основе данных.
• Обучать нейросети.
• Строить модели, чтобы предсказать события.

Программа

1. Плавное погружение в Python.
2. Библиотеки.
3. Визуализация данных.
4. Анализ статистических тестов.
5. Получение информации из разных источников.
6. Особенности прогнозирования.
7. Дипломный проект.

Чему научитесь?

• Решать типовые задачи аналитики данных при помощи языка программирования Python.
• Автоматизировать регулярный анализ для оперативного реагирования на рыночные изменения.
• Принимать быстрые, продуктивные data-driven решения.
• Руководить бизнес-проектами любой сложности.
• Пользоваться современным софтом из серии Excel на профессиональном уровне.
• Оптимизировать ежедневные задачи, заниматься углубленными исследованием информации.

Полноценная программа с продолжительностью 24 месяца для тех, кто хочет стать инженером и активно заниматься разработкой ИИ. Вы изучите цифровые технологии, ОС, ПО, БД, системы аналитики, ЯП, основы программирования, концепции компьютерных наук. Познакомитесь с системным анализом, тестированием. Выберите специализацию и технологии, начнете развиваться в выбранном направлении.

Программа

1. Работа с большими объемами информации.
2. Базовые принципы обработки в Excel/SQL.
3. Блок по аналитическим методам.
4. Машинное обучение, эффективное прогнозирование результатов.
5. ТОП главных правил аналитика.
6. Поиск источников для сбора данных.
7. Предобработка и визуализация в Pandas, составление отчётов.
8. Повышение производительности.
9. Hadoop/MapReduce.
10. Облачные хранилища.
11. Продвинутые подходы в MapReduce.
12. Организация командной работы.
13. Решение итоговой задачи: построение системы рекомендаций для бизнеса.

Чему научитесь?

• Существенно повысите soft skills по BigData, освоите технологии для перехода на уровень middle.
• Будете грамотно анализировать и обрабатывать любые объёмы информации.
• Станете понимать, как корректно строить гипотезы, выявлять закономерности.
• Начнёте разбираться в CRISP-DM подходе для определения компетенций/состава команды в разных отраслях бизнеса.
• Будете автоматизировать процессы при помощи ML инструментария.
• Сможете обосновывать влияние на сбор и хранение данных, мониторинг/отчётность.

Программа

1. Основной блок.

Студенты узнают, с какими задачами сталкивается специалист, каким образом их решать. Рассматривают базовые технологии, востребованные на рынке труда.

2. Профессиональные навыки. 

Разбирают ключевые ИТ-инструменты, стандарты кодирования, алгоритмы, структуры, базы данных, системы аналитики. Кроме того, вводят в особенности операционных систем, механизмы их работы, языки программирования, углубляются в информатику, математику.

3. Специализации.

Предлагают выбрать направление (изучить соответствующий инструментарий, получить практические навыки), включая:

• Программист — подготовка БД, разработка модели машинного обучения, внедрение проекта.
• Тестировщик — поиск ошибок, уязвимостей, багов в проектах, проверка качества, моделирование ситуаций, проведение тестирования.
• Аналитик — исследование больших объёмов информации, создание прогнозов на её основе, составление отчётов, графиков, диаграмм, планирование развития бизнеса.
• Project-менеджер — превращение идей заказчика в задачи для команды разработки, организация рабочих процессов, распределение обязанностей, проведение переговоров с клиентами, принятие решений по оптимизации проектов.
• Product-менеджер — продвижение всего проекта, создание сервисов для настройки таргетированной рекламы, расстановка приоритетов под задачи разработки, исследование рынка, поиск точек роста для продукта.

4. Технологическая специализации.

Предлагают усилить знания, полученные по конкретной специализации. Изучение узконаправленного технологического стека.

5. Выбор отрасли.

Подстраивают дальнейшую учебную программу под интересующую вас отрасль.

Чему научитесь?

• Прогнозировать цены на товары/услуги с учётом сезонности спроса.
• Искать потенциальных клиентов, создавать для них персонализированные предложения.
• Оптимизировать закупки, снижать расход производственного сырья, отслеживать закупки.
• Обеспечивать безопасность процесса производства, устранять возможные неполадки.
• Разрабатывать модель машинного обучения, проверять гипотезы, делать выводы об эффективности модели.
• Собирать базы данных, внедрять инструменты для автоматического получения, структурирования информации.
• Формировать технические задания для разработчиков, принимать метрики эффективности бизнес-модели.

