Data Science

Месяц 1

Введение в теорию вероятностей

Неделя 1-2

С чего начинается работа с данными. Business understanding

Научитесь общаться с заказчиками: выявлять потребности, собирать и документировать требования, проводить интервью.

Data Understanding: Введение и Excel

Узнаете, как работать с табличными данными, познакомитесь с базовыми аналитическими и математическими функциями программы.

Неделя 3

Алгоритмы

Подробнее узнаете о списках в Python, познакомитесь с концепцией big О, которая поможет оценивать сложность алгоритмов. Получите представление о том, как работают бинарный поиск и сортировка. А ещё — освоите несколько полезных приёмов работы со строками.

Неделя 4

Функции

Узнаете, зачем программисты помещают код в функции. Научитесь принимать параметры и возвращать значения из функций.

Домашнее задание

Отработка компетенций из теоретического блока. Выполнение тестов

по темам модуля для закрепления знаний

Месяц 2

Случайные события

Неделя 5-6

Структуры данных

Списки — не единственный способ хранить наборы данных в Python.

В модуле вы узнаете о словарях, кортежах, множествах и поймете, для каких задач подходит каждая структура данных.

Чтение файлов в Python и командной строке

Научитесь открывать и читать файлы с помощью Python, работать в командной строке и подключать сторонние библиотеки.

Неделя 7-8

Библиотека pandas

Освоите важную для дата-сайентиста библиотеку Pandas, научитесь читать файлы в разных форматах и кодировках.

Получение данных с помощью АРІ

Узнаете, как получить данные от удаленного сервера при помощи АРІ-

запросов, перевести их в нужный формат и сохранить результат в Pandas. Познакомитесь с Git.

Домашняя работа

Выполнение тестов по темам модуля для закрепления знаний и типовые задачи на расчет вероятностей. Задачи присылаются преподавателю на проверку

Месяц 3

Случайная величина. Дискретные распределения

Неделя 9-10

Modeling

Узнаете про основные задачи этапа моделирования в машинном обучении и аналитике. Научитесь формулировать и проверять гипотезы.

Машинное обучение

Узнаете, как ставится задача машинного обучения, как происходит обучение модели с учителем и без. Будете использовать древесные модели для решения задачи классификации.

Неделя 11-12

Линейные модели и нейронные сети

Построите простой линейный классификатор и логистическую регрессию, обучите модели на данных, сделаете выводы. Научитесь подгружать готовые нейронные сети и делать на них прогнозы.

Метрики в аналитике

Познакомитесь с классификациями метрик и научитесь правильно определять их полезность для конкретной задачи бизнеса.

Домашняя работа

Выполнение тестов по темам модуля для закрепления знаний и типовые задачи на расчет вероятностей. Задачи присылаются преподавателю на проверку

Месяц 4

Непрерывные распределения. Общие сведения.

Неделя 13-16

Маркетинговая аналитика

Узнаете, какие метрики используются в маркетинговой аналитике. Научитесь проводить анализ выручки компании, строить воронку продаж.

Продуктовая аналитика

Поймёте, в чём отличие метрик продукта от метрик роста, что такое когортный анализ, как он помогает объяснить динамику выручки и предсказать будущее для бизнеса.

Введение в Python

Поймёте, зачем вообще дата-сайентисту нужен Python. Напишете первую программу. Освоите работу с функцией print.

Переменные и типы данных

Узнаете, какие типы данных есть в Python, научитесь работать с переменными и оператором ввода input.

Домашняя работа

Выполнение тестов по темам модуля для закрепления знаний и типовые задачи на расчет вероятностей. Задачи присылаются преподавателю на проверку

Месяц 5

Основные виды непрерывных распределений

Неделя 17-18 -19

Условия

Изучите основы работы с оператором іг, научитесь писать

последовательные и вложенные условия, упрощать сложные выражения.

Циклы

Познакомитесь с циклами for, while, операторами continue и pass. Узнаете, как работать с параметрами функции range(): start, stop, step.

Базы данных

Научитесь подключаться к базам данных и работать с ER-диаграммами.

Язык запросов SQL

Освоите язык запросов SQL, будете уметь фильтровать данные, объединять таблицы и выгружать данные в файл.

Power BI

Познакомитесь с инструментом Power BI, который позволяет использовать любые источники данных для анализа. Научитесь визуализировать данные: строить таблицы, диаграммы, гистограммы.

Неделя 20

Data Preparation

Узнаете, какие бывают виды распределений, поймёте разницу между дискретными и непрерывными переменными.

Разведочный анализ данных: Data cleaning & Data Visualization

Научитесь находить пропущенные значения, неинформативные данные, выявлять аномалии и выбросы при помощи визуализации на matplotlib.

Домашняя работа

Выполнение тестов по темам модуля для закрепления знаний и типовые задачи на расчет вероятностей. Задачи присылаются преподавателю на проверку

Месяц 6

Статистические тесты

Неделя 21-22

Разведочный анализ данных: Feature Engineering

Будете генерировать дополнительные признаки и делать выводы о том, какие атрибуты полезны в построении модели.

Modeling: заключение

Построите несложные модели машинного обучения в Azure и аналитические в Power BI.

Evaluation

Научитесь оценивать качество работы модели. Познакомитесь с методиками проверки результатов моделирования в аналитике и машинном обучении.

Неделя 23-24

Алгоритмы и структуры данных. Часть 2

Освоите продвинутые структуры данных: очереди, стеки и деки.

Deployment

Познакомитесь с основными этапами внедрения модели — ETL, подробнее

разберете понятия Big Data, Data Lake и Data Warehouse.

Неделя 25-26

Модель API

Узнаете, как развернуть проект на удалённом сервере и обернуть в API, чтобы отправлять запросы напрямую модели.

Мониторинг моделей

Научитесь собирать метрики моделей и строить дашборды в Grafana.

Airflow

Узнаете, как устроены и работают пайплайны.

Домашняя работа

Выполнение тестов по темам модуля для закрепления знаний и типовые задачи на расчет вероятностей. Задачи присылаются преподавателю на проверку