DEVrepublik

Расширяет карьерные возможности

Станьте ТОП-специалистом в течение 15 недель и присоединяйтесь к ведущим компаниям, работающим с данными. Это правильное место для вас, если у вас есть желание для эффективной работы. Получите знания, которые могут изменить будущее человечества!

1 ноября — 14 февраля
13000грн

Регистрация закрыта

Оплатить Сейчас
13 января — 24 апреля
26000грн
Подать ЗаявкуОплатить сейчас
6 апреля — 19 июля
52000грн
Подать Заявку

Наш Киевский Кампус

Наш киевский кампус, расположенный в историческом центре города, сочетает в себе как классную атмосферу, так и зону самообучения. Вы здесь, чтобы погрузиться в процесс глубокого обучения, и мы поможем вам получить одну из самых востребованных вакансий на рынке.

 
 
 
1
1

Типичный день на курсе

Рабочее утро в классе // 9:00am – 12:00pm

  • Парные программирования
  • Интерактивные лекции

60-минут на ланч // 12:00 – 1:00pm

Обедайте вместе с другими студентами и дайте вашему мозгу отдохнуть

Рабочий день// 1:00pm — 5:00pm

  • Изучение пройденного материала
  • Тестовые задания, лабы и проектная работа
  • Инструктора находятся в аудитории, чтобы ответить на любые вопросы

Больше в течении недели

  • помощь с поиском работы
  • приглашенные спикеры из различных индустрий
  • встречи и дополнительные воркшопы
  • занятия английским
Без ограничений

Нет возрастных или любых других ограничений. Вам не нужно быть ученым, чтобы начать свою карьеру в Data Science.

Полное погружение

Bootcamp — это интенсивная 15-недельная программа, которая составляет 2 года обучения в университете. Быстро воспринимать информацию и получать результаты в короткие сроки.

Бесплатный семинар перед началом курса

Требуется некоторый уровень знания в математике, поэтому мы предлагаем бесплатные тренинги перед курсом, чтобы улучшить ваши знания

Мы гарантируем поддержку в трудоустройстве. Если вы не получите предложение о работе, мы вернем вам деньги *

*Вы должны участвовать не менее чем в 95% занятий и выполнить 100% домашних заданий и набрать от 90 до 100 баллов.

Наука о данных

В киевском кампусе мы предлагаем курс Data Science, разработанный с учетом потребностей работодателя. Вы будете обучаться знаниям на практике и научитесь учиться.

Превратите свою карьеру с самым востребованным курсом по науке о данных. Это интенсивный курс, где вы можете изучить сложные темы по науке о данных, машинному обучению и искусственному интеллекту. Вы познакомитесь с тенденциями в области технологий и узнаете самую свежую информацию.

ТОП навыки, которыми вы овладеете:

  • Опыт использования компьютерных языков (Python, SQL и т. Д.) для манипулирования данными и получения информации из больших наборов данных.
  • Глубокое знание основ машинного обучения
  • Интеллектуальный анализ данных и статистическое прогнозируемое моделирование
  • Опыт применения этих методов для решения реальных проблем.
  • Опыт применения и предоставления аналитических моделей и решений

Это именно для вас, если вы:

  • человек, ищущий смену карьеры
  • выпускник университета в поисках работы в науке о данных
  • разработчик с математическим складом ума, который хотел бы добиться карьерного роста
  • владелец бизнеса, который хотел бы использовать анализ данных и реализовывать проекты, основанные на данных и искусственном интеллекте
  • специалист Data Scientist, который хочет систематизировать знания и освоить глубокое обучение

Это именно для вас, если вы:

  • человек, ищущий смену карьеры
  • выпускник университета в поисках работы в науке о данных
  • разработчик с математическим складом ума, который хотел бы добиться карьерного роста
  • владелец бизнеса, который хотел бы использовать анализ данных и реализовывать проекты, основанные на данных и искусственном интеллекте
  • специалист Data Scientist, который хочет систематизировать знания и освоить глубокое обучение

Учебный план

Модуль 1: Python

Python является предпочтительным языком программирования. Если специалисты в машинном обучении решат поместить свой проект в открытый доступ, они, скорее всего, сделают это на python. Поэтому курс начинается с представления концепций и пакетов Python, которые полезны для анализа данных.

