Курсы Data Science предоставляют возможность углубленного изучения методов и инструментов анализа данных, что может быть полезно для студентов и специалистов в области IT-технологий, а также финансистам, маркетологам, врачам и всем, кто просто интересуется этой областью.

В этой статье собраны лучшие очные курсы Data Science в Санкт-Петербурге. В процессе обучения вы узнаете основные понятия и методы анализа данных, включая работу с большими объемами данных, предварительную обработку данных, визуализацию данных, статистический анализ и машинное обучение.

Яндекс.Практикум

Курс «Специалист по Data Science»

Вы поймёте, что представляет собой анализ данных, какие процессы он в себя включает и в чём отличие аналитика от специалиста по Data Science. Изучите азы важнейшего инструмента — языка программирования Python. Cможете оценить свои силы, мотивацию, запас времени и решить, нужно ли идти дальше.

• Доступ к первому курсу в тренажёре
• Навыки и знания на 20 часов обучения
• 1 учебный проект на реальных данных

Закончив бесплатный курс, можно пойти дальше. С этого момента вы начнёте полноценно осваивать профессию специалиста по Data Science.

Практикум — это насыщенная и проработанная среда
Здесь трудно, но интересно. Учёба занимает 8,5 месяцев. Много теории, ещё больше практики, люди и методология — всё направлено на то, чтобы вы освоили профессию специалиста по Data Science.

• Понятная теория
  Термины и правила подкреплены примерами из жизни. Сложность и длина курса рассчитаны так, чтобы каждую следующую главу вы понимали всё лучше.
• Практика в тренажёре
  Пишите код, ошибайтесь, быстро получайте обратную связь и исправляйте ошибки.
• Учебные проекты
  Вас ждут типичные для специалиста по Data Science задачи из разных сфер бизнеса. Вы решите их и сможете добавить в своё портфолио.
• И онлайн-встречами с наставником
  Будете разбирать теорию на реальных примерах разных компаний, которые лидируют в индустрии

Программа курса
Обновляется регулярно, чтобы она соответствовала запросам индустрии и работодателей. Иными словами, вы учитесь только тому, что точно пригодится в работе.

1. Основы Python и анализа данных: бесплатный вводный курс
2. Введение в профессию «Специалист по Data Science»
3. Базовый Python
4. Предобработка данных
5. Исследовательский анализ данных
6. Статистический анализ данных
7. Теория вероятностей. Дополнительный курс
8. Итоговый проект первого модуля
9. Введение в машинное обучение
10. Обучение с учителем
11. Машинное обучение в бизнесе
12. Итоговый проект второго модуля
13. Линейная алгебра
14. Численные методы
15. Временные ряды
16. Машинное обучение для текстов
17. Базовый SQL
18. Компьютерное зрение
19. Обучение без учителя
20. Выпускной проект

Skillbox

Профессия Data Scientist PRO

Работа с данными — процесс, в котором каждый участник команды выполняет свою задачу. Аналитик помогает принимать бизнес-решения, ML-инженер обучает модели, а Data-инженер делает так, чтобы всё работало. Независимо от роли все программируют на Python, разбираются в математике, статистике и говорят на языке данных. Поэтому иногда таких специалистов называют просто Data Scientist.

Полностью обновили профессию в 2022 году:

В новом курсе ещё больше практики и разборов кейсов. Вы не только освоите Python и актуальные версии инструментов для работы, но и научитесь самостоятельно решать нестандартные задачи. Вас ждут:

• Более 80 практических заданий на развитие аналитического мышления и отработки навыков;
• 3 больших итоговых проекта на реальных данных;
• Курс по Git и подготовка к командной работе в компании.

Кем вы станете после курса?

Вариант 1. Специалист по Machine Learning
Будете анализировать большие объёмы информации, создавать модели для прогнозирования в бизнесе, медицине, промышленности. Обучать нейросети, создавать аналитические системы и рекомендательные сервисы на основе алгоритмов машинного обучения. Продолжите профессиональное развитие в сфере обработки естественного языка или Computer Vision.

Вариант 2. Дата-инженер
Будете разворачивать программную инфраструктуру для организации сбора, обработки и хранения данных. Вам предстоит решать сложные, но интересные задачи: создавать отказоустойчивые системы для работы с Big Data, писать эффективный код на Python и SQL-запросы, автоматизировать рутину, «общаться» с базами данных, работать с облачными платформами.