Программа

1. Базовый модуль – введение в Data Science.
2. Введение в дата-инженерию.
3. Основы статистики и теория вероятностей.
4. Разработка и внедрение ML-моделей.
5. Основы регрессионного тестирования.
6. SQL и Python для обработки данных.
7. Архитектура хранения данных и профессиональные средства мониторинга.
8. Дипломный проект.

Чему научитесь

• Использовать средства для аналитики данных.
• Программировать на Python с использованием фреймворков Spark, Airflow, Pandas.
• Работать с базами данных в SQL.
• Пользоваться PyCharm, Kafka, Docker, Prometheus, Logstash.
• Подключать и обрабатывать источники статистических данных.
• Выстраивать пайплайн проекта с учетом запросов заказчика.
• Управлять проектами через GIT, облачные сервисы для командной работы.
• Тестировать код и исправлять программные ошибки.

Особенности курса

• Тестовые проекты в Spark и Hadoop для портфолио.
• Более 80 практических заданий для закрепления теории.
• Индивидуальный карьерный план для каждого выпускника.
• Возможность оплаты частями с отсрочкой первого платежа.

Программа

Блок 1: Пайтон, обработка данных.

• Введение в Python
• Типы данных, функции, классы.
• Часто встречающиеся ошибки.
• Строки, условия, циклы.
• Списки/словари.
• Пакеты, файлы.
• Пандас.
• Средства визуализации.
• Статистика, многопоточность.
• GIt-версии, работа с web-сервером.

Блок 2: Power BI.

• Power Query. Получение/преобразование.
• Модели в Power BI.
• DAX5.
• Ведение отчетности.
• Создание дашбордов.
• Применение вместе с Пайтон.

Блок 3: SQL.

• Основные сведения.
• Извлечение/фильтрация данных.
• Преобразование/группировка.
• БД, объединение таблиц, вложенные запросы.
• Ключевые опции.
• Востребованное программное обеспечение.

Блок 4: Tableau.

• Знакомство с инфраструктурой.
• Модели данных.
• Проведение табличных вычислений.
• Параметры и уровни детализации.
• Псевдонимы, действия.
• Разработка дашбордов.
• Настройка взаимодействия между визуализациями.

Блок 5: Python, построение Machine Learning моделей.

• Введение в ML-процессы.
• Линейная регрессия.
• Бинарная классификация.
• Создание стратегии валидации.
• Бутстрап/Бэггинг.
• Feature Engineering.
• Градиентный бустинг
• Воркшоп: предсказание оттока клиентов, прогнозирование продаж.
• A/B-тесты.

Блок 6: Нейронные сети, NLP.

• Обучение нейросетей.
• Глубокое обучение на практике
• Функциональность Tensorflow + Keras.
• Особенности искусственного интеллекта.

Блок 7: Рекомендательные системы.

• Метрики.
• Матричное разложение.
• Массивы данных.
• Гибридные рекомендательные системы.
• Дипломная работа.

Чему научитесь?

• Сможете углубить знания Пайтон, использовать его возможности для аналитики.
• Повысите навыки machine learning, изучите особенности ИИ.
• Будете эффективно работать с «сырыми данными», анализировать ситуацию на рынке, понимать что нужно клиенту.
• Станете проверять, загружать, обрабатывать информацию при помощи PowerBI.
• Начнете пользоваться Tableau Server, разрабатывать сценарии роста для вашего бизнеса, выдвигать/тестировать гипотезы.

Программа

1. Персептрон.
2. Многослойная нейронная сеть.
3. Свёрточные сети.
4. Современные свёрточные архитектуры.
5. Рекуррентные сети.
6. Механизм внимания.
7. Компьютерное зрение.
8. Работа с текстовой информацией.
9. Генеративные состязательные сети (GAN).
10. Итоговый проект.

Чему научитесь?

