Каталог курсов
Избранное
Включает программу трудоустройства
Профессия

Data Scientist

3 траектории под разные цели: базовая, расширенная и продвинутая

С нуля освоите профессию и сможете искать работу через 5 месяцев обучения

Наполните портфолио настоящими задачами от партнёров и сможете пройти стажировку

Поможем подобрать обучение
Нажимая кнопку, принимаю условия политики и пользовательского соглашения
Когда

25 июля

Комфортный темп обучения

Есть расписание, но можно придерживаться своего темпа

Длительность

От 12 месяцев — в зависимости от траектории обучения

Документ

Диплом о профессиональной переподготовке

40%
с 17.07 по 19.07

В сезон воды со льдом

Скидка уже включена в стоимость. Оплатите до 19 июля, чтобы скидка не сгорела.

Условия акции

Чем занимается Data Scientist

Дата-сайентисты работают с большими объёмами данных — находят в них закономерности и делают прогнозы. Для этого они создают модели машинного обучения и нейросети, такие как системы распознавания лиц, голосовые помощники и ChatGPT.

Дата-сайентисты работают везде, где есть много информации, — специалисту открыты любые дороги. К примеру, в банковской сфере дата-сайентист может спрогнозировать реакцию клиента на кредитное предложение, а в медицине — разрабатывать новые молекулы с помощью ИИ.

Возглавляет список перспективных профессий 2025 года

Мы предлагаем 3 траектории обучения

Базовая — быстрый старт в профессии

Освоите Python и аналитические библиотеки, SQL и математику, машинное обучение и основы нейросетей. Сможете стартовать в профессии через 5 месяцев обучения.

Расширенная — карьерные преимущества

Освоите продвинутые технологии работы с нейросетями и большими данными. Станете универсальным специалистом и сможете больше зарабатывать.

Продвинутая — специализация

Получите специализацию в медицине или промышленности —самых востребованных треках развития на рынке, и станете уникальным специалистом.

Этот курс — ваш осознанный путь к успешной карьере

Основы Data Science 

Через 5 месяцев можно работать аналитиком данных, а через 11 месяцев — junior дата-сайентистом

Погружение в нейросети 

Навыков хватит для перехода
на middle-позицию

Углубление в специфику медицинских
или промышленных данных

Навыки для работы ML-разработчиком со специализацией

Войдёте в мир Data Science благодаря разнообразию практики

Тестовые собеседования

Научитесь выбирать и использовать инструменты для решения задач, а также психологически подготовитесь к собеседованиям

Бизнес-игры

Научитесь брифовать заказчиков, проводить анализы, корректно интерпретировать результаты и презентовать исследования

Kaggle и хакатоны — расширенная траектория

Поучаствуете в хакатонах и международных соревнованиях, получите дополнительные кейсы, которые усилят портфолио

Тема по душе и индивидуальные консультации

Добавите в портфолио кейс, надо которым будете работать вместе с экспертом. Сможете выбрать свою тему или любую из учебных

Выполните более 20 проектов для портфолио

Каждый проект будет направлен на отработку нескольких навыков. Вот только некоторые примеры

Основы аналитики

Разработаете систему аналитики для учёта и планирования отпусков. Построите систему анализа домашней бухгалтерии на основе ваших данных

Попрактикуетесь на проектах компаний-партнёров

Прожарки

Возможность прокачать харды и софты, получить опыт работы в команде и кейс. При успешном решении задачи получите рекомендательное письмо от партнёра

Конкурсы

Соревнование в решении реальной задачи от заказчика. В результате можно получить приглашение на стажировку, офер или денежный приз

Задачи

Возможность набить руку и пополнить портфолио. Задачи регулярно публикуются в личном кабинете — можно выполнять их по желанию и силам

Партнёры — известные 

на рынке компании

Сможете участвовать в соревнованиях Kaggle с ментором

• Под руководством опытного наставника примете участие в конкурсах, сможете заработать рейтинговые очки или денежные призы

• Рейтинг в Kaggle — преимущество при приёме на работу, его указывают во многих вакансиях

Выпускники курса меняют жизнь

Вот их вдохновляющие истории

Кирилл Константинов

Было: школьник

Стало: аналитик в Озоне, затем Data Scientist NLP

Иван Тармосин

Было: менеджер мебельного салона

Стало: Data Scientist и разработчик моделей оценки «Агентства судебного взыскания», специалист по анализу влияния мелких факторов

