Курсы по направлению «Data Science»
- Все курсы категории (1754)
- Аналитика для руководителей (50)
- Аналитика на Power BI (56)
- Аналитика на Python (22)
- Аналитика на Tableau (3)
- Бизнес-аналитика (62)
- Аналитик данных (90)
- Инвестиционная аналитика (41)
- Искусственный интеллект (420)
- Математика для Data Science (87)
- Машинное обучение (52)
- Нейронные сети (60)
- Продуктовая аналитика (22)
- Работа с презентациями (67)
- Работа с Excel и Google таблицами (213)
- Системная аналитика (70)
- Data Engineering (130)
- Data Science (80)
- Deep Learning (89)
- SQL для анализа данных (140)
- Чётные и нечётные функции: теория и практика
- Как использовать облака слов для интерактивного обучения и визуализации данных
- Как начать карьеру в Data Science: советы и инструменты
- Как выбрать и использовать диаграммы для визуализации данных
- Какие профессии будут востребованы в будущем и как их освоить
- NumPy: Установка, Основы и Продвинутые Возможности
- Понимание и преодоление высокомерия: шаги к улучшению отношений
Курсы













- c Invalid Date
- 7 месяцев
- Смешанный
- Диплом / Сертификат





- Основы программирования на Python. Введение в программирование на Python Основные типы данных в Python Условные операторы Циклы Функции — базовое и продвинутое использование Стандарты оформления кода в Python" order="1">Подробное описание блока программы смот…
- Python для анализа данных. Инструменты для Data Science Анализ данных на основе библиотек NumPy и Pandas Визуализация данных с помощью Matplotlib, Seaborn и Plotly Очистка данных и Feature Engineering Объектно-ориентированное программирование и отладка кода в…
- Подгрузка данных. Выгрузка данных из разных источников с помощью Python Парсинг HTML-страниц из Интернета и API Основы языка SQL для работы с базами данных Выгрузка информации из баз данных с помощью SQL и Python Проект. Анализ вакансий из базы данных HeadHun…
- Разведывательный анализ данных. Введение в разведывательный анализ данных на Python Основы математической статистики и проверка статистических гипотез Основы A/B-тестирования Проектирование признаков (Feature Engineering) Проектирование и управление экспериме…
- Введение в машинное обучение. Теория машинного обучения Обучение с учителем: классификация и регрессия Обучение без учителя: кластеризации и понижения размерности Валидация данных и оценка качества моделей Отбор и селекция признаков Оптимизация гиперпараметро…
- Математика в машинном обучении. Часть I. Линейная алгебра в контексте линейных методов Математический анализ и методы оптимизации в контексте задачи оптимизации Проект. Прогнозирование длительности поездки в такси" order="6">Подробное описание блока программы…
- Математика в машинном обучении. Часть II. Теория вероятности в контексте методов машинного обучения Математика в контексте алгоритма деревьев решений Математика в контексте ансамблевых методов Математика в контексте обучения без учителя: кластеризация и техни…
- ML в бизнесе. Прогнозирование временных рядов Построение рекомендательных систем Подготовка модели к production и deploy Оценка эффективности моделей в реальных бизнес-задачах Воспроизводимость и контейнеризация приложений Сервисная архитектура и оркестрация…
- Финальный проект. По итогам вашего обучения вам предстоит самостоятельно выполнить дипломный проект на выбранную тематику, показав все, чему вы научились в процессе обучения. В конце дипломного проекта вам предстоит подготовить свое решение и презентацию, а т…
- Введение в Deep Learning (бонусный раздел). Введение в нейронные сети Фреймворки для глубокого обучения Математика для нейронных сетей Введение в CV. Сверточные нейронные сети Fine-tuning & Transfer Learning Введение в NLP. Рекуррентные нейронные сети" order=…
- Введение в Deep Learning (бонусный раздел). Современные хранилища данных Экосистема Hadoop" order="11">Подробное описание блока программы смотрите на странице курса.
- Введение в Data Engineering (бонусный раздел). Современные хранилища данных Экосистема Hadoop" order="14">Подробное описание блока программы смотрите на странице курса.
- Введение в профессию. Введение в онлайн обучение Обзор профессии Data Scientist" order="0">Подробное описание блока программы смотрите на странице курса.
- Освоите основы: основы программирования на python. введение в программирование на python основные типы данных в python условные операторы циклы функции базовое и продвинутое использование стандарты оформления кода в p…
- Разведывательный анализ данных. Введение в разведывательный анализ данных на Python Основы математической статистики и проверка статистических гипотез Основы A/B тестирования Проектирование признаков (Feature Engineer…
- Разберётесь в основах deep learning . введение в нейронные сети фреймворки для глубокого обучения математика для нейронных сетей введение в cv. сверточные нейронные сети fine tuning & transfer learning введение…