• Работе с многомерными свёртками, генерации текстов, изображений, прочего контента.
• Построению языковых моделей, а также архитектур RNN, GRU, LSTM, Encoder-Decoder.
• Обучению генератора выбору данных из линейной регрессии, проведению межъязыкового семантического поиска. 
• Решению прикладных задач Object Detection, Object Localization, Bounding boxes, AnchorBoxes.
• Использованию инструментов Padding & Stride, Pooling, LeNet, AlexNet, VGG, NiN, GoogLeNet, ResNet/DenseNet.

Программа

Блок 1: «Получение/подготовка данных при помощи SQL».

Введение.

• Извлечение/фильтрация данных.
• Преобразование, сортировка, группировка.
• БД.
• Объединение таблиц.
• Вложенные запросы.
• Обновление, добавление, удаление информации.
• Создание, редактирование таблиц.
• Обзор распространенного софта.

Блок 2: «Пайтон».

• Погружение в язык программирования.
• Типы данных, функции, классы, ошибки.
• Строки, условия, циклы.
• Списки, словари.
• Пакеты/файлы.
• Pandas.
• Методы визуализирования.
• Получение статистики.
• Многопоточность.
• Web-сервер Flask, GIt-контроль.

Блок 3: «Построение ML-моделей».

• Начало работы.
• Линейная регрессия.
• Бинарная классификация.
• Построение надежных стратегий валидации.
• Бутстрап, Бэггинг.
• Feature Engineering, Feature Selection.
• А/B-тестирование.

Блок 4: «Нейронные сети, NLP».

• Обучение нейросетей.
• Распознавание поведения.
• Tensorflow/Keras.
• NLP, рекуррентные сети.
• Metric learning.

Блок 5: «Рекомендательные системы».

• Метрики.
• Матричное разложение.
• Гибридные рекомендательные системы.

Блок 6: «Дипломная работа, трудоустройство».

Чему научитесь?

• Написанию SQL-запросов, работе с БД, качественной обработке информации.
• Выявлению различных аномалий, неполадок, ошибок в данных.
• Построению моделей машинного обучения, проверке гипотез, построению рекомендательных систем.
• Использованию Пайтон, аналитических библиотек, получению нужных сведений из внешних источников.
• Применению сложных математических функций для работы с моделями данных, нейросетями, ML.

На интенсивных онлайн-курсах от школы ProductStar, можно узнать об особенностях создания BD-продуктов, а также применения AI. Студенты познакомятся со средствами внедрения ML-задач в компании, научатся управлять сложными технологичными процессами, оценивать профит, снижать риски неудачного завершения проектов.

Программа

1. Основы программирования, контроль версий.
2. Информатика, математика, Python. 
3. Математика, статистика.
4. ИИ.
5. БД, SQL.
6. ОС, сбор, разметка данных.
7. Обучение нейронных сетей.
8. Big Data.
9. Автоматизация подготовки информации.
10. Библиотеки Пайтон и другие темы.

Чему научитесь

• Создавать нейронные сети, обучать.
• Разрабатывать алгоритмы для анализа данных.

Программа

1. Введение в искусственные нейросети.
2. TensorFlow, Keras фреймворки для глубокого обучения.
3. Сверточные нейронные сети для распознавания изображений.
4. Оптимизация, повышение скорости работы.
5. ImageNET для решения задачи классификации изображений.
6. NLP для определения рукописных цифр на Python.
7. Обучение нейросети решать задачи, связанные с детекцией.
8. Reinforcement Learning (агент для игры в Pong на основе DQN-алгоритма).
9. Разбор прочих областей использования нейронных сетей

Чему научитесь?

• Применению DL-алгоритмов для решения различных задач бизнеса.
• Работе в команде с другими программистами, разработчиками, тестировщиками.
• Созданию рекомендательных систем подходящих продуктов/товаров при покупке.
• Программированию на языке Python, проведению аналитических подсчетов.
• Обработке крупных баз данных, файловых систем, документов, накопителей.
• Разработке разных моделей предсказаний, от кредитного рейтинга до увеличения показателей продаж. 

Курс предназначен для продакт менеджеров, желающих стать высококвалифицированными руководителями, научившись пользоваться AI и DS инструментарием. Вы сможете проработать ключевые бизнес-цели Middle-продакта, расставить приоритеты, составить перечень задач по улучшению функциональности продукции. Концентрируют особое внимание на управлении командой.