Темы:

  • Переменные
  • Логический тип данных и условные выражения
  • Списки
  • Словари
  • Цикличность
  • Функции
  • Чтение и запись файлов
  • Pandas
  • NumPy
  • Matlotlib / Seaborn для визуализации данных
  • Git/Github

Модуль 2: Math for machine learning

Машинное обучение является технической наукой и, как и любой технический предмет, использует математический язык для формулирования идей. Растет число решений, которые пытаются автоматизировать весь процесс машинного обучения, но если человек не понимает математический формализм, лежащий в основе алгоритмов, невозможно протестировать и отладить модели, которые могут привести к ложным выводам.

В этом курсе студенты изучают те понятия линейной алгебры, теории вероятностей и статистики, которые являются ключевыми для разведочного анализа данных, а также для понимания и разработки алгоритмов машинного обучения.

Темы:

  • Линейная алгебра
  • Дифференциальное исчисление
  • Теория вероятности
  • Теорема Байеса
  • Статистические величины
  • Распределения

Модуль 3: Data Collection

«Чем больше данных, тем лучше алгоритмы» — эта цитата Питера Норвига подчеркивает большое значение данных в машинном обучении. В этой части программы описываются структуры данных, реляционные и нереляционные базы данных, средства взаимодействия с базами данных, манипулирование данными и слияние наборов данных из разных источников.

Темы:

  • Структуры данных
  • Реляционные базы данных
  • SQL
  • JSON
  • HTML/XML
  • Доступ к данным через API
  • CSS
  • Web Scraping

Модуль 4: Intro to Machine Learning and Pre-Training Phase

Этот модуль начинается со введения в машинное обучение: как оно организовано, каковы подотрасли машинного обучения, фундаментальные различия между этими подходами и типы проблем, для решения которых они предназначены.

Затем студенты знакомятся с постановкой задачи машинного обучения, выбирая соответствующую целевую функцию и алгоритм для данной задачей. Хорошо известно, что обработка данных и выбор функций занимают большую часть времени разработки модели. Студенты изучают методы, позволяющие эффективно справляться с отсутствующими значениями, выбросами, категориальными переменными и создают новые функции.

Темы:

  • Вступление
  • Постановка задачи машинного обучения
  • Подготовка данных
  • Конструирование признаков

Модуль 5: Supervised Learning

Этот курс охватывает алгоритмы, которые используются, когда известна целевая переменная, которая должна быть предсказана. Он начинается с простого KNN и заканчивается полностью подключенными нейронными сетями с прямой связью.

Правильное тестирование модели необходимо для создания надежного продукта. Студенты знакомятся с различными методами и параметрами тестирования, которые помогают строить обобщенные и устойчивые модели.

Темы:

  • Ленивые алгоритмы — K ближайших соседей
  • Линейная регрессия
  • Функция потерь
  • Оптимизация функции потерь
  • Регуляризация: L1 и L2
  • Разделение данных
  • Логистическая регрессия
  • Мультиклассовый классификатор: Softmax Regression
  • Ранжирование
  • Классификация и дерево регрессии
  • Бустинг: Adaboost, градиентный бустинг (GBM)
  • Ансамбли моделей
  • Введение в байесовское обучение
  • Введение в нейронные сети
  • Обучение нейронных сетей
  • Показатели эффективности модели
  • Кривая обучения
  • Кривая потерь
  • Смещение и переобучение

Модуль 6: Unsupervised Learning

Большинство временных значений целевой переменной неизвестны, в таких случаях необходимо применять методы обучения без учителя. Они позволяют нам идентифицировать скрытые структуры в многомерных наборах данных.

Темы:

  • Снижение размерности
  • Кластеризация: метод K-средних
  • Выявление аномалий

Финальный Проект

Итоговая проверка и оценка знания студентов будет состоять в том, что после завершения всех модулей каждый из них выбирает задачу машинного обучения и пытается найти решение, проходя все этапы подготовки данных, обучения модели и тестирования.

