big data обучение бесплатно
Где учиться основам работы с большими данными: 8 бесплатных онлайн-курсов
Любовь Карась
Специалисты по big data (аналитики big data, инженеры big data, data scientists) работают с большими массивами данных. Они могут применять свои навыки в областях медицины, нейробиологии, медиа, метеорологии, банковской сфере и не только. Например, они разрабатывают ботов, строят генетические карты, оценивают вероятность страхового случая, подбирают лекарства в фармацевтике, учат нейронные сети писать музыку или стихи. Если вы хотите развиваться в сфере больших данных, для начала ознакомьтесь с основами. Собрали 8 бесплатных онлайн-курсов от ведущих университетов мира, благодаря которым вы узнаете о принципах работы с big data.
A Crash Course in Data Science
Организатор: Университет Джонса Хопкинса
Продолжительность: 7 часов
Язык: английский
В этом курсе вас познакомят с принципами работы с большими данными. Вы узнаете, какую роль в науке о данных играют статистика, машинное обучение и разработка программного обеспечения, научитесь описывать структуру проекта по обработке и анализу данных, ознакомитесь с ключевыми терминами и инструментами, узнаете, как определять успешный и неудачный проект.
The Data Scientist’s Toolbox
Организатор: Университет Джонса Хопкинса
Продолжительность: 18 часов
Язык: английский
Авторы курса дают обзор типов данных, рассказывают о подходах и методологиях обработки информации и объясняют принципы работы основных инструментов. К ним относятся такие ресурсы, как Git, R и RStudio. Благодаря им можно обрабатывать массивы информации.
Machine Learning Fundamentals
Организатор: Университет Джонса Хопкинса
Продолжительность: 10 недель
Язык: английский
Благодаря этому курсу вы узнаете, как классифицировать изображения, определять основные темы в корпусе документов, автоматически фиксировать семантическую структуру слов. Все примеры программирования и задания будут на языке Python с использованием записных книжек Jupyter.
База данных
Организатор: СПбГУ
Продолжительность: 11 часов
Язык: русский
Данный курс познакомит слушателей с наиболее популярными системами управления базами данных, их особенностями и моделями. Вы научитесь проектировать базы данных, понимать, как составлять запросы и индексировать данные. Часть уроков посвящена языку программирования SQL. В курсе предусмотрено выполнение практических заданий на базе СУБД MySQL, что качественно улучшает восприятие материала.
Введение в машинное обучение
Организатор: НИУ ВШЭ
Продолжительность: 35 часов
Язык: русский
На этом курсе рассматриваются популярные задачи, решаемые с помощью машинного обучения: классификация, регрессия, кластеризация. Вы ознакомитесь с основными математическими понятиями: функциями, производными, векторами, матрицами. Для успешного прохождения курса желательно быть знакомым с языком программирования Python.
Введение в науку о данных
Организатор: СПбГУ
Продолжительность: 89 часов
Язык: русский
Авторы курса предоставляют обучающемуся необходимый теоретический минимум и показывают, как пользоваться инструментальной базой на практике. Вы узнаете о способах решения типичных задач, с которыми сталкивается в своей работе data scientist, ознакомитесь с подходами к сбору, анализу, обработке и визуализации массивов данных.
Специализация от Excel до MySQL: способы анализа бизнес-данных
Организатор: Duke University
Продолжительность: 8 месяцев
Язык: английский
В ходе этого курса вы узнаете, как использовать Excel, Tableau и MySQL для анализа данных, прогнозирования, создания моделей и визуализации данных для решения задач и улучшения бизнес-процессов. Теория подкреплена практическими заданиями.
Анализ данных
Организатор: Новосибирский государственный университет
Продолжительность: 5 месяцев
Язык: русский
Курсы содержат материалы по основам теории вероятностей и математической статистике, построению прогнозов на основе регрессионных моделей, кластерному и статистическому анализу. В курсах специализации вы узнаете, как оценить связь условий труда и удовлетворенности работой, спрогнозировать количество кликов на сайт компании, выявить стратегии поиска работы, и научитесь решать множество других практических задач.
