Data Science. Уровень 1: основы работы с данными

Анализ данных и искусственный интеллект

Специалист по Data Science – одна из самых востребованных цифровых компетенций на сегодняшний день. Используя методы науки о данных (Data Science), Data Scientist строит и тестирует математические модели для поиска закономерностей, выстраивания прогнозов и формирования эффективных решений в различных направлениях и сферах деятельности.

Программа курса «Data Science. Уровень 1: основы работы с данными» предназначена для тех, кто только начинает свой путь в Data Science, и знакомит слушателей с математическими основами Data Science, основами анализа и работы с базами данных, а также с основами программирования на языке Python и другими рабочими инструментами квалифицированного специалиста Data Science. 

По окончании обучения желающие могут продолжить последовательное освоение технологий Data Science на курсах:

Или получить комплексные знания и новую профессию, пройдя обучение по программам профессиональной переподготовки:

Выпускники курса «Data Science. Уровень 1: основы работы с данными», прошедшие итоговую аттестацию, получают удостоверение о повышении квалификации МГТУ им. Н.Э. Баумана.

МГТУ им. Баумана

Записаться на курс

Расписание

Даты проведения
Время проведения и дни недели
Формат обучения
Длительность курса
Стоимость
16 сен
18 окт
18:30 - 13:10
вт чт сб
онлайн в режиме реального времени
72 ак. часа
69 520 руб
11 ноя
26 дек
18:45 - 21:55
вт чт
онлайн в режиме реального времени
72 ак. часа
69 520 руб
Конкуренция на рынке труда?
Сейчас не хватает специалистов
8 000 компаний
90 000 рублей

Курс подойдет

Программистам

получите базовые навыки программирования, научитесь ставить гипотезы, программировать на Python

Новичкам и аналитикам

для улучшения своих знаний и навыков работы в Python и получению базовых знаний по Data Science

Чему вы научитесь

основам языка Python для анализа данных и Data Science

работе с библиотеками Pandas, Numpy, Matplotlib

основам работы с базами данных: SQL, NoSQL, In-memory

основам сбора и подготовке данных для целей анализа и Data Science

математическим основам Data Science: теория вероятности и математическая статистика

пространственному, статистическому и функциональному мышлению

Программа курса

5 тематических
модулей
72 академических
часа
60 аудиторных
часов
Основы программирования на Python для Data Science
  • Основы языка: переменные и их типы, арифметические операции, операции над строками, функции.
  • Основы объектно-ориентированного программирования: классы, экземпляр класса, поля и методы, наследование, безопасный доступ.
  • Практика: Библиотеки Numpy, Scipy: векторы, матрицы, операции над векторами и матрицами, основы линейной алгебры.
  • Работа в среде Pychram - создание законченных скриптов.
  • Работа в среде Google Colab - Python notebooks - рабочий инструмент.
Основы работы с базами данных
  • Основные типы баз данных для Data Science: основы хранения информации, таблицы и коллекции, отношения между ними, транзакции, уровни изоляции.
  • Практика: Реляционные СУБД как основной источник данных для Data Science: разбор основных возможностей РСУБД на примере PostgreSQL. NoSQL базы данных на примере MongoDB: коллекции, операции по созданию, изменению, вставке и удалению данных. In-Меmorу базы данных на примере Redis: хранение информации «ключ - значение», операции вставки, манипуляции и удаление. Примеры работы с основными типами БД из Python из PyCharm и Python Notebook.
Основы анализа данных
  • Основы работы с библиотеками Request, BeatifulSoup - сбор данных с HTML страниц. Библиотеки Pandas и Polars: универсальные табличные процессоры без ограничений. Библиотеки Matplotlib и Seaborn: основы визуализации данных.
  • Практика: Exploratory Data Analysis (EDA) базовые принципы анализа данных с использованием графиков. Основы бизнес-анализа и unit экономики: анализ данных и расчёт бизнес-метрик: LTV, RFM, ARPU, ARPPU и т. д.
Математика для Data Science
  • Элементарные функции: основные определения, предел функции. Непрерывность и дифференцируемость: производные простых и сложных функций, оптимизация функции одной переменной.
  • Практика: Теория вероятностей: сложение и произведение вероятностей, формула Бернулли, условная вероятность: теорема Байеса. Математическая статистика: проверка гипотез, статистический вывод, центральная предельная теорема, сравнение средних значений, корреляция, регрессия, bootstrap, АБ-тесты.

Преподаватели курса

Преподавательский состав Центра дополнительного образования МГТУ им. Н.Э. Баумана состоит из профессионалов лучшего технического ВУЗа России с многолетним опытом работы в ведущих отраслевых компаниях. Многие из наших специалистов имеют ученые степени и звания.

Наши преподаватели искренне любят свое дело: структурированно и последовательно излагают материал, доступно объясняют верные решения сложных профессиональных задач и разбирают только реальный опыт крупнейших российских и зарубежных компаний. Так, после окончания обучения слушатели Центра дополнительного образования МГТУ им. Н.Э. Баумана могут сразу же применять свои знания и навыки на практике.

Резюме «Дата-аналитик»

Знания и навыки

  • Статистический анализ данных, структурирование больших объемов информации

  • Проведение разведочного анализа данных

  • Разработка алгоритмов расчета сводных таблиц и их формирование

  • Подготовка витрин данных

  • Визуализация результатов исследований

Заработная плата от:
90 000 руб.

Документы об окончании

МГТУ им. Баумана
МГТУ им. Баумана
Задать свой вопрос
+7 (495) 187-85-85
do@bmstu.ru Мы работаем ежедневно с 9:00 до 21:00
+7 (495) 187-85-85
do@bmstu.ru Мы работаем ежедневно с 9:00 до 21:00