Profession Data Scientist PRO - δωρεάν μάθημα από το Skillbox, εκπαίδευση, Ημερομηνία: 29 Νοεμβρίου 2023.

instagram viewer

Πρώτο επίπεδο: βασική εκπαίδευση
Ο μέσος χρόνος ολοκλήρωσης είναι 6 μήνες.

Εισαγωγή στην Επιστήμη Δεδομένων
Εξοικειωθείτε με τους κύριους τομείς της Επιστήμης Δεδομένων, μάθετε ποια προβλήματα λύνουν οι αναλυτές δεδομένων, οι μηχανικοί δεδομένων και οι ειδικοί της μηχανικής μάθησης. Θα περάσετε από όλα τα στάδια εργασίας με δεδομένα. Μάθετε να εντοπίζετε προβλήματα, συλλέγετε επιχειρηματικές απαιτήσεις. Θα πραγματοποιήσετε λήψη δεδομένων από διάφορες πηγές, θα πραγματοποιήσετε διερευνητική ανάλυση και θα προετοιμάσετε το σύνολο δεδομένων για περαιτέρω χρήση. Εκπαιδεύστε και εφαρμόστε ένα έτοιμο μοντέλο ML, δοκιμάστε τον εαυτό σας ως αναλυτής προϊόντων και μάρκετινγκ. Μάθετε πώς να διατυπώνετε και να δοκιμάζετε υποθέσεις. Κατακτήστε τα βασικά εργαλεία για εργασία: Python, SQL, Excel, Power Bi, Airflow.

Βασικές αρχές στατιστικής και θεωρία πιθανοτήτων
Θα κατανοήσετε τις αρχές της εργασίας με τυχαίες μεταβλητές και συμβάντα. Εξοικειωθείτε με ορισμένους τύπους κατανομών και στατιστικών δοκιμών που είναι χρήσιμοι για την κατασκευή μοντέλων και τον έλεγχο υποθέσεων.

Βασικά Μαθηματικά για Επιστήμη Δεδομένων
Αποκτήστε βασικές γνώσεις μαθηματικών για να εργαστείτε με τη μηχανική μάθηση. Θα καταλάβετε τι είναι η προσέγγιση, η παρεμβολή, οι συναρτήσεις, οι παλινδρομήσεις, οι πίνακες και τα διανύσματα. Μάθετε να εργάζεστε με μαθηματικές οντότητες στη βιβλιοθήκη SymPy Python.

Ευκαιρία πρακτικής άσκησης
Οι βασικές γνώσεις και δεξιότητες είναι αρκετές για να αποκτήσετε πρακτική άσκηση· μπορείτε να συνεχίσετε να σπουδάζετε στο μάθημα και στην εταιρεία ταυτόχρονα.

Δεύτερο επίπεδο: εξειδίκευση και απασχόληση
Ο μέσος χρόνος ολοκλήρωσης είναι 6 μήνες.

Ειδίκευση 1: Μηχανική Μάθηση
Μηχανική μάθηση. Κατώτερος. Μάθετε σχετικά με τους αλγόριθμους μηχανικής μάθησης για την επίλυση προβλημάτων παλινδρόμησης, ταξινόμησης και ομαδοποίησης. Δημιουργήστε και εκπαιδεύστε το πρώτο σας νευρωνικό δίκτυο. Μάθετε να επιλέγετε παραμέτρους μοντέλου, να αξιολογείτε την ποιότητα και να τη βελτιώνετε, καθώς και να εμφανίζετε το αποτέλεσμα στην Παραγωγή.

Ειδίκευση 2: Μηχανικός Δεδομένων
Μηχανικός Δεδομένων. Κατώτερος. Θα συλλέξετε πολύπλοκα σύνολα δεδομένων, θα προετοιμάσετε μάρκες δεδομένων, θα αναπτύξετε έργα DS από την αρχή, θα δοκιμάσετε κώδικα, θα δημιουργήσετε αγωγούς για εργασία με δεδομένα και θα εργαστείτε σε μια ομάδα.

Ειδίκευση 3: Αναλυτής Δεδομένων
Αναλυτής δεδομένων. Κατώτερος. Εξοικειωθείτε με τις βασικές μεθόδους ανάλυσης χρησιμοποιώντας την ανάλυση πωλήσεων ως παράδειγμα. Θα περάσετε από τα βασικά στοιχεία μάρκετινγκ, BI και ανάλυση προϊόντων. Βελτιώστε τις δεξιότητές σας στο Excel, Python και Power BI. Θα είστε σε θέση να διατυπώσετε και να δοκιμάσετε υποθέσεις και να παρουσιάσετε τα αποτελέσματα στον πελάτη.