Big data обучение бесплатно
Этой статьей мы продолжаем серию материалов по ИТ-специальностям мира больших данных и начинаем описывать профессиональные компетенции в области Big Data и машинного обучения (Machine Learning). Ищите в сегодняшнем выпуске ответ на главный вопрос новичка Big Data – с чего начать, что нужно знать и уметь, а также где этому учиться – ликбез для чайников и начинающих.
Профессиональные направления в мире Big Data
Под термином «большие данные» скрывается множество понятий: от непосредственно самих информационных массивов до технологий по их сбору, обработке, анализу и хранению. Поэтому, прежде чем пытаться объять необъятное в стремлении изучить все, что относится к Big Data, выделим в этой области знаний следующие направления:
На стыке вышеуказанных 2-х направлений находятся программист Big Data и DevOps-инженер, а также специалист по сопровождению жизненного цикла корпоративных данных (DataOps) и директор по данным (CDO, Chief Data Officer), который курирует на предприятии все вопросы, связанные с информацией. О роли каждого профессионала в Agile-команде мы немного рассказывали здесь.
Профессиональные направления и специальности Big Data
Большие данные: с чего начать
Зная, как в общем делится работа между специалистами больших данных, ответить на главный вопрос новичка в мире Big Data «с чего начать», становится гораздо проще. Прежде, чем погружаться в изучение множества мануалов по Apache Hadoop и алгоритмам Machine Learning, необходимо понять, что вас больше привлекает:
Кроме того, отметим, что, помимо линейных специалистов (программистов, администраторов, инженеров, архитекторов), знания в области больших данных также необходимы руководителям, чтобы видеть возможности цифровизации своего бизнеса и потенциальную выгоду от его цифровой трансформации. При этом менеджеру совсем не обязательно знать во всех деталях, как, например, работает Apache Kafka. Однако, чтобы не быть «чайником», руководителю крайне полезно ориентироваться в отраслевых сценариях применения средств Big Data (use-cases), понимать способы монетизации больших данных и специфику корпоративной цифровизации, чтобы эффективно расходовать временные, трудовые и материальные ресурсы, а также не ждать от технологий больше, чем они могут дать. Обо всем этом и не только мы рассказываем на обучающем курсе «Аналитика Big Data для менеджеров».
В качестве дополнительной мотивации изучения Big Data, отметим, что профессионалы в этой области больше всех зарабатывают среди ИТ-специалистов. Например, в 2019 году, согласно ежегодному исследованию Stack OverFlow, годовая зарплата аналитиков, инженеров и исследователей данных в США равнялась 60-70 тысяч долларов, т.е. около 350 тысяч рублей в месяц. При этом, поскольку цифровизация стремительно проникает во все сферы деятельности, от промышленности до образования, спрос на специалистов по данным все время растет по всему миру, в т.ч. и в России. Таким образом, большие данные – это очень перспективная и финансово выгодная область ИТ.
Зарплаты ИТ-специалистов в 2019 году по данным Stack OverFlow
Что необходимо знать и уметь аналитику, исследователю, инженеру и администратору больших данных, мы рассмотрим в следующих статьях. Проверить свое знание основ Big Data и Data Science вы можете, пройдя открытый бесплатный интерактивный тест прямо у нас на сайте ответив на 10 простых вопросов по основам больших данных. А освоить практику работы с прикладными инструментами Big Data, Machine Learning и Internet of Things, вам помогут наши курсы обучения и повышения квалификации ИТ-специалистов в лицензированном учебном центре для руководителей, аналитиков, архитекторов, инженеров и исследователей Big Data в Москве.
Big Data: с чего начать
Каждый обмен с социальными медиа, каждый цифровой процесс, каждое подключённое устройство генерирует большие данные, которые будут использоваться различными компаниями.
Сегодня компании используют Big Data для углубленного взаимодействия с клиентами, оптимизации операций, предотвращения угроз и мошенничества. За последние два года такие компании, как IBM, Google, Amazon, Uber, создали сотни рабочих мест для программистов и Data science.
