Как работать с системой контроля версий Git
Как получить доступ к учебному репозиторию GitHub Eduson
Что такое случайные события и как рассчитывать их вероятность
Что такое распределения случайных величин
Как проверять гипотезы с помощью статистики
Как анализировать зависимости между случайными величинами: регрессионный и корреляционный анализ
Как DS работает с данными
Как сформулировать требования к данным
Как собрать данные из различных источников
Как структурировать и предобработать данные
Зачем бизнесу анализ данных
Как проходит процесс анализа данных
Как сформулировать проблему для анализа
Как проектировать базы данных
Как анализировать данные о бизнесе с помощью SQL
Как создавать запросы и подзапросы
Какие бывают структуры данных
Как рассчитать корреляцию между данными и построить диаграмму рассеяния
Какие выводы можно сделать на основе EDA
Как рассказать убедительную историю на основе данных
Какие ключевые элементы сторителлинга стоит использовать
Введение в линейную алгебру
Векторы, матрицы и линейная регрессия
Дискриминантный анализ и математическое моделирование
Что такое машинное обучение
Задачи и модели машинного обучения
Подбор предиткоров (признаков) для модели
Линейная регрессия для поиска зависимости между показателями
Метод классификации для разделения данных на группы
Байесовский классификатор для классификации и прогнозирования
Кластеризация для поиска неизвестных групп в данных
Деревья решений и случайный лес
Временные ряды для прогнозирования
Как устроены рекомендательные системы и как они помогают бизнесу
Как строить рекомендательные системы и использовать предиктивные алгоритмы
Как построить коллаборативную рекомендательную систему
Как найти признаки с наибольшим потенциалом
Как использовать анализ главных компонентов (PCA)
Какие методы кросс-валидации существуют
Как избежать ошибок в оценке качества модели
Какие этапы внедрения модели существуют
Как ML-решения передают в производство
Какие стратегии доставки модели конечному пользователю существуют
Что такое мониторинг модели
Какие задачи можно решить с помощью Data Science в разных сферах
Как составить резюме (на русском и английском языках)
Как оформить портфолио и где его разместить
Как подготовиться к собеседованию и решению тестовых заданий
Финальный проект и диплом
В конце курса вы решите большой бизнес-проект — соберете данные, создадите и натренируете модель машинного обучения, интерпретируете полученные результаты
23. Английский для IT-специалистов
22. Карьерный акселератор
21. Как применять инструменты Data Science в бизнесе
20. Мониторинг модели
19. Внедрение модели
18. Повышение качества работы модели
17. Feature Engineering
16. Рекомендательные системы
15. Модели машинного обучения
14. Введение в машинное обучение
13. Математика для Data Science
12. Аналитический сторителлинг
11. Разведочный анализ данных (EDA)
7. Основы статистики и теории вероятности
5. Углубленное программирование
Как работать с лямбда-функциями в Python
Как работать с датами и временем в Python
Как писать код на Python в рамках ООП
4. Работа с Linux
Как работать с удаленными серверами
Функции, условия, циклы и рекурсии
Основы объектно-ориентированного программирования
3. Python для анализа данных
Что такое абстракции и как с ними работать
Что такое простые и сложные типы данных
Что такое выражение, ветвление и цикл
2. Основы программирования