DATA SCIENTIST

9 МЕСЯЦЕВ

2 НЕДЕЛИ
9 НЕДЕЛЬ 4 НЕДЕЛИ 4 НЕДЕЛИ
I ОСНОВЫ PYTHON II ОСНОВЫ SQL III EDA IV АЛГОРИТМЫ И
СТРУКТУРЫ ДАННЫХ
Изучим основы программирования на Python, самом Научимся читать данные из таблиц с помощью Научимся работать с исследовательским анализом Освоим популярные алгоритмы: линейный и
популярном на данный момент языке SELECT запросов с нужными условиями, создавать данных, строить графики и работать с ними, а также бинарный поиск
программирования. таблицы, записывать данные в таблицу, соединять исправлять проблемы в данных.
данные из разных таблиц. Научимся оценивать время исполнения алгоритма

Научимся решать алгоритмические задачиы

3 НЕДЕЛИ 4 НЕДЕЛИ
2 НЕДЕЛИ 5 НЕДЕЛЬ
V МАТЕМАТИКА VI СТАТИСТИКА VII ПРОДУКТОВАЯ VIII MACHINE
АНАЛИТИКА LEARNING
Изучим основные понятия математики, матрицы, Научимся выдвигать гипотезы, планировать Освоим основы работы продуктового аналитика Изучим основы теории машинного обучения,
функций, операторы и умение с ними работать, эксперименты и оценивать их результаты на основе научимся валидировать данные, строить регрессии,
изучим теорию вероятности. статистики. Освоим продуктовые метрики, научимся их выбирать, кластеризацию и градиентный спуск, создавать ML-
считать и оценивать пайплайны с нуля и развивать их.
DATA SCIENTIST

9 МЕСЯЦЕВ

3 НЕДЕЛИ
5 НЕДЕЛЬ ВСЕ ВРЕМЯ ОБУЧЕНИЯ
IX РАБОТА С БОЛЬШИМИ X DEEP LEARNING XI КАРЬЕРНОЕ
ДАННЫМИ СОПРОВОЖДЕНИЕ
Научимся использовать следующие инструменты для Ознакомимся с понятием нейро сети. Подготовим CV на русском и английском языке.
работы для большими данными: Hadoop, Hive, Scala, Spark Освоим методы в обучения нейронных сетей и Подготовим к поведенческим интервью и узнаем алгоритмы
работы с ними. отбора.
Изучим Data processing: нормализацию батчей. Узнаем, как получить предложение работы за рубежом.
архитектуру, а также принцип работы свертки.
Подготовим портфолио.

От 3-х личных консультаций с карьерным коучем.

КАРЬЕРНАЯ ПОДДЕРЖКА
ПРОГРАММА

7-9
9 МЕСЯЦЕВ
МЕСЯЦЕВ

I ОБУЧЕНИЕ ХАРД-СКИЛЛАМ II КАРЬЕРНОЕ III МЕНТОРСКОЕ

Практикующие в индустриях преподаватели из ШАДа, НИУ ВШЭ,
МФТИ, Y-Data уделяют внимание каждому студенту благодаря
живым занятиям
Лекции, семинары, парное программирование, лайв-кодинг
СОПРОВОЖДЕНИЕ
Личные встречи по карьерным целям, по составлению резюме,
мотивации
Цикл лекций и семинаров по всем этапам собеседований в
компании России, СНГ и зарубежные компании.
СОПРОВОЖДЕНИЕ
Подготовитесь к интервью с наиболее приближенными условиями
реальных собеседований
Улучшите навыки и приобретете уверенность в работе

IV СОЗДАНИЕ ПОРТФОЛИО V ГОСТЕВАЯ ПРОГРАММА VI ПОДДЕРЖКА И НЕТВОРКИНГ

Создадите от 6 до 10 проектов в портфолио для презентации своих
навыков работодателям
Каждый проект вы будете защищать вживую перед
преподавателями, чтобы прокачать навыки самопрезентации
Вас ждут гостевые встречи с профессионалами с рынка США,
UK, Европы и Азии
Спикеры поделятся своим опытом построения карьеры в IT,
сменой деятельности и другими интересными историями
Постоянная поддержка от кураторов, тьюторов, коучей. И от
других студентов, с которыми вы вместе будете идти к цели
Дополнительные встречи для знакомства и поддержки в обучении
I ОСНОВЫ PYTHON 9 НЕДЕЛЬ
18 уроков 5 домашних заданий 1 проект + защита 36 ч теории 40 ч практики

1 Built-in types: int, float, string, bool 2 Условный оператор и циклы for, 3 Структуры данных в Python: 4 Функции, аргументы и
while списки, кортежи, словари и аннотирование функций.
множества, comprehensions Область видимости переменных,
lambda функции, map, zip, sorted

5 Введение в ООП: инкапсуляция, 6 Numpy для эффективных 7 Pandas для анализа данных 8 Работа в Jupyter Notebook и в
наследование, полиморфизм. вычислений Pycharm
Dunder methods, абстрактные
классы, mro.