Область больших данных слишком размылась на просторах интернета, и это может быть очень сложной задачей для тех, кто начинает изучать большие данные и связанные с ними технологии. Технологии данных многочисленны это может быть огромным препятствием для начинающих. Давайте попробуем разложить все по полочкам.
В сфере Big Data существует много направлений. Но в широком смысле можно разделить на две категории:
Эти поля взаимозависимы, но отличаются друг от друга.
Big Data engineering занимается разработкой каркаса, сбора и хранения данных, а также делают соответствующие данные доступными для различных потребительских и внутренних приложений.
У вас хорошие навыки программирования и вы понимаете, как компьютеры взаимодействуют через интернет, но у вас нет интереса к математике и статистике. В этом случае вам больше подойдёт Big data engineering.
В то время как Big Data Analytics — среда использования больших объемов данных из готовых систем, разработанных Big data engineering. Анализ больших данных включает в себя анализ тенденций, закономерностей и разработку различных систем классификации и прогнозирования. После магических действий и танцев с бубном Data Analytics (Scientist) интерпретирует результаты.
Если вы хорошо разбираетесь в программировании, за чашкой кофе решаете сложные задачи по высшей математике, понимаете, что такое теория вероятностей, математический анализ, комбинаторики, тогда вам подойдёт Big Data Analytics.
Таким образом, Big data Analytics включает в себя расширенные вычисления по данным. В то время как Big data engineering включает проектирование и развертывание систем, над которыми должны выполняться вычисления.
С направлением определились, теперь давайте разберём, что должен знать Data science, чтобы его рассматривали в качестве будущего кандидата.
Проект с большими данными имеет два основных понятия — требования к данным и требования их обработке.
Структурированные данные: хранятся в таблицах или в файлах. Если данные хранятся в предопределённой модели данных (то есть в схемах), это называется структурированными данными.
Неструктурированные: если данные хранятся в файлах и не имеют предопределённой модели, это называется неструктурированными данными.
Источники данных: внутренние (CRM, ERP или любые источники, которые находятся внутри системы) и внешние (соцсети, интернет).
Размер: с размером мы оцениваем количество данных. Типы: S, M, L, XL, XXL, передача потоков.
Пропускная способность: определяет, с какой скоростью данные могут быть приняты в систему. Типы: H, M, L.
Пропускная способность источника: определяет, с какой скоростью данные могут быть обновлены и преобразованы в систему. Типы: H, M, L.
Время запроса: время, за которое система выполняет запрос. Типы: Long, Medium, Short.
Время обработки: время обработки данных. Типы: длинный, средний, короткий.
Точность: точность обработки данных. Типы: точные или приблизительные, Exact или Approximate.
Задача — разработать Data lake для эффективного анализа продаж банка.
Данные берём из разных источников.
Важно понимать, что первым делом нужно рассчитывать, что система должна быть интегрирована со всеми вышеперечисленными источниками и бесперебойно принимать данные.
Определяем конечные цели:
Теперь, когда мы знаем, каковы наши конечные цели, попробуем сформулировать наши требования более формальными терминами.
Структура: большая часть данных структурирована и имеет определённую модель. Но источники данных, такие как веб-журналы, взаимодействия с клиентами или данные колл-центра, изображения из каталога продаж, данные рекламы продукта —доступность и требования к изображениям и мультимедийной рекламной информации могут зависеть от компании.
Тип данных: структурированные и неструктурированные данные.
9 бесплатных онлайн-курсов по Big Data
В ближайшие два года количество занятых специалистов Big Data во всем мире вырастет на 28%, прогнозирует IBM. Эта профессия станет одной из самых востребованных на рынке.
Студенты штурмуют открывшиеся в престижных университетах курсы по большим данным. А что делать тем из нас, кто не хочет остаться без работы в ближайшем будущем или готов попробовать себя в перспективной отрасли?
Памятуя поговорку о том, что учиться никогда не поздно, публикуем подборку бесплатных онлайн-курсов, на которых можно уже сегодня получить базовые знания и практические навыки в модной нынче специальности data scientist.