Вариант 3. Аналитик данных
Будете помогать бизнесу принимать верные решения на основе данных. Собирать информацию и анализировать её, находить аномалии в метриках. На основе исследований будете выявлять закономерности, строить гипотезы и проверять их жизнеспособность с помощью моделирования. Научитесь визуализировать результаты работы в виде графиков и диаграмм.

Geekbrains

Data Scientist: быстрый старт в профессии

Первый онлайн-университет, который обучает Data Science с нуля. Для учебы достаточно школьных знаний. У вас будут все необходимые ресурсы и инструменты + целая программа по высшей математике. Не абстрактная, как в обычных вузах, а построенная на практике. Преподаватели познакомят вас с технологиями машинного обучения и нейронными сетями, научат решать настоящие бизнес-задачи.

Преимущества программы
В программе собран опыт ведущих экспертов и методологов, фундаментальные и прикладные знания, актуальный технологический инструментарий. Все это представлено в доступной подаче — мы умеем учить и точно знаем, каким может быть путь в профессии ИТ.

Плавный вход
Подойдет даже новичкам в ИТ
Перспективы карьерного роста
Повысите свою ценность на рынке труда
Универсальные навыки
Изучите не только базу, но и продвинутые инструменты
Обучение на практике
Решите более 50 практических задач
Быстрые результаты
Возможность трудоустроиться уже через 9 месяцев после начала обучения
Популярные специализации
Осознанно выберите свою

Программа обучения

Программа обучения на пакете «Специалист» рассчитана на 9 месяцев
Вы пройдете ограниченный набор тем и сконцентрируетесь на изучении одной профессии. Вы получите необходимые навыки, чтобы стать квалифицированным специалистом в короткий срок.

1. Введение в программирование
2. Введение в контроль версий
3. Математика
4. Информатика
5. Знакомство с языком Python
6. Основы языка Python для аналитиков
7. Теория вероятностей и математическая статистика
8. Математический анализ
9. Линейная алгебра
10. Искуcственный интеллект (передовые технологии)
11. Базы данных и SQL
12. Операционные системы
13. Сбор и разметка данных
14. Transfer learning
15. Введение в Big Data
16. ETL: автоматизация подготовки данных
17. Знакомство с Apache Spark
18. Дипломная работа

Нетология

Data Scientist с нуля до middle

• Построите карьеру в анализе данных и обучении нейронных сетей
• Добавите более 14 проектов в портфолио
• Сможете искать работу в новой сфере уже через 8 месяцев обучения

Чему вы научитесь

• Работать с SQL
  Писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов
• Использовать Python и библиотеки
  Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, полученные при анализе данных
• Проверять данные и определять проблемы
  Обрабатывать текстовые данные, чтобы передавать их в алгоритмы машинного обучения, генерировать новые значимые признаки
• Обучать многослойные нейронные сети и строить модели машинного обучения
  Проверять гипотезы, строить рекомендательную систему и нейронную сеть, выявлять скрытые аномалии в данных
• Применять математику в алгоритмах
  Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями
• Лидировать Data-проекты, работать в команде и находить общий язык с заказчиком
  Структурировать результаты, формулировать гипотезы, выявлять потребности, находить области применения машинного обучения

Программа обучения — 20 месяцев

316 часов теории и 462 часа практики

• Вебинары с экспертами в прямом эфире проходят 1-2 раза в неделю, начинаются в промежутке с 18:00 до 20:00 МСК
• На лекции и практические задания понадобится 10-15 часов в неделю
• Записи вебинаров и митапов, видеолекции, презентации, лонгриды, тесты, тренажёры и другие полезные материалы хранятся в личном кабинете

1 ступень. Погружение

В первом модуле вы разберётесь, что такое аналитическое мышление, и узнаете, откуда берутся данные. Научитесь определять ключевые продуктовые метрики и создавать дашборды.

• Аналитическое мышление
• Основы практической статистики
• Основы визуализации данных

2 ступень. SQL, Python и Big Data

Вы получите ключевые навыки специалиста в Data Science для старта в профессии и сможете искать стажировку в новой сфере уже после прохождения первой ступени.

• SQL и получение данных
• Аналитика больших данных
• Python для анализа данных
• Математика для анализа данных

3 ступень. Машинное обучение, Deep Learning и нейронные сети

Получите расширенные знания в профессии и научитесь работать с нейронным сетями, обучать модели и реализовывать NLP. Начнёте повышать свою квалификацию. После окончания этой ступени сможете претендовать на позицию Junior Data Scientist и совмещать учёбу с работой.

