Data Science: быстрый старт в профессии от GeekBrains

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.