Подборка составлена англоязычным Forbes. Все курсы на английском языке.
Coursera – Data Science Specialization
Coursera предлагает один из самых основательных и, главное, бесплатных курсов по науке о данных. Партнером курса выступает Университет Джона Хопкинса (Балтимор, Мэриленд).
Курс состоит из 10 блоков, которые охватывают статистическое программирование на R, кластерный анализ, обработку естественного языка и практическое применение машинного обучения. В завершение курса студентам предлагается создать свой продукт на основе данных для решения реальной проблемы.
Coursera – Data-Driven Decision Making
Еще один курс от Coursera, на этот раз созданный в партнерстве с фирмой PwC. Неудивительно, что он заточен под решение практических задач в сфере бизнеса. Теоретической же подготовке уделяется меньше времени.
Студенты здесь осваивают инструменты и техники, которые применяются в бизнесе для решения задач, связанных с большими данными. Курс, рассчитанный на 4 недели, завершается самостоятельным заданием, в ходе которого студент должен создать решение Big Data в симуляции бизнес-среды.
EdX – Data Science Essentials
Этот курс создан Microsoft и является частью общей программы сертификации Professional Program Certificate в сфере Data Science. Однако курс можно пройти и отдельно от сертификата.
Студенты должны обладать первоначальными знаниями в языках программирования R или Python. (На сегодня это самые распространенные языки программирования в сфере больших данных). Темы курса охватывают теорию вероятностей и статистику, сбор данных и визуализацию, введение в машинное обучение, использование платформы Microsoft Azure.
Udacity – Intro to Machine Learning
Машинное обучение – одно из самых «горячих» направлений в науке о данных. Этот курс дает общее представление об отрасли – от теории до практического применения. Он является частью платной программы Udacity, по прохождении которой можно также получить «степень».
Компания IBM предлагает целую серию из онлайн-курсов на специально созданном сайте, некогда известном как Big Data University и теперь переименованном в Cognitive Class. Программы охватывают введение, методологию, создание практических приложений, программирование на R и инструменты open source.
Курс рассчитан примерно на 20 часов. Студенты, имеющие базовые знания, могут пройти его быстрее.
California Institute of Technology – Learning from Data
Калифорнийский технологический институт разработал онлайн-курс по машинному обучению. Он включает серию видео-лекций, домашние задания и экзаменационное задание. Студенты должны обладать первоначальными познаниями в математике, разбираться матрицах и матричном исчислении.
Dataquest – Become a Data Scientist
Dataquest – независимый провайдер образовательного контента. Площадка не аффилирована с университетами или компаниями, в отличие от других перечисленных здесь курсов.
Доступ к большинству учебных материалов бесплатный. Однако есть возможность платной подписки и прохождения курсов с наставником.
Курс состоит из трех частей для трех компетенций – дата-аналитик, дата-исследователь и дата-инженер. Программа получила положительные отклики от представителей компаний Uber, Amazon и Spotify.
KDNuggets – Data Mining Course
Сайт KDNuggets, посвященный бизнесу и науке о данных, составил собственный учебный курс. Он включает модули по машинному обучению, статистическим концепциям (дерево решений, регрессия, кластеризация и классификация) и введение в практику.
Этот курс полностью состоит из открытых источников и бесплатных материалов. Он включает машинное обучение, обработку естественного языка на основе Twitter API, а также систему Hadoop MapReduce, базы данных SQL и noSQL, основы визуализации.
Программа не предусматривает никакой сертификации. Ее преимущество в том, что можно заниматься по своему графику и сообразно своим возможностям.
35 бесплатных онлайн-курсов по Data Science и аналитике данных
Для начинающих с нуля в 2021 году. До уровня PRO. 💪
Также обратите внимание на:
1. «Data Science: будущее для каждого» от «Нетологии»
Длительность курса: 3 урока.
Уровень: для начинающих.
Формат обучения: записи вебинаров + текстовые материалы + тесты + практические задания + общение в закрытом Slack-чате.
Обратная связь: нет.
Программа обучения:
Кто проводит курс
2. «Введение в науку о данных» от СПбГУ
Длительность курса: 89 часов на освоение материала.