- Фаза 0 - 120 часов. Онлайн пре-курс. Можно совместить с работой/учебой, задания можно выполнять в удобное для вас время в течение дня. Пре-курс занимает примерно 4 часа в день и даст вам базовые знания по основным инструментам разработки: Git, GitHub, Jupyter…
- Фаза 1 - 120 часов. Линейная алгебра, элементы анализа, теория вероятностей и статистика. Изучаем numpy, scipy, statsmodels. Модели классификации и регрессии. Линейный методы, деревья, ансамблирование моделей, метрики. Применяем scikit-learn, catboost, xgboos…
- Фаза 2 - 120 часов. Введение в нейронные сети. Компьютерное зрение. Обработка естественного языка.
- Фаза 3 - 120 часов. Повтороение материала и реализация финального проекта.
- Карьерная неделя - 40 часов. Написание резюме, редактирование портфолио, обучение прохождению собеседований, помощь в поиске работы.
- Освоите и сможете применять: онлайн пре курс. можно совместить с работой/учебой, задания можно выполнять в удобное для вас время в течение дня. пре курс занимает примерно 4 часа в день и даст вам базовые знания по осн…
- Освоите и сможете применять: повтороение материала и реализация финального проекта.
- Линейная алгебра, элементы анализа, теория вероятностей и статистика. Изучаем numpy, scipy, statsmodels. Модели классификации и регрессии. Линейный методы, деревья, ансамблирование моделей, метрики…
- Разберётесь в основах нейронные сети. компьютерное зрение. обработка естественного языка.


- Введение в Data Science. Введение в курс - Business understanding. С чего начинается работа с данными - Data understanding. Excel - Введение в Python - Переменные и типы данных - Условия - Циклы - Алгоритмы и структуры данных - Функции - Коллекции в Python -…
- Основы статистики и теории вероятностей. Введение в теорию вероятностей - Случайные события - Случайная величина - Непрерывные распределения. Общие сведения - Основные виды непрерывных распределений - Статистические тесты.
- Основы математики для Data Science. Аналитика и ML. Базовые математические объекты и SymPy. Дроби и преобразования - Аналитика и ML. Базовые математические объекты и SymPy. Необходимые функции и некоторые дополнительные объекты - Аналитика и ML. Функции одной…
- Специализация 1: Machine Learning. Постановка задачи машинного обучения - Основные термины машинного обучения - Выгрузка данных с помощью SQL - Линейная регрессия - Регуляризация линейной регрессии - Метрическая классификация. Метод ближайших соседей и его ра…
- Специализация 2: Data Analyst. Введение - Доступные источники данных - Аналитика на метриках - Подходы к оценке качества данных - Введение в формулирование гипотез - Визуализация в Excel - Проанализируете текущие продажи компании, выявите лидеров и аутсайдеро…
- Освоите и сможете применять: аналитика и ml. базовые математические объекты и sympy. необходимые функции и некоторые дополнительн…
- Научитесь уверенно работать с темой: business understanding. с чего начинается работа с данными.
- Освоите и сможете применять: выгрузка данных с помощью sql.
- Разберётесь в основах формулирование гипотез.
- Разберётесь в теме: data understanding. excel.


- Какой будет медицина будущего и что происходит на рынке биотехнологий. Какой будет медицина будущего и что происходит на рынке биотехнологий.
- С чего начать карьеру в HealthTech. С чего начать карьеру в HealthTech.
- Какие возможности развития открывает онлайн-магистратура. Какие возможности развития открывает онлайн-магистратура.
- Что такое прикладной анализ данных и как он помогает диагностировать болезни. Что такое прикладной анализ данных и как он помогает диагностировать болезни.
- Научитесь анализировать и применять: что такое прикладной анализ данных и как он помогает диагностировать болезни.
- Освоите и сможете применять: какой будет медицина будущего и что происходит на рынке биотехнологий.
- Освоите и сможете применять: какие возможности развития открывает онлайн магистратура.