• Машинное обучение
• Рекомендательные системы
• Временные ряды
• Нейронные сети
• Компьютерное зрение
• Обработка естественного языка
• Deep Learning

4 ступень. Soft Skills и управление проектами

Сочетание хард- и софт-скиллов поможет вам быстрее расти по карьерной лестнице и добиваться больших результатов. Пройдя все ступени программы, вы сможете претендовать на должность Middle Data Scientist.

• Менеджмент data-проектов
• Эффективные коммуникации и эмоциональный интеллект
• Переговоры
• Публичные выступления
• Финальный хакатон и Kaggle Competitions
• Английский для специалистов по работе с данными
• Программа трудоустройства

Специализация

• Data Science в медицине
• Дипломный проект «Data Scientist в медицине»

 

Skillfactory

Профессия Data Scientist

За два года обучения по 6 часов в неделю вы освоите востребованные навыки в Data Science и соберёте портфолио проектов. Вот что будет в вашей учебной программе:

Кейсы. Вы самостоятельно напишете и обучите модель на основе наивного байесовского классификатора, разберетесь с типами запросов, напишете и поднимете сервис на Flask.

Уроки. Вы построите рекомендательную систему с использованием алгоритмов.
Потренируйте навыки в машинном обучении на практических упражнениях и поучаствуйте в финальном соревновании на kaggle.

Тренажеры. Тренажер по машинному обучению. Методы предобработки данных, регрессия, кластеризация, Tree-based алгоритмы, оценка качества алгоритмов, временные ряды, валидация данных.

Soft skills. Постановка задач и их декомпозиция. Навыки эффективных коммуникаций с заказчиками и стейкхолдерами. Управление проектом в Data Science.

Программа курса

Семестр 1. Foundation

1. Основы программирования на Python + Python для анализа данных
2. Подгрузка данных
3. Разведывательный анализ данных

Семестр 2. Machine Learning & Математика

4. Введение в машинное обучение
5. Математика и углубленное машинное обучение
6. ML в бизнесе

Семестр 3-4. Специализация по выбору

• Профориентационный блок
• Выбор специализации (Machine Learning, Computer Vision или разработчик Natural Language Processing)

Бруноям

Курс Data Science

Практический курс по Data Science. 2 месяца офлайн-занятий в мини-группе. 2 месяца работы по двум большим проектам: анализ данных и машинное обучение. Все это вместе с личным наставником.

Курс нацелен на профессию Data Science. Вас научат всему, что есть в джун-вакансиях. Подготовят к первой работе, помогут наполнить проектами портфолио и подготовят к собеседованиям. Ваши преподаватели — действующие специалисты по Data Science / Data Analysis. Они совмещают основную работу и преподавание. В процессе обучения делятся личным опытом и актуальной информацией в сфере Data Science. Группы 5-10 человек позволяют работать над проектами в команде, а преподавателю — уделять внимание каждому ученику. Если вы захотите освежить информацию — можете бесплатно пройти весь курс или посетить пропущенное занятие в течение года.

Технологии, которые будете изучать:

• Python — основы программирования
• Машинное обучение — построение моделей
• NumPy — работа с библиотекой
• pandas — работа с библиотекой
• matplotlib — визуализация данных с помощью
• SQL — работа с базами данных
• Математика — использование для обработки данных
• Нейронные сети — теория и практика
• machine learning — Использование в работе
• A/B-тестирования — создание и проведение

Высшая Школа Экономики

Master of Data Science

«Master of Data Science» — первая в России англоязычная очная магистерская программа, реализуемая полностью онлайн. Более 300 студентов получают востребованные навыки и знания сегодня, а более 100 выпускников уже работают в ведущих компаниях России и мира.

Как проходит обучение?

• Теория в любой момент

Все лекции записаны заранее, вы можете смотреть их в своем темпе в удобное время

• Удобное время занятий

Вебинары с преподавателями проходят в режиме реального времени два раза в день (утром и вечером для разных часовых поясов). После этого они становятся доступны в записи

• Постоянный доступ к материалам

Материалы по курсам доступны сразу, так что студенты могут спланировать свой график учебы исходя из собственного расписания

• Практико-ориентированность

Много практики и задания, проверяемые преподавателями вручную. За все время обучения студенты реализуют более 10 объемных проектов

Программа магистратуры:

1. Дискретная математика
2. Python продвинутый уровень
3. Математический анализ
4. Линейная алгебра
5. Теория вероятностей
6. Алгоритмы и структуры данных
7. Основы статистики
8. SQL
9. Data Scraping

Санкт-Петербургский политехнический университет Петра Великого

SA-DS. Введение в Data Science и анализ данных

Целью реализации программы повышения квалификации является формирование теоретического представления об основных современных методах анализа данных, а также приобретение практических навыков в области анализа данных.