Владимир Герингер

Было: работал в продажах

Стало: Руководитель отдела бизнес-аналитики GLS Pharmaceuticals

Валерия Байдаченко

Было: горный инженер

Стало: специалист по компьютерному зрению

Программа обучения —
от 12 месяцев


Чтобы программа соответствовала запросам рынка труда, мы проводим 3 этапа исследований

● Вебинары с экспертами в прямом эфире — в вечернее время

● Домашние задания проверяют эксперты в сфере машинного обучения и анализа данных

● Развитие навыков работы с кодом на тренажёре

● На лекции и практические задания понадобится от 10–15 часов в неделю

● Материалы будут доступны в течение двух лет после окончания обучения. После этого можно запросить доступ к обновленным записям

Базовая траектория

Вы разберётесь, что такое аналитическое мышление, и узнаете, откуда берутся данные. Научитесь определять ключевые продуктовые метрики и создавать дашборды. Освоите ключевые навыки для старта в профессии. Через 5 месяцев сможете работать аналитиком данных, а в конце обучения — junior-специалистом по Data Science.

Аналитическое мышление

Курсовой проект расширенной траектории 

Научитесь думать как аналитик и формулировать гипотезы для проверки. Поймёте, что аналитика строится вокруг данных. Познакомитесь с базовым инструментом аналитика и сможете проводить в нём простой анализ данных.

20 часов теории

38 часов практики

Что такое аналитическое мышление

Введение в Google-таблицы

Продвинутые Google-таблицы

Основы статистики

Откуда берутся данные

Продвинутая визуализация данных

Python как инструмент анализа данных

Машинное обучение для жизни

Основы практической статистики

Курсовой проект

Познакомитесь со статистическими показателями, научитесь проводить статистический анализ данных и проверять гипотезы с помощью различных инструментов.

8 часов теории

14 часов практики

Что такое статистика и для чего она нужна

Основные статистические показатели, виды распределений данных, корреляция

Взаимосвязи данных и формулирование гипотез по SMART

Статистические критерии в Google Таблицах. Проверка гипотез и формулирование выводов

Основы визуализации данных

Поймёте, как создавать наглядные визуализации, откуда берутся данные для визуализации и как с ними работать. Узнаете, как создавать истории с помощью данных.

6 часов теории

11 часов практики

Как донести информацию с помощью изображений

Инструменты, источники и предподготовка данных

Исследование данных и основы статистики

Продвинутая визуализация данных

Сторителлинг в визуализации

SQL и получение данных

В идеальном мире data scientist получает готовые данные, чтобы строить модели, но мир неидеален. Вы научитесь с помощью SQL получать данные из БД, фильтровать, агрегировать, а также импортировать и экспортировать.

20 часов теории

32 часа практики

Архитектура и структура баз данных (БД)

Простые запросы, join`s, агрегаты

Базовые команды в SQL и встроенные аналитические функции

Импорт и экспорт данных посредством SQL и ETL программ

Принципы работы с различными БД

Основные библиотеки для подключения к БД из Python

Функции SQL и их аналоги в pandas

Консоль: знакомство, основные операторы, утилита psql

Архитектура и проектирование

Нормализация

Зависимости

Подготовка и сдача итогового проекта

Python для анализа данных

Вы научитесь пользоваться базовыми инструментами и подходами в Python, чтобы начать работать с данными. Повторите основы линейной алгебры, теории множеств, методов математической оптимизации, описательной статистики, статистического анализа данных, а также научитесь реализовывать это на языке Python.

66 часов теории

83 часа практики

Базовые типы данных и циклы

Функции и классы

Продвинутые типы данных: массивы, множества, словари

Библиотеки для анализа данных: NumPy, Pandas, Matplotlib

Визуализация в Python

Базовые понятия статистики

Случайные события. Случайные величины

Логистическая регрессия и дискриминационный анализ

Корреляция и корреляционный анализ

Доверительные интервалы. Статистическая проверка гипотез для несвязанных выборок

Дисперсионный анализ и виды ошибок. А/В-тесты

Работа с признаками и построение моделей

Научитесь проверять данные на полноту, целостность, валидность, наличие шумов, ошибок и пропусков. Узнаете, как очищать данные с помощью NumPy и Pandas, как сокращать размерности данных алгоритмами PCA, LDA, NMF. Научитесь строить деревья решений и модели логистической, линейной и полиномиальной регрессии. Узнаете, как использовать Random Forest в задачах классификации.