Уровень: для начинающих.
Формат обучения: видеоуроки + текстовые материалы + тесты.
Обратная связь: нет.
Сертификат: выдаётся (платно).
Цели обучения. О чём этот курс? Аттестация. Пререквизиты
Общее введение в науку о данных
Примеры реальных задач
Типы данных: маленькие и большие данные
Хранения данных. Форматы файлов
Как подготавливались данные для курса
События и вероятность
Элементы линейной алгебры
Сингулярное разложение матрицы
Обоснование метода сингулярного разложения
Примеры и вычислительные аспекты
Язык программирования Python
Основы программирования на Python
Библиотеки для машинного обучения (Matplotlib)
Библиотеки для машинного обучения (Pandas)
Библиотеки для машинного обучения (Scikit-learn)
Демонстрация получения данных из внешней тестовой коллекции
Демонстрация получения данных из авторской тестовой коллекции
Постановка задачи обучения с учителем
Оценка классификации и выбор модели
Алгоритмические композиции: boosting, stacking, bagging
Постановка задачи обучения без учителя
Принципы выбора модели
Оценка качества обучения
Введение. Алгоритмы иерархической кластеризации
Метрики. Алгоритмы иерархической кластеризации
Что узнаете и чему научитесь:
Кто проводит курс
3. «Введение в Data Science и машинное обучение» от Института биоинформатики
Длительность курса: 30 уроков.
Формат обучения: видеоуроки + тесты + интерактивные задачи.
Программа обучения:
Что освоите:
Преподаватели:
4. «Нейронные сети» от Института биоинформатики
Длительность курса: 24 урока.
Формат обучения: видеоуроки + тесты + интерактивные задачи.
Программа обучения:
Какие знания и навыки получите:
Преподаватели:
5. «Машинное обучение» от ОмГТУ
Продолжительность: 71 урок.
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения:
Какие навыки получите:
Преподаватель курса: Артём Шевляков — доктор физико-математических наук, преподаватель ОмГТУ.
6. «Машинное обучение в финансах» от «СберУниверситета»
Длительность: 21 час на освоение материала.
Сертификат: выдаётся (платно).
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: курс подходит работникам банковской сферы и студентам профильных вузов. Цель программы — помочь разобраться в основах машинного обучения и возможностях применения ML на практике.
Какие знания/навыки получите:
Об авторах: курс разработан на базе Корпоративного Университета Сбербанка.
7. «Анализ данных в R» от Института биоинформатики
Длительность: 19 уроков.
Форма обучения: видеоуроки + тесты + интерактивные задачи.
Программа обучения: курс подойдёт старшеклассникам, а также всем, кто хочет сменить сферу деятельности, и погрузиться в мир аналитики и программирования. Первая часть посвящена основам программирования, вторая — работе в R Markdown.
Какие навыки приобретёте:
Об авторах: курс разработан специалистами Института биоинформатики.
8. «Анализ данных в Google Analytics» от Андрея Осипова
Длительность: 29 уроков.
Формат обучения: видеоуроки + тесты.
Программа обучения: материал посвящён основным инструментам для анализа данных и принятия решений в Google Analytics. Курс подойдёт всем желающим освоить Google Analytics, а также тем, кто хочет повысить эффективность бизнеса без привлечения специалистов.
Чему научитесь:
Об авторе: Андрей Осипов — сертифицированный спикер Google, практикующий веб-аналитик.
9. «Теория вероятностей для начинающих» от МФТИ
Длительность: 23 часа на освоение материала.
Сертификат: выдаётся (платно).
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: курс знакомит слушателей с основами предмета, и рассчитан на широкую аудиторию. Также программа будет полезна тем, чья деятельность напрямую связана с математикой.
Какие навыки получите:
Об авторах: курс подготовлен при содействии МФТИ.
10. «Анализ данных просто и доступно» от Игоря Клейнера
Длительность: 106 уроков.
Формат обучения: видеоуроки + тесты.