Εύρεση εργασίας χρησιμοποιώντας το Κέντρο Καριέρας
Ένας σύμβουλος σταδιοδρομίας θα σας βοηθήσει να προετοιμαστείτε για μια συνέντευξη σε μια συνεργαζόμενη εταιρεία. Θα κατανοήσετε τις κοινές ερωτήσεις και θα μάθετε να ανησυχείτε λιγότερο κατά τη διάρκεια των συνεντεύξεων. Γράψτε μια συνοδευτική επιστολή και μορφοποιήστε σωστά το βιογραφικό σας. Όταν είστε έτοιμοι να υποβληθείτε σε συνέντευξη, ένας σύμβουλος σταδιοδρομίας θα οργανώσει μια συνάντηση με τον εργοδότη. Στη συνέντευξη, παρουσιάζετε τα έργα που δουλέψατε κατά τη διάρκεια του μαθήματος και οι γνώσεις και οι δεξιότητές σας θα σας φανούν χρήσιμες για την ολοκλήρωση εργασιών δοκιμής.

Τρίτο επίπεδο: προχωρημένη εκπαίδευση
Ο μέσος χρόνος ολοκλήρωσης είναι 1 έτος.

Εξειδίκευση 1: Machine Learning PRO
Μηχανική μάθηση. Προχωρημένος. Κύριοι αλγόριθμοι για συστήματα προτάσεων κτιρίου και πρόβλεψη χρονοσειρών. Μάθετε να εφαρμόζετε μεθόδους συνόλου, stacking, boosting, καθώς και βέλτιστες πρακτικές στη διασταυρούμενη επικύρωση, παρακολούθηση και ανάπτυξη ML. Βαθιά Μάθηση. Μάθετε να εργάζεστε με νευρωνικά δίκτυα: θα μάθετε λεπτομερώς πώς λειτουργούν, θα εκπαιδεύσετε μοντέλα, θα δημιουργήσετε και θα δοκιμάσετε αρχιτεκτονικές, θα μεταφέρετε δεδομένα στο νευρωνικό δίκτυο και θα διαμορφώσετε παραμέτρους. Κομμάτι 1. NLP. Μάθετε να εφαρμόζετε αλγόριθμους μηχανικής εκμάθησης και νευρωνικά δίκτυα στην επεξεργασία φυσικής γλώσσας. Θα μάθετε πώς να αναλύετε το συναίσθημα των κειμένων, να τα ταξινομείτε και να αναγνωρίζετε την ομιλία. Κομμάτι 2. Computer Vision. Χρησιμοποιώντας αλγόριθμους μηχανικής μάθησης και νευρωνικά δίκτυα, θα αναγνωρίσετε αντικείμενα, πρόσωπα και συναισθήματα, θα ταξινομήσετε και θα τμηματοποιήσετε εικόνες. Μάθετε να εφαρμόζετε και να προσαρμόζετε έτοιμα μοντέλα βιογραφικών για τους σκοπούς σας.

Ειδίκευση 2: Data Engineer PRO
Μηχανικός Δεδομένων. Προχωρημένος. Μάθετε να χρησιμοποιείτε τυπικά εργαλεία παρακολούθησης και να ορίζετε ειδοποιήσεις. Θα επιλέξετε μια αρχιτεκτονική για την αποθήκευση δεδομένων και θα εργαστείτε με πολύπλοκους τύπους αρχιτεκτονικής αποθήκευσης. Κατασκευάστε υποδομές και αγωγούς για εκπαίδευση μοντέλων ML.

Εξειδίκευση 3: Data Analyst PRO
Κομμάτι 1. Αναλύσεις προϊόντων. Θα επεξεργάζεστε δεδομένα, θα μελετάτε την αλληλεπίδραση των χρηστών με το προϊόν και θα ερμηνεύετε τις συλλεγόμενες πληροφορίες. Τα αποτελέσματα που θα προκύψουν θα βοηθήσουν στην επίλυση επιχειρηματικών προβλημάτων. Κομμάτι 2. Marketing Analytics. Θα μάθετε πώς να ρυθμίζετε αναλυτικά στοιχεία ιστού και από άκρο σε άκρο, να δημιουργείτε διοχετεύσεις πωλήσεων και να αναλύετε τη συμπεριφορά των χρηστών στον ιστότοπο. Κομμάτι 3. BI Analytics. Μάθετε να δημιουργείτε αποθήκες δεδομένων, να σχεδιάζετε βάσεις δεδομένων SQL και να εργάζεστε με πίνακες σε προχωρημένο επίπεδο. Θα λύσετε επιχειρηματικά προβλήματα χρησιμοποιώντας αναλυτικά στοιχεία, θα καθαρίσετε δεδομένα, θα τα αποθηκεύσετε σωστά και θα τα οπτικοποιήσετε.