42 часа теории

37 часов практики

Регрессионный анализ. Линейная, полиномиальная и логарифмическая регрессия

Классификация: логистическая регрессия и SVM

Функции потерь и оптимизация

Оценка точности модели, переобучение, регуляризация

Проблема качества данных

Работа с пропусками и переменными

Нейронные сети

Научитесь строить простые полносвязанные сети уровня LeNet и AlexNet и экспериментировать с их обучением. Получите теоретическую и практическую базу для использования НС в блоках CV и NLP.

10 часов теории

6 часов практики

Введение в нейронные сети и библиотеку Keras

Углубление в нейронные сети и библиотеку Keras

Введение в свёрточные нейронные сети

Введение в рекуррентные сети

Автокодировщики

Введение в генеративно-состязательные сети

Тренировочные собеседования по SQL и Python

На вебинарах с экспертами мы предложим вам аналоги тестовых заданий для соискателей на позиции
в аналитике данных и Data Science. Сначала вы попробуете решить задание самостоятельно, а потом разберёте его с экспертом. В результате вы:

• Поймёте, как не теряться при работе с абсолютно незнакомыми данными

• Научитесь выбирать и использовать инструменты в соответствии с поставленной задачей

• Подготовитесь психологически к решению тестовых заданий на собеседовании

Математика для анализа данных

Модуль в подарок

Изучите основные операции с векторами, матричными операциями. Рассмотрите генетические алгоритмы, алгоритм дифференциальной эволюции. Узнаете,
что такое математическое ожидание, дисперсия и моменты старших порядков. Изучите закон больших чисел.

9 часов теории

37 часов практики

Линейная алгебра. Вектора

Линейная алгебра. Матрицы

Продвинутая линейная алгебра

Математический анализ. Производная

Производная функции нескольких аргументов

Теория оптимизации

Теория вероятностей. Дискретные и непрерывные случайные величины

Центральная предельная теорема и закон больших чисел

Рекомендательные системы

Модуль в подарок

В этом и следующих блоках вы будете применять полученные знания в разных областях машинного обучения. Во время этого блока научитесь строить персонализированные и неперсонализированные рекомендательные системы, а также комбинировать их.

10 часов теории

9 часов практики

Неперсонализированные рекомендательные системы

Сontent-based-рекомендации

Collaborative Filtering

Гибридные алгоритмы

Расширенная траектория

Включает в себя все модули базовой траектории. Получите расширенные знания в профессии и углубитесь в работу с нейронными сетями. Начнёте повышать свою квалификацию. После окончания этой ступени сможете наработать навыки уровня middle и претендовать на большее количество вакансий.

Аналитика больших данных

Курсовой проект

Узнаете, как собрать и управлять командой Big Data-проекта. Освоите подход CRISP-DM, определите компетенции и состав команды. Определите, сколько данных вам нужно для нахождения инсайтов. Найдёте задачи под Big Data в своей компании. Поймёте, как и по каким правилам хранить данные. Сможете обосновывать влияние на сбор данных, мониторинг и отчётность.

12 часов теории

37 часов практики

Что такое большие данные

Монетизация больших данных

Характеристики и источники данных

Культура сбора данных

Основы реализации проектов больших данных. Кейс-стади

Основные характеристики больших данных и виды анализа данных. Продвинутые методы анализа больших данных

NoSQL-подход

MapReduce-подход

Введение в Hadoop

Практическое задание по аналитике данных и его разбор

Программа трудоустройства

Научитесь оформлять резюме и портфолио, справляться со сложными вопросами на собеседовании и искать актуальные вакансии. Центр развития карьеры отправит ваше резюме партнёрам Нетологии и будет присылать подборки подходящих вакансий.