Содержание курса:

Тема 1. Введение в бизнес-аналитику и науку о данных.

Практические занятия

• Нарисовать мета-модель проектной деятельности
• Классифицировать имеющиеся сведения в проекте как данные, информацию, знания
• Нарисовать мета-модель проекта
• Выявить требования к данным по своему проекту
• Определить уровень зрелости своей текущей работы

Тема 2. Технология обработки данных.

Практические занятия

• Определить метод сбора данных для своего проекта
• Спроектировать хранилище для данных проекта

Тема 3. BI и Data Science

Практические занятия

• Выбрать BI платформу для спроектированного хранилища
• Сформулировать DS задачу для своего проекта

Тема 4. Основы статистики

Практические занятия

• Дано распределение. Вручную посчитать основные моменты +стандартное отклонение (SD)
• Рассчитать ошибку своих результатов
• Рассчитать t значение

Тема 5. Продуктовые гипотезы. ML. Big Data

Практические занятия

• Посчитать корреляцию вручную
• Придумать предиктор для своего проекта. Определить его метрики

Тема 6. Итоговая аттестация.

Обучающий центр «Коннессанс»

Data Science, нейронные сети, искусственный интеллект. Алгоритмы машинного обучения на языке Python

Данная программа обучения позволяет обеспечить получение компетенций, необходимой для профессиональной деятельности Data Science, который, благодаря полученным знаниям и навыкам работы с большими данными, сможет выявить скрытые зависимости и тренды в потоке информации и обеспечить успешное решение задач во всех отраслях науки и техники.

Программа дополнительного профессионального образования разработана на основе профессионального стандарта «Бизнес-аналитик», утвержденного приказом Министерства труда и социальной защиты РФ от 25.09.2018 № 592н; и профессионального стандарта «Специалист по большим данным», утвержденного приказом Министерства труда и социальной защиты РФ от 6 июля 2020 года М 405н., а также на основе анализа требований рынка труда и обобщения зарубежного опыта.

Курс не требует специальных начальных навыков, доступен тем, кто является пользователем ПК, имеет навык работы с операционной системой Windows, владеет пакетом офисных программ, умеет искать информацию в сети интернет. Навыки программирования желательны, но необязательны. Курс носит практикоориентированный характер. В качестве упражнений пользователи будут обрабатывать наборы данных при помощи инструментов: алгоритмов и библиотек языка программирования Python, а также облачного инструмента GoogleColaboratory. Для работы с курсом требуется компьютер с выходом в интернет.

Level UP

Курс «Data Scientist»

Курс «Data Scientist» ориентирован на всех, кто хочет освоить новую профессию в интенсивном формате. Начальных знаний программирования на Python не требуется, в начале курса вы посвятите время изучению языка программирования Python и научитесь работать с Jupyter Notebook и Github.

Программа обучения Data Science содержит большое количество практических задач на закрепление знаний, а также различных мини-проектов.

На практических занятиях будем знакомиться с реальными примерами и задачами из области data science и машинного обучения, используя популярные библиотеки и фреймворки, также будем решать различные задачи, начиная от базовых, таких как классификация и регрессия, до более сложных, таких как обработка естественного языка, обучение без учителя, глубокое обучение и т.д. Целью курса «Data Scientist» является получение студентами знаний, навыков, а также реального опыта работы со стеком технологий, данными и алгоритмами, которые необходимы на позиции Data Scientist. В конце курса разберем самые популярные вопросы на собеседованиях.

После окончания курса Вы сможете:

1. выбирать и применять различные алгоритмы машинного обучения в зависимости от задачи
2. работать с данными, проводить их предобработку и анализ
3. использовать библиотеки Python для решения задач машинного обучения
4. понимать основные концепции и методы линейной алгебры, статистики и теории вероятностей, необходимые для
5. понимания работы алгоритмов машинного обучения
6. уметь решать задачи классификации, регрессии и кластеризации
7. использовать методы регуляризации и оптимизации для улучшения качества моделей
8. применять ансамблирование для повышения точности моделей
9. работать с данными изображений и использовать сверточные нейросети для решения задач компьютерного зрения
10. работать с нейросетями, использовать transfer learning, решать задачи обработки текста с помощью BERT и классического машинного обучения