- Базовый Python. Сравните данные пользователей Яндекс Музыки по городам и дням недели.
- Предобработка данных. Проанализируете данные о клиентах банка, определите долю кредитоспособных.
- Исследовательский анализ данных. Исследуете архив объявлений о продаже объектов недвижимости в Петербурге и Ленобласти.
- Статистический анализ данных. Проверите гипотезы сервиса аренды самокатов, чтобы помочь вырастить бизнес.
- Первый большой проект. Научитесь предварительному исследованию данных, сформулируете и проверите гипотезы. Найдёте закономерности в данных о продаже игры.
- Линейные модели в машинном обучении. Разработаете модель машинного обучения, которая поможет владельцам молочной фермы принимать эффективные решения.
- Обучение с учителем: качество модели. Проанализируете покупки клиентов в ретейл-сети. Разработаете модель, которая поможет маркетологам запускать эффективные акции.
- Второй большой проект. Разработаете 2 модели машинного обучения и оцените их качество. Упакуете работу в пайплайн. Смоделируете коэффициент удовлетворённости сотрудников, чтобы помочь HR-отделу компании спрогнозировать текучку кадров.
- Машинное обучение в бизнесе. Обучите модель и предскажете, в каком месторождении добыча нефти принесёт наибольшую прибыль.
- Базовый SQL. Напишете ряд запросов разной сложности к базе данных, в которой хранится информация о венчурных инвесторах, стартапах и инвестициях в них.
- Численные методы. Разработаете модель для определения стоимости автомобиля с пробегом.
- Временные ряды. Построите модель и спрогнозируете пиковые нагрузки в такси.
- Машинное обучение для текстов. Ускорите модерацию комментариев в сообществе, автоматизировав оценку их токсичности.
- Компьютерное зрение. Построите модель для определения приблизительного возраста человека по фотографии.
- Обучение без учителя. Освоите ещё один способ машинного обучения, при котором система решает задачу без размеченных заранее данных, на основе их особенностей и структуры. Познакомитесь с задачами кластеризации и поиска аномалий.
- Научитесь анализировать и применять: исследовательский анализ данных. исследуете архив объявлений о продаже объектов недвижимости в петербурге и ленобласти.
- Научитесь анализировать и применять: статистический анализ данных. проверите гипотезы сервиса аренды самокатов, чтобы помочь вырастить бизнес.
- Освоите и сможете применять: базовый python. сравните данные пользователей яндекс музыки по городам и дням недели.
- Освоите и сможете применять: предобработка данных. проанализируете данные о клиентах банка, определите долю кредитоспособных.
- Первый большой проект. Научитесь предварительному исследованию данных, сформулируете и проверите гипотезы. Найдёте закономерности в данных о продаже игры.


- Блок 1. Введение.
- Блок 2. Анализ данных на Python.
- Блок 3. Классическое машинное обучение. Обучение с учителем.
- Блок 4. Классическое машинное обучение. Обучение без учителя.
- Блок 5. Введение в глубокое обучение.
- Блок 6. Введение в компьютерное зрение.
- Блок 7. Тестирование.
- Блок 8. Базовые типы и структуры данных, переменные. Условные операторы, работа с функциями.
- Блок 9. Основы ООП, работа с классами и исключениями.
- Блок 10. Знакомство с Web разработкой, HTTP, Rest API, протокол WSGI, работа с датаклассами, первое веб-приложение. Знакомство с git.
- Блок 11. Знакомство с реляционными базами данных.
- Блок 12. Автотесты на Python, фабрики.
- Блок 13. Асинхронная работа в Python, асинхронные запросы в сеть, асинхронная работа с API и БД.
- Блок 14. Веб-фреймворк Flask.
- Блок 15. Веб-фреймворк Django.
- Научитесь уверенно работать с темой: асинхронная работа в python, асинхронные запросы в сеть, асинхронная работа с api и бд.
- Научитесь уверенно работать с темой: базовые типы и структуры данных, переменные. условные операторы, работа с функциями.
- Научитесь анализировать и применять: анализ данных на python.
- Познакомитесь с web разработкой, http, rest api, протокол wsgi, работа с датаклассами, первое веб приложение. знакомство с git.
- Освоите основы: основы ооп, работа с классами и исключениями.