Узнаете, как составить резюме, оформить портфолио и написать сопроводительное письмо так, чтобы вас пригласили на собеседование

Научитесь презентовать себя и отвечать на самые каверзные вопросы на интервью

Разберётесь, как и на каких площадках ищут работу IT-специалисты

Рассмотрите вакансии и стажировки от наших партнёров

Получите приглашение в сообщество выпускников, где сможете поделиться своими успехами, воспользоваться советами и поддержкой

Временные ряды

Вы изучите элементарные алгоритмы обработки временных рядов, модели ARIMA и GARCH, прогнозирование значений на их основе. Узнаете, что такое марковские случайные процессы и марковские модели для временных рядов.

16 часов теории

18 часов практики

Знакомство с временными рядами

Элементарные методы анализа временных рядов

Модели ARMA

Модели авторегрессии условной гетероскедастичности

Сингулярный спектральный анализ

Случайные марковские процессы

Нейронные сети в анализе временных рядов

Поиск изменений во временном ряде

Компьютерное зрение

Вы освоите основные техники машинного зрения — извлечение признаков, поиск по картинкам, сегментирование, детекция объектов.

22 часа теории

12 часов практики

Выделение признаков и поиск похожих изображений

Сегментация и детекция объектов

Свёрточные нейронные сети

Обучение свёрточной сети на практике

Задачи детекции и сегментации

Рекуррентные нейронные сети в задачах компьютерного зрения (Image Captioning)

Порождающие модели

Обработка естественного языка

Вы освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск, научитесь снижать размерность
в векторной модели, классифицировать, извлекать информацию и генерировать тексты.

21 час теории

12 часов практики

Введение в автоматическую обработку текста

Структура слова. Морфология

Синтаксический анализ

Дистрибутивная семантика

Извлечение ключевых слов

Словари. Подкрепление знаний

Тематическое моделирование

Информационный поиск

Классификация в АОТ

Языковые модели

Извлечение информации

Deep Learning

Модуль в подарок

Научитесь работать с многомерными свёртками, овладеете конкурентным преимуществом в задачах с использованием Beam-Search и Teacher Forcing, сможете реализовывать NLP с нуля. Сможете отличать дискриминатор от генератора и обучать генератор выбирать данные из линейной регрессии. Реализуете сеть генерации покемонов и обучите её.

38 часов теории

65 часов практики

Регрессия и персептрон

Многослойная нейронная сеть: регуляризация, градиентный спуск, ускорение обучения

Свёрточные сети: свёрточные архитектуры, многомерные свертки, сегментация

Рекуррентные сети: RNN, GRU и LSTM, Encoder-Decoder архитектура

Внимание: Dense Attention и Beam search

Компьютерное зрение: SSD, Region Based CNN, Faster R-CNN, Masked R-CNN, UNet, перенос стиля и FCN

Работа с текстом: языковые модели, Embeddings, Word2Wec, FastText, NER, Transformer, BERT и Elmo

GAN'ы: дискриминатор, генератор, продвинутые архитектуры

Финальный хакатон и Kaggle Competitions

В составе мини-команды за ограниченное время на основе датасетов крупных игроков рынка вам придётся решать задачи по прогнозированию продаж или оптимизации производства, задействуя все знания и навыки, полученные на курсе.

Интеграция и использование machine learning решений в бизнесе, как правило, подразумевает командную игру, поэтому хакатон полезен ещё и как тренировка необходимых soft skills.

8 часов практики

Английский для специалистов по работе с данными

Научитесь разбираться в аналитических терминах и читать иностранную техническую документацию. Сможете презентовать результаты анализа
с помощью графиков и диаграмм на английском языке. Узнаете, как эффективно готовиться к собеседованиям в зарубежные компании. Научитесь составлять убедительное резюме и писать сопроводительное письмо.

7 часов теории

7 часов практики

Словарь терминов аналитика с примерами употребления и типичными словосочетаниями

Важная лексика для работы с датасетами

Презентация результатов анализа

Чтение технической документации

Самопрезентация. Elevator Pitch

Прохождение собеседований

Резюме и сопроводительное письмо (CV & сover letter)

Email-переписка

Общение в технических чатах

Как вести звонки и встречи

Как учить лексику

Как учить грамматику


Дипломный проект — ML-модель
для решения профессиональных задач 

Тему выбираете самостоятельно: 
это может быть система прогнозирования продаж, распознавание объектов на фото
или видео, анализ временных рядов или больших объёмов текста. Вы также можете защитить итоговую работу на основе данных с Kaggle.