Программа обучения:
Об авторе: Игорь Клейнер — экс-сотрудник Huawei, Intel, Skype, Microsoft, Infowatch. Преподаватель открытого университета Израиля.
11. «Математические методы в психологии. Основы применения» от СПбГУ
Длительность: 59 часов на освоение материала.
Сертификат: выдаётся (платно).
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: курс рассчитан на математиков и практикующих психологов. Он поможет овладеть статистическими моделями Также программа подойдёт начинающим аналитикам.
Какие навыки получите:
Об авторах: курс подготовлен на базе Санкт-Петербургского государственного университета.
12. «Базовые навыки Excel» от SF Education
Длительность: 29 уроков + 18 тестов.
Формат обучения: видеоуроки + тесты.
Программа обучения: курс посвящён основам работы в программе Excel. Он будет полезен менеджерам, предпринимателям, начинающим программистам, бухгалтерам и финансистам. Курс поможет ускорить выполнение рутинных задач, связанных с отчётами и аналитикой.
Какие навыки получите:
Об авторах: курс создан при поддержке образовательной платформы SF Education. Эксперт курса — Ильнар Фархутдинов, директор по корпоративным финансам группы компаний «Инвэнт».
13. «Квантовые вычисления» от СПбГУ
Длительность: 14 часов на освоение материала.
Сертификат: выдаётся (платно).
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: курс даёт базовые навыки в области проектирования и анализа квантовых алгоритмов. Программа рассчитана на студентов профильных вузов, инженеров, физиков, математиков.
Какие знания и навыки получите:
Об авторах: курс создан на базе Санкт-Петербургского государственного университета. Преподаватель — Сысоев Сергей, кандидат физико-математических наук.
14. «Анализ данных» от РЭУ им. Г.В. Плеханова
Длительность: 20 уроков.
Формат обучения: видеоуроки + тесты.
Программа обучения: курс подойдёт тем, кто хочет погрузиться в статистику и понять принципы анализа данных с дальнейшей возможностью применения навыков на практике.
Какие навыки получите:
Об авторах: курс разработан на базе кафедры статистики РЭУ им. Г.В. Плеханова.
15. «Практики оперативной аналитики в MS Excel» от СПбГУ
Длительность: 12 часов на освоение материала.
Сертификат: выдаётся (платно).
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: курс подойдёт всем, кому необходимо проведение анализа статистических данных. В ходе обучения студенты научатся работать с базовыми инструментами MS Excel для решения задач бизнеса.
Чему научитесь:
Об авторах: курс создан при поддержке Санкт-Петербургского государственного университета.
16. «Исследование статистических взаимосвязей» от НГУ совместно с «2ГИС»
Длительность: 21 час на освоение материала.
Сертификат: выдаётся (платно).
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения:
Что узнаете и чему научитесь:
Преподаватели:
17. «Основы статистики» от Института биоинформатики
Длительность: 29 уроков.
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: курс знакомит слушателей с дисперсионным, регрессионным и кластерным статистическим анализом. Акцент сделан на математические идеи, интуицию и логику. Курс рекомендован старшеклассникам, студентам, научным сотрудникам. Он подойдёт как новичкам, так и тем, кто уже знаком с обработкой и анализом данных. В данный момент программа находится на стадии пересмотра и редактирования.
Чему научитесь:
Преподаватель:
18. «Знакомство с R и базовая статистика» от СПбГУ
Длительность: 20 часов на освоение материала.
Сертификат: выдаётся (платно).
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: курс ориентирован на обработку данных и знакомство с языком программирования R. Часть программы посвящена графикам, диаграммам и другим средствам визуализации. Курс подойдёт для знакомства со статистикой начинающим программистам.
Какие навыки получите:
Об авторах: курс разработан на основе образовательной программы Санкт-Петербургского государственного университета.
19. «Статистика для гуманитариев» от ТГУ
Длительность: 111 уроков.
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: курс нацелен на ознакомление слушателей с базовыми методами и принципами статистического анализа данных. Часть программы посвящена освоению прикладных программ, которые могут пригодиться для выполнения анализа на практике. Ориентировочная нагрузка — 10-12 часов в неделю.