- Освоите и сможете применять: работает в сфере рекомендательных систем, разрабатывал алгоритмы для крупных it компаний. специализируется на связях между математикой, статистикой и программированием.
- Карьерный тренажёр проведёт вас по ключевым этапам поиска работы. Вы научитесь уверенно презентовать свои навыки и получите необходимые знания для успешного трудоустройства.
- Освоите и сможете применять: кейсы и конспекты по ключевым алгоритмам ml классификация, регрессия, кластеризация методами k средних, dbscan и hdbscan, k ближайших соседей.
- Освоите и сможете применять: и другие полезные материалы, включая разбор матриц, теории вероятностей и подборку кейсов по работе с нейросетями в повседневных задачах.
- Научитесь настраивать и организовывать: конспекты по инженерной части разворачивание приложений через виртуализацию, настройка цепочки процессов, организованный код.
- Освоите и сможете применять: более 3 лет опыта в ds/ml. участвовал в международных соревнованиях по компьютерному зрению, сотрудничает с nvidia.
- Освоите и сможете применять: лицензия на осуществление образовательной деятельности, выданная департаментом образования и науки города москвы.
- Освоите и сможете применять: специалист по большим данным, «сбер». специалист по аналитике данных и оптимизации процессов в b2c направлении.
- Освоите и сможете применять: предсказывает кредитоспособность клиентов, предотвращает мошенничество и оптимизирует управление рисками.
- Прогнозирует спрос, управляет ассортиментом, анализирует покупательские привычки и помогает персонализировать клиентские предложения.


- Аналитическое мышление - 61 час. 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.
- Основы визуализации данных - 17 часов. Поймёте, как создавать наглядные визуализации, откуда берутся данные для визуализации и как с ними работать. Узнаете, как создавать истории с помощью данных.
- SQL и получение данных - 52 часа. 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.
- Аналитика больших данных - 51 час. 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…
- Python для анализа данных - 155 часов. 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, ста…
- Математика для анализа данных - 46 часов. Изучите основные операции с векторами, матричными операциями. Рассмотрите генетические алгоритмы, алгоритм дифференциальной эволюции. Узнаете, что такое математическое ожидание, дисперсия и моменты старших порядков. И…
- Машинное обучение - 88 часов. 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 строит…
- Рекомендательные системы - 19 часов. 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 ком…
- Временные ряды - 34 часа. 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.
- Нейронные сети - 16 часов. 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.
- Компьютерное зрение - 34 часа. Вы освоите основные техники машинного зрения — извлечение признаков, поиск по картинкам, сегментирование, детекция объектов.
- Обработка естественного языка - 33 часа. Вы освоите морфологический и синтаксический анализ, дистрибутивную семантику и информационный поиск, научитесь снижать размерность в векторной модели, классифицировать, извлекать информацию и генерировать тексты.
- Deep Learning - 105 часов. Научитесь работать с многомерными свёртками, овладеете конкурентным преимуществом в задачах с использованием Beam-Search и Teacher Forcing, сможете реализовывать NLP с нуля. Сможете отличать дескриминатор от генератора и обучать ген…
- Менеджмент data-проектов - 12 часов. Овладеете методологиями управления Data Science-проектами. Научитесь формулировать идеи и гипотезы, выбирать подходящие методы и алгоритмы, планировать решение задачи.
- Эффективные коммуникации и эмоциональный интеллект - 3 часа. Научитесь понимать картину мира окружающих и на основе этого строить коммуникацию. Разберётесь, как управлять своими эмоциями, как реагировать на эмоции окружающих в процессе общения и развивать эмо…
- Научитесь работать с многомерными свёртками, овладеете конкурентным преимуществом в задачах с использованием Beam Search и Teacher Forcing, сможете реализовывать NLP с нуля. Сможете отличать…
- 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 а…
- 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.
- Научитесь думать как аналитик и формулировать гипотезы для проверки. Поймёте, что аналитика строится вокруг данных. Познакомитесь с базовым инструментом аналитика и сможете проводить в…
- Научитесь понимать картину мира окружающих и на основе этого строить коммуникацию. Разберётесь, как управлять своими эмоциями, как реагировать на эмоции окр…