В работе над проектом вам будет помогать дипломный руководитель.
Для каждого студента в зависимости от траектории предусмотрены от 4 индивидуальных консультации
с экспертом в выбранной сфере.

Если у вас нет данных для собственного проекта, мы предложим учебный кейс — на основе реального датасета нашего партнёра Dodo Brands.

Продвинутая траектория

Углубитесь в особенности работы с медицинскими и промышленными данными, решите типичные для этих сфер задачи. Специализированные навыки повысят вашу профессиональную ценность и позволят выделиться на рынке труда. Получить полезный опыт в промышленном Data Science поможет стажировка в компании «Северсталь.Диджитал».

Data Science в медицине

Разберётесь в направлениях работы с данными. Познакомитесь со спецификой работы с разными типами медданных: табличными, текстовыми и снимками, попрактикуетесь в решении реальных задач. Узнаете, как устроены бизнес-процессы в медицине и как наладить коммуникацию с врачами и заказчиками.

32 часа теории

36 часов практики

Обзор исследовательских компаний, баз данных и основных поставщиков данных в медицине

Особенности структуры данных в медицине, принципы хранения и работы с такими данными

МДЛП — система маркировки лекарственных средств, влияние и роль системы на медицинскую отрасль, особенности работы и хранения подобных данных

ЕМИАС — Единая медицинская информационно-аналитическая система, особенность системы, примеры работы и хранения подобных данных

Анализ клинических рекомендаций Минздрава в разрезе нозологий, классификации МКБ, классификации болезней

CV и ML для обработки медицинских снимков МРТ, рентген, результатов анализов

NLP для обработки медицинских текстов

Юридические аспекты работы с медицинскими данными

Подготовка и сдача итогового проекта

Дипломный проект «Data Scientist в медицине»

Вы построите ML-модель для решения задач в сфере медицины.

Это может быть система по предсказания динамики продаж лекарственных средств в аптеках, распознаванию медицинских объектов на изображениях, прогнозирование распространения заболеваний с помощью анализа временных рядов или извлечение медицинских сведений из неструктурированного текста.

Предусмотрена индивидуальная часовая консультация с ментором по итоговой работе.

Data Science в промышленности

Научитесь обрабатывать данные с датчиков на промышленном оборудовании. Узнаете, как спроектировать решение, чтобы его было проще тиражировать. Рассмотрите основные кейсы в промышленном CV. Поймёте, какие алгоритмы применяются в каждом типе задач в зависимости от количества данных на входе, типов детектируемых событий и производственного процесса. Узнаете, как подобрать камеры, освещение и серверное оборудование.

32 часа теории

40 часов практики

Методика разработки Data Science-продуктов в промышленности. Особенности работы с промышленными данными

Причинно-следственный анализ в машинном обучении: causal inference

Оптимизационные задачи, алгоритмы и инструменты оптимизации

Фреймворки для разных типов CV-задач в промышленности: на что обращать внимание при выборе

ML и физика: основные подходы для объединения двух типов моделей: физических уравнений процесса и ML

Основные варианты размещения оборудования в промышленности и архитектура решения, которая за этим стоит

EDA для промышленности

Сложные задачи и вывод CV-моделей в продуктив

Продвинутые задачи: сбор данных при их практическом отсутствии, различные способы синтеза данных, обучение на синтетических данных

Дипломный проект «Data Science в промышленности»

Самостоятельно сделаете решение по определению посторонних предметов на конвейерах — от EDA до оптимизированной модели, готовой к выводу в продуктив.

Предусмотрена индивидуальная часовая консультация с ментором по итоговой работе.

DS в медицине

Разберётесь в специфике работы с табличными данными, анализе медицинских текстов и изображений. Решите реальные задачи при поддержке специалистов в сфере анализа медданных

DS в промышленности

Научитесь обрабатывать данные с датчиков на промышленном оборудовании. Рассмотрите сложности при реализации проектов по предиктивной аналитике, классические подходы и рекомендации по разработке модулей

Курсы для роста в профессии — в подарок

• На базовой траектории — курс «Основы аналитики и рекомендательные системы». Сможете строить рекомендательные системы в банковской, маркетинговой или медицинской сфере.