Модуль 8: Бонус

Этот модуль представит некоторые продвинутые темы и инструменты для анализа данных, которые помогут вам преуспеть в области Data Science.

Наши Тренеры

Ирина Лазаренко

Одна из ведущих инструкторов DEVrepublik boot camp, а также Старший преподаватель кафедры математического моделирования экономических систем Национального технического университета Украины "Киевский политехнический институт имени Игоря Сикорского". Ирина также научный сотрудник лаборатории компьютерного моделирования и интеллектуального анализа данных в Мировом центре данных по геоинформатике и устойчивому развитию.
К ее научным интересам относятся Анализ данных, исследование операций, оптимальное управление, устойчивое развитие, теория интегральных и дифференциальных уравнений.
Она также любит путешествовать.

Иван Лучко

Иван один из ведущих инструкторов в DEVrepublik.
Иван выиграл бронзовую медаль на Международной олимпиаде по физике, в Мексике. Получил степень магистра прикладной физики в Техническом университете Мюнхена. Позже проводил исследования в антиферромагнетиках Гейзенберга с использованием моделирования Qauntum Monte Carlo и техники машинного обучения в Женеве (и PSI), Швейцария. Имеет богатый опыт автоматизации бизнес-процессов, углубленной аналитики, математического моделирования, оптимизации и машинного обучения. Последние два года Иван работает руководителем команды Data Science в Boosta. Последние проекты связаны с динамической ценовой оптимизацией и системой рекомендаций в электронной коммерции.
Любит спорт, путешествия и походы.

Руслан Климентьев

Руслан - автор учебных программ в DEVrepublik и инструктор по практическим заданиям.
Закончил Одесский национальный политехнический университет, специалист "Радиоэлектронные аппараты".
2,5 года опыта работы в Data Science.
Интересы: статистика, Data Visualization, CNN models и Computer Vision
2 раза получал на Kaggle.com приз Weekly Kernels Award
Winner.
Хобби: скалолазание и туризм

Стоимость всего курса
100 000 грн ($4000) / за курс
DEVrepublik предлагает стипендии своим студентам для развития ИТ сообщества в Украине
стоимость зависит от даты начала курсов
  • 15 недель полного погружения в обучение
  • 300 часов лекций
  • 400 часов практических работ
  • Бесплатные курсы английского
  • Воркшопы по развитию лидерских и коммуникативных навыков
  • Помощь в трудоустройстве
  • Новая профессия за 3 месяца
  • Новый старт в процветающее будущее

Часто Задаваемые Вопросы

Нужно ли брать с собой ноутбук на занятия?

Да, вам нужно принести свой собственный ноутбук на занятия, чтобы иметь возможность работать на нём и после курса.

Есть ли вступительный тест?

Да, будет проведен вступительный тест, чтобы понять знания каждого студента.

Каков график занятий?

Вам придется много работать, чтобы освоить новую профессию, поэтому буткемп предполагает тяжелую работу с понедельника по субботу с 9 до 17 часов. Более подробное расписание на день можете найти на странице курса.

Получу ли я работу после курса?

Наши карьерные консультанты готовы помочь каждому студенту найти хорошую работу, но это также зависит от вас. Вы должны усердно работать, чтобы овладеть новой профессией в течение 3 месяцев. В случае, если вы посетили все лекции и выполнили все практические задания на 95-100 баллов, и вы не получите работу в течение 3 месяцев после окончания обучения, мы готовы возместить вам деньги.

Получу ли я тексты лекций и/или любые другие дополнительные материалы?

Да, лекции будут проводиться, а также будут рекомендованы дополнительные материалы.

Есть ли онлайн-платформа для обучения?

Да, мы используем онлайн-платформу управления обучением, где у каждого учащегося будет свой онлайн-аккаунт, в котором будет обозначено прогресс обучения, все материалы и результаты тестов.

Есть ли сертификат после курса?

Да, вы получите сертификат, подтверждающий, что вы прошли курс, в котором будет указано количество часов и ваших баллов.