Интересные онлайн-курсы для тех, кто хочет попробовать свои силы в профессии Data Scientist Engineer, обеспечить для себя успешное будущее, дающее высокую заработную плату и возможность карьерного роста. Добавляют в портфолио 14 проектов, через 8 месяцев учёбы помогают с трудоустройством.

Программа

1. Работа с данными, инструменты Data Science. Английский, основы математики и статистики.
2. Хранение данных. Проектирование экспериментов для бизнеса, науки, презентация результатов. Основы ML.
3. Углубленное изучение Machine Learning. Карьерный трек. Практика, стажировка. 
4. Soft skills для работы в IT.
5. Дипломный проект.

Чему научитесь

• Программировать на Python, использовать базовые библиотеки и фреймы.
• Управлять хранением данных.
• Работать с искусственным интеллектом, прогнозировать события, делать обработку данных и создавать рекомендательные системы.
• Применять ML, улучшать алгоритмы.
• Управлять производством, проектами, командой. 

Программа

1. Знакомство с Пайтон.
2. Основы синтаксиса.
3. Применение разных типов данных.
4. Работа с текстом.
5. Функции, модули.
6. Библиотеки Pandas.
7. Мониторинг разных источников.
8. Объединение сведений.
9. Работа с большими файлами.
10. Визуализации при помощи графиков, гистограмм.
11. Сводные таблицы, множество однотипных файлов.
12. Разбор более продвинутых случаев.
13. Использование NumPy библиотек.
14. Работа с различными файловыми форматами.
15. Написание автоматических скриптов.
16. Парсинг веб-страниц, общедоступных профилей пользователей ВК.
17. Работа с открытыми API, Яндекс сервисами, ВКонтакте.
18. Автообновление отчётов.
19. Диагностика/исправление ошибок кода.
20. Финальный экзамен.

Чему научитесь?

• Программировать на Пайтон.
• Анализировать, быстро обрабатывать большие файлы.
• Создавать отчеты, автоматизировать процесс сбора данных.
• Работать с популярными интернет-сервисами.
• Парсить web-страницы, работать с API.
• Работать с machine learning алгоритмами.
• Пользоваться data scientist инструментами.
• Получите навыки уровня middle в Data Science, станете более востребованным на рынке труда.

Программа

1. Вводный модуль. Задачи, навыки и инструменты дата-инженера.
2. Архитектура систем обработки данных. Docker и инструменты On-promise.
3. Data Lake, работа с Hadoop. Архитектура приложений в Apache Spark.
4. Обработка потоковых данных.
5. Проектирование DWH и внедрение BI-решений.
6. Контроль данных через СУБД NoSQL.
7. Автоматизация БД. Практики DevOps. Методы мониторинг.
8. Подготовка итогового проекта.

Чему научитесь

• Разворачивать и оптимизировать БД.
• Адаптировать хранилища под запросы клиента.
• Анализировать эффективность работы автоматических БД.
• Создавать сервисы для обработки больших объемов информации.
• Управлять данными в потоковом режиме.
• Работать с экосистемой Hadoop, облачными сервисами, инструментами аналитики.

Особенности курса

• Рассчитан на специалистов с опытом программирования, системного администрирования.
• Обучение с реальными примерами внедрения и оптимизации БД.
• Индивидуальная работа над ошибками при выполнении практических заданий.
• Отработка навыков в Yandex Cloud.
• Подготовительный курс для тех, кто хочет освоить или повысить уровень владения Linux.

Программа

1. Вводный модуль.
2. Создание и управление базами данных. Автоматизация БД.
3. Тестирование при помощи Python.
4. Разработка моделей с учетом конкретных бизнес-требований.
5. Работа с Power BI, Airflow.
6. Алгоритмы Machine Learning. Обучение нейронных сетей.
7. Обработка сложных наборов данных. Разработка DS-проектов.
8. Базовые методы Data Analyst. Продвинутые приемы работы с Python, Excel, Power BI.
9. Дополнительный курс на выбор: основы статистики, математика для Data Science, контроль версий в Git.

Чему научитесь

• Управлять базами данных на уровне продвинутого пользователя.
• Дистанционно настраивать автоматическую выгрузку и обработку данных.
• Разворачивать Data-проекты исходя из потребностей клиента.
• Использовать Python, Spark, Pandas, Airflow для анализа данных.
• Внедрять автоматические средства тестирования.