• На расширенной траектории — курс «Deep learning». Углубите свои знания в работе с нейросетями. Отработаете навыки на практике: добавите 8 проектов в портфолио и получите дополнительный документ о повышении квалификации.

Как проходит обучение
.01

Учитесь в своём темпе

По желанию вы можете брать паузы и продолжать обучение с новой группой. Несмотря на объём программы у вас будет возможность учитывать свои планы и не отказываться от них.

Преподаватели — эксперты ведущих компаний

Мы регулярно проводим внутренние митапы

Это неформальные встречи выпускников и студентов Нетологии с экспертами и потенциальными работодателями

Каждый участник может задать экспертам вопросы, получить ответы или поделиться собственной историей. Митапы проходят раз в две недели по вечерам.

Ваше резюме после обучения

Data Scientist

    Ключевые навыки

  • Сбор и подготовка данных для анализа
  • Написание SQL-запросов для получения данных

  • Выбор и создание признаков для модели

  • Выбор и реализация алгоритма под задачу
  • Группировка и фильтрация данных

  • Создание нейросетей
  • Генерация текстов и изображений
  • Создание рекомендательных систем
  • Нахождение объектов на изображениях

  • Обучение языковых моделей

  • Работа с механизмом внимания

  • Решение задач машинного перевода на основе рекуррентных сетей

  • Использование различных методов модификации изображений

  • Решение задач классификации, межъязыкового семантического поиска и генерации продолжения текста

  • Работа со звуком: распознавание, генерация

Инструменты

Scikit-learn

Scikit-learn

Базовая библиотека в Python для построения алгоритмов машинного обучения

OpenCV

OpenCV

Изучается на расширенной траектории. Библиотека алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом

PostgreSQL

PostgreSQL

Одна из самых популярных реляционных баз данных с открытым исходным кодом. На её основе работает множество приложений для анализа геопространственных данных и мобильных приложений

NLTK

NLTK

Изучается на расширенной траектории. Набор библиотек и программ Python для символьной и статистической обработки естественного языка

Pandas

Pandas

Наиболее продвинутая и быстроразвивающаяся библиотека для обработки и анализа данных в Python

Многослойные нейронные сети

Многослойные нейронные сети

Изучается на расширенной траектории. Все виды градиентного спуска, включая Adam, RMSProp, Momentum, SGD. Регуляризация и Dropout на основе MNIST.

Свёрточные сети и архитектура

Свёрточные сети и архитектура

Изучается на расширенной траектории. Свёртки и методы Padding & stride, Pooling и LeNet применительно к AlexNet, VGG, NiN, GoogLeNet, ResNet, DenseNet, densenet, mobilenet. Аугментация и TransferLearning. Языковые модели в RNN, GRU и LSTM. Декодер Teacher Forcing

Apache Spark

Apache Spark

Изучается на расширенной траектории. Фреймворк с открытым исходным кодом для реализации распределённой обработки неструктурированных и слабоструктурированных данных

Keras

Keras

Открытая нейросетевая библиотека, написанная на языке Python

Pytorch

Pytorch

Библиотека глубокого обучения для решения задач компьютерного зрения и NLP

Алгоритмы внимания

Алгоритмы внимания

Изучается на расширенной траектории. Понимание идеи attention'а. Dense-Attention для encoder-decoder архитектуры. Beam-Search и диалоговые боты

CatBoost

CatBoost

Изучается на расширенной траектории. Метод построения ML-моделей, основанный на градиентном бустинге. Разработан компанией Яндекс

Вашу квалификацию подтвердит официальный документ

Мы обучаем по государственной лицензии и выдаём документы установленного образца. На базовой траектории вы получите диплом о профессиональной переподготовке, а на расширенной и продвинутой — диплом и удостоверение о повышении квалификации.