- Введение. Подготовка к работе - 4 часа. Профессия Data Scientist и смежные роли Востребованность и карьера в данных Обзор курса и правила работы Настройка окружения: Anaconda, Jupyter Основы Git и GitHub для сдачи заданий В этом модуле вы познакомитесь с проф…
- Основы синтаксиса Python - 5 часов. Переменные, типы данных Арифметические операции Стандартный ввод и вывод Условные конструкции и ветвления Циклы Структуры данных Функции Работа с файлами В этом модуле вы освоите основы Python: работу с данными, переменными…
- Линейная алгебра для исследователей данных - 3 часа. Векторы Матрицы Система линейных уравнений В этом модуле вы освоите математический фундамент для анализа данных: работу с векторами и матрицами, их основные операции и применение для решения систем линейных…
- Основные библиотеки для анализа данных - 6 часов. Введение в библиотеки Библиотека numpy Библиотека pandas Библиотека matplotlib В этом модуле вы освоите ключевые библиотеки Python для анализа данных: NumPy для вычислений с массивами, Pandas для обработки таб…
- Базы данных и SQL - 3 часа. Основы баз данных, СУБД и SQL Обзор SQLite, PostgreSQL, MySQL Работа с БД из Python В этом модуле вы познакомитесь с реляционными базами данных и SQL. Научитесь проектировать структуру БД, писать базовые запросы и работать с данным…
- Линейная алгебра, методы оптимизации - 4 часа. Функция Производная функции Градиентный и стохастический спуск (SGD) В этом модуле вы освоите математическую основу ML: научитесь использовать производные и градиенты для анализа и оптимизации моделей с помощью г…
- Математическая статистика - 4 часа. Случайные величины Условная вероятность Формула Байеса Основы статистики Доверительные интервалы Проверка статистических гипотез ЦПТ и закон больших чисел Подведение итогов В этом модуле вы освоите фундаментальные понятия т…
- Основные модели Machine Learning с учителем - 4 часа. Введение в Machine Learning Задача регрессии Задача классификации Валидация результатов Модели классификации Бустинг и стекинг Библиотеки xgboost, lightgbm, catboost В этом модуле вы освоите ключевые алгор…
- Работа с неразмеченными данными - 2 часа. Задача обучения без учителя Задача понижения размерности В этом модуле вы освоите основные методы обучения без учителя: научитесь группировать данные с помощью алгоритмов кластеризации и сокращать размерность признако…
- Обработка временных рядов - 3 часа. Задача прогнозирования временных рядов Преобразование Фурье Классификация временных рядов В этом модуле вы научитесь прогнозировать, анализировать и классифицировать данные, зависящие от времени. Освоите модели ARIMA, часто…
- Обработка текстов - 2 часа. Общий принцип работы с текстами Стемминг и лемматизация Способы векторизации текстов В этом модуле вы научитесь превращать неструктурированный текст в данные для анализа, освоите ключевые методы предобработки и векторизации текста,…
- Нейронные сети - 4 часа. Введение в нейросети Обработка изображений, CNN Рекуррентные нейросети Генеративные нейронные сети Подведение итогов В этом модуле вы разберетесь в принципах работы нейронных сетей, их возможностях и ключевых ограничениях. Вы изучите…
- Секреты успеха Data Science - 4 часа. Проблема воспроизводимости вычислений Введение в Snakemake Docker Как презентовать исследование В этом модуле вы научитесь создавать воспроизводимые исследования, автоматизировать конвейеры данных с помощью Snakemake, раб…
- Взаимодействие с командой. Scrum. Agile - 5 часов. Основные этапы жизненного цикла ПО Методологии управления проектами Роли, события и артефакты в Scrum Терминология и процессы Scrum Принципы и инструменты методологии Kanban В этом модуле вы изучите жизненный…
- Карьера и развитие - 1 час. Где искать работу С чего начать / Что выбрать Собеседование. Тестовые задания Развитие В этом модуле вы узнаете, как правильно презентовать себя на этапе отбора, проходить собеседования и выстраивать грамотную работу с тестовыми за…
- Основы баз данных, СУБД и SQL Обзор SQLite, PostgreSQL, MySQL Работа с БД из Python В этом модуле вы познакомитесь с реляционными базами данных и SQL. Научитесь проектировать структуру БД,…
- Введение в библиотеки Библиотека numpy Библиотека pandas Библиотека matplotlib В этом модуле вы освоите ключевые библиотеки Python для анализа данных NumPy для вычисл…
- Освоите основы: случайные величины условная вероятность формула байеса основы статистики доверительные интервалы проверка статистических гипотез цпт и закон больших чисел подведение итогов в этом м…
- Общий принцип работы с текстами Стемминг и лемматизация Способы векторизации текстов В этом модуле вы научитесь превращать неструктурированный текст в данные для анализа, освоите ключевые м…
- Переменные, типы данных Арифметические операции Стандартный ввод и вывод Условные конструкции и ветвления Циклы Структуры данных Функции Работа с файлами В этом модуле вы освоите ос…


- Сервис подбора консультантов.
- Календарь курсов.
- Главная страница.
- Бизнес-клуб МБШ.
- О бизнес-школе.
- Преподаватели.
- Бизнес-школа.
- Разберётесь в теме: сервис подбора консультантов.
- Разберётесь в теме: календарь курсов.
- Разберётесь в теме: бизнес клуб мбш.
- Разберётесь в теме: о бизнес школе.
- Разберётесь в теме: преподаватели.



