Какие навыки получите:
Об авторах: курс подготовлен на базе Томского государственного университета.
20. «Эконометрика» от НИУ ВШЭ
Длительность: 30 часов на освоение материала.
Сертификат: выдаётся (платно).
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: курс посвящён работе с данными и изучению линейных регрессионных моделей. Также слушатели получат хороший опыт работы в R. Для успешного прохождения необходимо базовое понимание математической статистики, теории вероятностей и линейной алгебры.
Какие навыки получите:
Об авторах: курс подготовлен на базе Высшей школы экономики. Лектор — Борис Демешев, старший преподаватель факультета экономических наук ВШЭ.
21. «Быстрый старт в искусственный интеллект» от МФТИ
Длительность: 23 урока.
Формат обучения: видеоуроки + текстовые материалы + тесты + интерактивные задачи.
Программа обучения: курс знакомит с основными областями искусственного интеллекта. Программа рассчитана на старшеклассников из классов с математическим уклоном и студентов технических специальностей.
Чему научитесь:
Преподаватели:
22. «Введение в информационный поиск» от МФТИ совместно с Mail.ru Group
Длительность: 33 часа на освоение материала.
Сертификат: выдаётся (платно).
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: в ходе обучения слушатели познакомятся с устройством и особенностями работы поисковых систем изнутри. В качестве итоговой работы предлагается самостоятельное построение модели поисковой системы. Программа рассчитана на новичков, студентов, начинающих программистов.
Чему научитесь:
Об авторах: курс создан сотрудниками Mail.ru Group. Авторы поделились знаниями и опытом, которые они ежедневно используют на практике при работе с проектами.
23. «Как стать аналитиком данных» от «Яндекс.Практикума»
Продолжительность: полный платный курс длится 6 месяцев, бесплатный вводный курс можно пройти за 20 часов.
Сертификат: выдаётся (в платной версии курса).
Формат обучения: теоретические и практические занятия в онлайн-тренажёре.
Программа обучения: цель курса — знакомство слушателей с аналитикой данных. Акцент сделан на изучение инструментов аналитики. Вводный курс поможет понять суть работы аналитика и решить, стоит ли учиться дальше.
Что узнаете:
24. «Математическая статистика» от Computer Science Center
Длительность: 29 уроков.
Формат обучения: видеоуроки + текстовые материалы + тесты + интерактивные задачи.
Программа обучения:
Какие знания и навыки получите:
25. «BI разработчик. Основы работы в Tableau» от Артёма Прыткова
Длительность: 10 уроков.
Формат обучения: видеоуроки + тесты.
Программа обучения: включает базовые основы работы с программой Tableau Public. Спикер расскажет об особенностях работы BI-разработчика, востребованности и возможных перспективах. Слушатели получат необходимые знания и навыки для самостоятельного создания дашбордов. Программа рассчитана на аналитиков и тех, кто интересуется сферой BI-разработки.
Чему научитесь:
Об авторе: Артём Прытков, специалист в области анализа и визуализации данных с 10-летним стажем.
26. «Hadoop. Система для обработки больших объёмов данных» от Mail.ru Group
Длительность: 33 урока.
Формат обучения: видеоуроки + текстовые материалы + тесты + интерактивные задачи.
Программа обучения: курс знакомит слушателей с современными методами обработки и хранения данных на примере системы Hadoop. Программа рассчитана на подготовленных пользователей — студентов последних курсов и начинающих разработчиков. Для решения задач необходимо уметь читать и писать код, работать в командной строке Linux.
Чему научитесь:
Об авторах: Евгений Чернов, руководитель отдела анализа в Поиск@Mail.ru.
27. «Теория игр» от МФТИ
Длительность: 27 часов на освоение материала.
Сертификат: выдаётся (платно).
Формат обучения: видеоуроки + текстовые материалы + тесты.
Программа обучения: подойдёт людям с математическими способностями, а также профессиональным разработчикам игр для всестороннего развития.
Какие знания и навыки получите:
Об авторах: курс разработан при поддержке МФТИ.