Поможем найти
ту самую работу
Центр развития карьеры
помогает трудоустроиться студентам Нетологии
1
Научим составлять резюме и проходить интервью
Разберём ваш предыдущий опыт, определим сильные стороны и поможем составить успешное резюме. Научим презентовать себя и проведём тест-драйв интервью.
2
Поможем наработать практику и оформить портфолио
Приобретёте практический опыт и наполните портфолио ещё во время обучения. Разберёте тестовые задания от работодателей и сможете принять участие в их проектах.
3
Предложим стажировки и проекты от партнёров
Предоставим доступ к карьерной странице со стажировками и вакансиями от партнёров Нетологии. Будем делиться подборками с новыми интересными вакансиями.
header
Воркшопы и много практики
Вы сможете сформировать портфолио, выполняя задания компаний-партнёров Нетологии или проходя у них стажировки. Сфокусируетесь на практике, откликах и результате. Поработаете над реальными заданиями, защитите свои решения и получите развивающую обратную связь.
84%
студентов нашли работу с помощью Центра развития карьеры
4 075
компаний-партнёров в базе Нетологии для отработки практики
skyeng1Clamodaramblerraiffeisenvkozonagimakasperskyalfa2gisgettaic

Предложение для компаний

Вы можете обучить сотрудников на этом курсе. Адаптируем программу под ваш бизнес и предоставим отчёты об успеваемости. При обучении сразу нескольких сотрудников — более выгодная стоимость.

Оставьте заявку, мы свяжемся с вами, чтобы подготовить индивидуальное предложение.

Вернём деньги, если обучение не подойдёт

Деньги можно вернуть в любой момент.
В течение первых трёх занятий вернём вам полную сумму, а начиная с четвёртого — рассчитаем сумму возврата или поможем выбрать другой курс взамен.

Подробные условия

40%
с 17.07 по 19.07

В сезон воды со льдом

Скидка уже включена в стоимость. Оплатите до 19 июля, чтобы скидка не сгорела.

Условия акции
24 месяца обучения, старт 25 июля
Запишитесь или получите консультацию
Частями без переплат
5 333 ₽/месяц
8 888 на 36 месяцев
Одним платежом
со скидкой 5%
182 400
 ₽
320 000
-40%
акция действует
до 19 июля
Нажимая кнопку, принимаю условия политики и пользовательского соглашения
Нашли дешевле? Сделаем скидку
Вернём деньги, если обучение не подойдёт
Возможность получить налоговый вычет — 13%
24 месяца обучения, старт 25 июля
Data Scientist: расширенный курс
Частями без переплат
5 333 ₽/месяц
8 888 на 36 месяцев
Одним платежом
со скидкой 5%
182 400
 ₽
320 000
-40%
акция действует
до 19 июля
Нашли дешевле? Сделаем скидку
Вернём деньги, если обучение не подойдёт
Возможность получить налоговый вычет — 13%
Запишитесь или получите консультацию
Нажимая кнопку, принимаю условия политики и пользовательского соглашения

Отвечаем на вопросы

  • Я гуманитарий, смогу ли учиться на дата-сайентиста?

    Курс ориентирован на новичков в аналитике и Data Science, без привязки к предыдущему опыту. В программе предусмотрен блок по математике, где вы сможете изучить или вспомнить основные математические концепции, важные для старта в DS. Не нужно быть чемпионом по математике, чтобы стать дата-сайентистом. 

  • Как организовано обучение?

    Обучение проходит на образовательной платформе Нетологии. У вас будет личный кабинет с доступом к вебинарам, видеолекциям, дополнительным материалам, домашним заданиям и чату.

  • Смогу ли я найти работу дата-сайентистом после обучения на этой программе?

    Да, вы сможете претендовать на стартовые позиции аналитика данных после 5–6 месяцев обучения, а к концу курса выйти на уровень миддла в DS. Студенты программы могут обратиться в Центр развития карьеры Нетологии: получить консультацию и рекомендации по упаковке своего опыта в резюме. Мы регулярно публикуем вакансии и стажировки для начинающих в закрытом чате. Эксперты курса часто ищут джунов среди наших студентов, потому что знают качество обучения изнутри.


  • Я уже слишком взрослый, чтобы менять профессию. До скольки лет можно учиться аналитике и Data Science?

    У нас учатся и вчерашние школьники, и взрослые. Согласно опросу, самым взрослым из наших студентов  60 лет. Аналитика — это место, где мудрость и жизненный опыт становятся преимуществом.

  • Смогу ли я совмещать учёбу и работу?

