Курс «Data Science
для не data scientist-ов»

Погружение в область Data Science без предварительной подготовки, знаний в математике и навыков программирования

Курс для тех, кто не хочет становиться Data Scientist-ом, но хочет разобраться:

Кто такие Data Scientist-ы, откуда они берутся, что делают в проектах и как их нанимать
Как работает Data scientist – на примере реальных задач из практики
Какие методологии применимы к Data science и Machine learning проектам
Как определять возможности использования машинного обучения в вашей компании
Управлять проектами по Data Science и Machine Learning, эффективно ставить задачи и KPI и принимать работы
Говорить с Data scientist-ами «на одном языке» и грамотно оценивать результаты их работы
Стать лидерами и осознанными участниками Цифровой трансформации в компании
После курса вы сможете:
1 поток: 30 марта - 13 апреля
1 поток: 30.03 – 13.04
2 поток: 15.04 – 29.04
2 поток: 15 апреля - 29 апреля
Формат обучения
Занятия 3 раза в неделю (по понедельникам, средам и четвергам)
7 модулей по 2,5 часа. В каждом модуле теория, практика, квиз.
Программа
Открытый курс
Оставьте ваш вопрос в форме обратной связи. Мы ответим вам письмом или перезвоним, если потребуется уточнить детали.
Настоящие Data Scientist-ы, менеджеры проектов по искусственному интеллекту и машинному обучению, бизнес-эксперты КРОК
Кто поможет разобраться
В чем будем разбираться:
Модуль 1. Введение
Описание
Получаем представление о Data Science и профессии Data scientist-a.

Результат
У вас появится понимание, какие задачи в проектах решают Data scientist-ы и о том, как найти лучшего сотрудника на рынке.
Модуль 2. Сбор и исследование данных
Описание
Отвечаем на вопрос: «Сколько и каких данных необходимо для извлечения полезных знаний?».

Результат
Вы поймете, как провести первичный анализ данных для оценки их потенциала для решения поставленной задачи. Разберетесь, что такое «качество данных» и как его оценить. Вы узнаете, с чего необходимо начать первичный анализ данных, как визуализация данных помогает оценить пригодность данных для дальнейшего моделирования. Определите, в каких случаях необходимо провести дополнительную предобработку данных.
Модуль 3. Подготовка данных
Описание
Разбираемся, почему подготовка данных занимает основное время.

Результат
Вы поймете, что означает ситуация когда, Data Scientist работает уже месяц, а до создания модели так и не добрался.
Модуль 4. Классические модели
Описание
Разбираемся, почему для многих бизнес-задач достаточно простой модели, и насколько важен вопрос интерпретируемости даже для простых моделей.

Результат
Вы научитесь различать основные классические модели. Поймете, что доверие к результатам может формироваться не к конкретной модели, а к процессу моделирования
Модуль 5. Оценка модели
Описание
Учимся оценивать качество модели и узнаем о тонкостях метрик качества.

Результат
Вы поймете, что качество модели нельзя оценивать на ограниченной выборке данных, а для качественного результата необходимо опробовать несколько вариантов моделей. Разберетесь, почему качество работы прототипа модели может отличаться от качества работы в продакшене.
Модуль 6. Ансамбли и нейросети
Описание
Разбираем случаи, когда классических моделей недостаточно и как работают сложные модели и нейросети.

Результат
Вы поймете общую картину мира машинного обучения. Узнаете, почему далеко не все модели могут самообучаться. Разберетесь, почему так сложно интерпретировать
и улучшать нейросетевые модели.
Модуль 7. Data science проект
Описание
Вникаем в особенности Data science проектов от старта до использования модели в продакшене.

Результат
Вы познакомитесь с общепринятыми стандартами и методологиями ведения Data science проектов. Разберетесь, как сформировать проектную команду. Поймете, почему в подобных проектах необходимо применять максимальную гибкость планирования и закладывать намного больше рисков.
Стоимость курса
30.000 ₽
25.999 ₽
Отзывы
Менеджер образовательных проектов
Кристина Белова
(по вопросам обучения на курсе)
Product-manager курса
Владислав Чернецкий
(по любым вопросам и предложениям)
Заполните форму и наш менеджер вам напишет. Оставьте номер телефона, если хотите, чтобы мы перезвонили. Также вы можете написать нам на educroc@croc.ru или в facebook.
Записаться на курс