Τελικά έργα
Ετοιμάστε και παρουσιάστε 3 έργα στην επιλεγμένη ειδικότητα - εισαγωγικό, Junior και Middle επίπεδο - και προσθέστε τα στο χαρτοφυλάκιό σας.

Εισαγωγή στην Επιστήμη Δεδομένων
Ενοποιήστε τις νέες σας γνώσεις σε ένα μεμονωμένο έργο - θα μεταβείτε από τη φόρτωση δεδομένων στην υλοποίηση ενός μοντέλου. Λύστε τα προβλήματα ενός μηχανικού δεδομένων, μηχανικού ML και αναλυτή δεδομένων για να αποφασίσετε για την εξειδίκευσή σας.

Μηχανική Μάθηση
Τελικό έργο σε επίπεδο Junior. Διαγωνισμός Kaggle. Κατασκευάστε ένα μοντέλο για να λύσετε μόνοι σας το πρόβλημα. Θα συλλέξετε και θα διερευνήσετε την ανάλυση δεδομένων, θα επιλέξετε έναν αλγόριθμο ML και θα εκπαιδεύσετε το μοντέλο σας, θα αξιολογήσετε την ποιότητά του και θα εργαστείτε για βελτιώσεις. Ομαδικό έργο για τη βαθιά μάθηση. Project on Computer Vision ή Natural Language Processing.

Μηχανικός Δεδομένων
Τελικό έργο σε επίπεδο Junior. Πραγματοποιήστε μια ανάλυση κοόρτης και κατεβάστε αναφορές API. Δημιουργήστε πίνακες εργαλείων με βάση τα δεδομένα που λαμβάνονται. Το τελευταίο έργο Μεσαίου επιπέδου είναι ένα hackathon.

Αναλυτής δεδομένων
Junior επίπεδο. Product Analytics: αναλύστε τα αποτελέσματα της δοκιμής A/B για ένα προϊόν και αποφασίστε τι πρέπει να αναπτυχθεί πρώτα. Junior επίπεδο. Marketing Analytics: προετοιμασία δεδομένων, υπολογισμός μετατροπών και LTV. Εξάγετε συμπεράσματα σχετικά με την αποτελεσματικότητα των διαφημιστικών εκστρατειών. Junior επίπεδο. BI Analytics: δημιουργήστε ένα σχέδιο-γεγονός. Δημιουργήστε πίνακες εργαλείων που θα σας επιτρέψουν να κατανοήσετε ποια τμήματα έχουν τον μεγαλύτερο αντίκτυπο στην απόδοση της εταιρείας. Μεσαίο επίπεδο. Ομαδικό έργο στο επιλεγμένο κομμάτι.

Μπόνους μαθήματα

Καριέρα προγραμματιστή: Απασχόληση και Ανάπτυξη
Θα μάθετε πώς να επιλέξετε μια κατάλληλη κενή θέση, να προετοιμαστείτε για μια συνέντευξη και να διαπραγματευτείτε με έναν εργοδότη. Θα μπορέσετε να αποκτήσετε γρήγορα μια θέση που να ανταποκρίνεται στις προσδοκίες και τις δεξιότητές σας.

Σύστημα ελέγχου έκδοσης Git
Μάθετε να τροποποιείτε τον κώδικα έκδοσης, να δημιουργείτε και να διαχειρίζεστε αποθετήρια, υποκαταστήματα και να επιλύετε διενέξεις εκδόσεων. Μάθετε χρήσιμους κανόνες για την εργασία με το Git.

Αγγλικά για ειδικούς πληροφορικής
Αποκτήστε γλωσσικές δεξιότητες που θα σας βοηθήσουν να περάσετε μια συνέντευξη με μια ξένη εταιρεία και να επικοινωνήσετε άνετα σε μικτές ομάδες.