    Большинство наших студентов параллельно учатся и работают. Гибкие форматы обучения — вебинары, видеолекции в записи, лонгриды, тренажёр — позволяют выстроить удобный график и выделять время на учёбу. А если вы не будете успевать, команда сопровождения поможет подобрать вам комфортный темп, чтобы вы могли успешно завершить курс.

  • Мое расписание не совпадает с вашим. Что делать, если я не смогу попасть на вебинар?

    Мы понимаем, что не всегда удобно посещать вебинары в режиме реального времени. Поэтому вы всегда можете найти запись занятия в личном кабинете и просмотреть его в удобное время. Вебинары полезны тем, что на них можно задать вопросы эксперту и получить актуальную информацию обо всех изменениях в сфере аналитики.

  • Какие навыки и знания я получу на курсе Data Scientist?

    1. Работать с базами данных. Сможете получать данные с помощью SQL из различных источников, выгружать их в нужном формате.

    2. Использовать Python и библиотеки. Очищать и преобразовывать данные, проверять гипотезы, находить скрытые закономерности, визуализировать результаты.

    3. Применять математику и статистику. Освоите необходимый математический аппарат для решения задач машинного обучения и построения нейросетей.

    4. Строить модели машинного обучения. Конструировать признаки, строить классические модели машинного обучения, временные ряды и создавать рекомендательные системы.

    На расширенной траектории научитесь работать с глубоким обучением нейросетей, а также освоите навыки для перехода на следующий грейд в карьере: сможете лидировать дата-проекты, работать в команде и находить общий язык с заказчиком.

    На продвинутом тарифе на практике разберете специфику работы с медицинскими или промышленными данными. 

  • Подходит ли курс для начинающих или нужна предварительная подготовка?

    Наш курс разработан для начинающих. Он подойдет всем, независимо от предыдущего опыта. У нас учатся и вчерашние школьники, и специалисты из далеких от IT-сфер: врачи, филологи, учителя, представители трудовых профессий.

  • Какой формат обучения? Занятия проходят онлайн?

    Обучение проходит в смешанном формате: теория в записи, чтобы можно было смотреть её в удобном темпе. На вебинарах — практика и разборы вопросов. Если студент не может посетить вебинар — можно посмотреть запись, а вопросы эксперту задать через личный кабинет или в чате группы.

  • Какими инструментами я овладею?

    На программе вы изучите базовые инструменты для анализа данных и машинного обучения: SQL, Python и его библиотеки, Jupyter Notebook, CatBoost, scikit-learn, нейросетевыми библиотеками Keras и PyTorch.

  • Включает ли курс обучение работе с большими данными?

    Да, модуль Big Data включён в расширенную программу. Вы освоите инструменты для работы с большими объёмами данных, в частности MapReduce, Hadoop. Сможете решать сложные задачи.

  • Какие перспективы трудоустройства после завершения курса?

    Наши студенты находят работу уже в середине обучения. При должном усердии через 5 месяцев с начала обучения можно выйти на позицию аналитика данных, через 7-8 месяцев — на стажировку в ML или позицию junior в Data Science. К концу обучения на расширенной программе студенты могут вырасти до middle-специалиста, если начали работать во время учёбы. После прохождения всех модулей расширенной программы выпускник становится универсальным специалистом
    в Data Science.

  • Какой опыт и квалификация у преподавателей курса?

    На курсе преподают только эксперты-практики с опытом работы в российских (Яндекс, Сбер) и иностранных компаниях (Amazon, Philips и других).

  • Преподают ли на курсе машинное обучение и искусственный интеллект?

    Да, на всех траекториях вы изучите методы классического машинного обучения и создания нейросетей. На расширенной программе погрузитесь в deep learning для решения более сложных задач в области компьютерного зрения (CV)
    и распознавания естественного языка (NLP).

  • Какие компании сотрудничают с вами для трудоустройства выпускников?

    Среди компаний-партнёров программы: Яндекс.Облако, Северсталь, red_mad_robots, Peep Pavlov, Гринатом и другие.

  • Какова продолжительность курса и сколько времени нужно уделять обучению ежедневно?

    В зависимости от выбранной траектории срок обучения занимает от 11 месяцев. Можно делать заморозки и продолжать обучение с новым потоком. Для учёбы желательно выделять не менее 12 часов в неделю. 

все вопросы