Особенности курса

• Интенсивная программа для обучения с нуля.
• Обратная связь с кураторами.
• Дополнительные курсы на выбор.
• Отсрочка оплаты на 6 месяцев.
• Возможность получения скидки для последующего обучения на платформе SkillBox.

Программа

1.   Основы работы с SQL.
2.   Углубленное изучение SQL: зависимости, масштабирование функций, основы проектирование.
3.   Настройка и конфигурация ETL-процессов.
4.   Внедрение и настройка Business Intelligence.
5.   Программирование на Python для анализа данных.
6.   Основы Hadoop, Data Lake, Data Warehouse, MapReduce, Yarn.
7.   Продвинутые методы работы с данными.
8.   Обработка данных в облачных хранилищах.
9.   Основы машинного обучения.
10.   Бонусный модуль – английский язык для Data Scientist.
11.   Карьерное планирование и работа над итоговым проектом.

Чему научитесь

• Проектировать хранилища данных под конкретные задачи.
•  Настраивать ETL/ELT при помощи разных data-инструментов;
• Работать с Data Lakes в облачных хранилищах.
• Взаимодействовать с инфраструктурой ML моделей.
• Анализировать статистические данные с учетом поставленных бизнес целей.
• Писать приложения на Kafka Streams DSL.

Особенности курса

• Рассчитан для новичков и специалистов Data Scientist, системных администраторов.
• 6 тестовых проектов по мере прохождения курса – для портфолио.
• Интерактивный тренажер для написания и запуска кода.
• Бесплатный доступ к Yandex Cloud для работы с тестовыми проектами.
• Сопровождение куратора на всех этапах обучения.

Углубленный курс для Data инженеров по изучению Spark, Hadoop и Hive. Начнете понимать основные компоненты и дистрибутивы вендоров в Hadoop, использовать архитектуру HDFS, YARN. А также, разбираться в форматах данных, различать Spark Streaming и Flink, использовать оркестрацию, мониторинг и CI/CD. Преимущества: развернутый фидбек, заберете с собой полный комплект обучающих материалов, сертификат.

Программа

1. Освоение SQL, получение данных.
2. Пайтон для анализирования.
3. Математические операции.
4. Машинное обучение.
5. Рекомендации.
6. Временные ряды.
7. Введение в нейронные сети.
8. Компьютерное зрение.
9. Обработка естественного языка.
10. Data Management.
11. Курсы английского языка для специалистов.
12. Бонусный модуль, финальный хакатон.
13. Проектная работа.

Чему научитесь?

• Использовать возможности искусственного интеллекта для продвижения бизнеса.
• Понимать синтаксис SQL, работать с БД, переносить таблицы, обрабатывать разные форматы файлов.
• Программировать на Python, пользоваться соответствующими библиотеками.
• Создавать рекомендательные системы для музыкальных/киносайтов.
• Выявлять пробелы в разрабатываемом проекте, будете находить минусы и уметь устранять их.
• Формировать понятные презентации, предоставлять детальные отчёты заказчикам.
• Сможете разобраться в PostgreSQL, Tensorflow, DBeaver, Keras, Keras, OpenCV.
• Обрабатывать текстовые данные, применять математические знания, проверять гипотезы.
• Анализировать уровень удовлетворённости сотрудников работой, строить LDA-модели.

Программа

1. Базовая подготовка, Data Science.
2. Специализация на выбор: Machine Learning, Data Engineer, Data Analyst, уровень Junior.
3. Повышение квалификации до уровня PRO.
4. Доп. курсы: статистика, теория вероятности, математика, Git. 

Чему научитесь

• Собирать, анализировать данные, использовать SQL.
• Выявлять потребности бизнеса, используя алгоритмы прогнозирования ML. 
• Применять Python для решения задач с данными, писать эффективный код. 
• Поэтапно создавать ML-модели от сбора данных до деплоя.
• Выдвигать на основе данных гипотезы, делать inference. 
• Использовать методы машинного обучения в работе.

Программа

Краткая программа курса «Machine Learning PRO».

1. Введение в ML.
2. М