9 Обработка исключений,
итераторы и генераторы,
декораторы

Карьерные лекции: Лекция по карьерной стратегии Поиск и подбор менторов Программа, поиск работы

Лекции приглашенных спикеров. Сменившие профессию или интересные люди, построившие карьеру за рубежом
II ОСНОВЫ SQL 4 НЕДЕЛИ
8 уроков 2 домашних задания 1 проект + защита 16 ч теории 10 ч практики

1 Основы базы данных, структура 2 Создание таблиц и DDL команды 3 SELECT, WHERE 4 Все виды join
данных

5 Group by, Having 6 Оконные функции, фреймы 7 Индексы и оптимизация запросов

оконных функций

Карьерные лекции: Agile Самонастройка на поиск работы: инструменты, рекомендации от психолога

III EDA 4 НЕДЕЛИ
8 уроков 2 домашних задания 1 проект + защита 16 ч теории 10 ч практики

1 Введение в разведывательный 2 Математическая статистика в 3 Линейная алгебра в контексте 4 Математический анализ в

анализ данных. Алгоритмы и контексте EDA. Типы признаков Линейных методов. контексте задачи оптимизации
методы

5 Теория вероятностей и 6 Теория вероятностей в контексте 7 Анализ данных

математическая статистика Наивного Байесовского
классификатора

Карьерные лекции: Делаем CV и CL для российского рынка Делаем CV и CL для западного рынка Оформляем LInkedIn

Собеседование в компании России и СНГ - особенности, этапы, подготовка Собеседование в зарубежную компанию - особенности, этапы, подготовка
IV АЛГОРИТМЫ И СТРУКТУРЫ ДАННЫХ 2 НЕДЕЛИ
4 урока 4 домашних заданий 8 ч теории 16 ч практики

1 Алгоритмы и структуры данных 2 Линейный и бинарный поиск 3 Сложность алгоритма 4 Как оценивать время исполнения

5 Как решать алгоритмические 6 Как тестировать свою программу

задачи

Дополнительно: Лекция по GitHub

V МАТЕМАТИКА 3 НЕДЕЛИ
6 уроков 3 домашних задания 12 ч теории 12 ч практики

1 Основные понятия математики. 2 Основные понятия математики. 3 Дифференцирование. 4 Векторы, матрицы и операции с
Матрица, функции, операторы. Матрица, функции, операторы. Интегрирование. ними.
Сингулярное разложение матриц.

Карьерные лекции: Стратегия поиска работы - как искать вакансии и подаваться на них
VI СТАТИСТИКА 4 НЕДЕЛИ
8 уроков 4 домашних задания 1 проект + защита 16 ч теории 44 ч практики

1 Зачем нужна статистика и A/B 2 Доверительные интервалы 3 Статистики распределений, 4 Проверка гипотез,
тесты взаимосвязь случайных величин, параметрические статистические
показатели корреляции критерии

5 Непараметрические 6 Метод максимума 7 Дизайн A/B эксперимента 8 А/А-эксперименты и валидация

статистические критерии правдоподобия и ядерная оценка методики экспериментирования
плотности

9 Ошибки при проведении A/B 10 Увеличение чувствительности 11 Невозможность проведения А/В 12 Roll-out test
тестов А/В тестов тестов

13 Causal Inference

Карьерные лекции и семинары: Как проходить собеседование на русском языке Как проходить собеседование на английском языке
VII ПРОДУКТОВАЯ АНАЛИТИКА 2 НЕДЕЛИ
4 урока 2 домашних задания 1 проект + защита 10 ч теории 12 ч практики

1 Гипотезы и работа с ними 2 Метрики и работа с Amplitude 3 От стратегии до тактики через

управление метриками

Карьерные лекции: Работаем с синдромом самозванца: как выбрать оффер, саморефлексия по работе с воронкой
VIII MACHINE LEARNING 5 НЕДЕЛЬ
9 уроков 6 домашних заданий 1 проект+ защита 20 ч теории 44 ч практики

1 Введение в машинное обучение 2 Линейная регрессия и 3 Обобщающая способность 4 Отбор и масштабирование

градиентный спуск модели и методы оценки признаков

5 Методы отбора признаков 6 Практические навыки работы с 7 Линейная классификация и 8 Многоклассовая классификация
данными метрики оценки качества и ее методы

9 Понижение размерности и 10 Решающие деревья и 11 Bias-variance trade-off и 12 Рекомендательные системы

методы кластеризации композиции алгоритмов регуляризация

13 Создание ML-пайплайна и 14 Интерфейсы в виде ботов и web- 15 Нейронные сети и анализ

работа с API страниц временных рядов.
IX РАБОТА С БОЛЬШИМИ ДАННЫМИ 3 НЕДЕЛИ
5 уроков 2 домашних задания 1 проект + защита 10 ч теории 12 ч практики

1 Инструменты для работы для 2 Инструменты для работы для 3 Инструменты для работы для 4 Инструменты для работы для
большими данными: Hadoop большими данными: Hive большими данными: Scala большими данными: Spark
X DEEP LEARNING
9 уроков 6 домашних заданий
1 Алгоритмы и структуры данных.
Линейный и бинарный поиск.
Сложность алгоритма
5 Дизайн A/B эксперимента. А/А-
эксперименты и валидация
методики экспериментирования
Завершение обучения: p2p-интервью
1 проект+ защита
2 Как оценивать время
исполнения. Как решать
алгоритмические задачи. Как
тестировать свою программу
6 Ошибки при проведении A/B
тестов. Увеличение
чувствительности А/В тестов.
Невозможность проведения А/В
тестов
Защита портфолио
3 Зачем нужна статистика и A/B
тесты. Доверительные
интервалы. Статистики
распределений, взаимосвязь
случайных величин, показатели
корреляции
7 Roll-out test. Causal Inference
Техническое
Техническое собеседование
собеседование сс техническим
техническим ментором
ментором
5 НЕДЕЛЬ
20 ч теории 44 ч практики
4 Проверка гипотез,
параметрические статистические
критерии. Непараметрические
статистические критерии. Метод
максимума правдоподобия и
ядерная оценка плотности
8 Структуры данных: стек, очередь,
дек
Поиск работы
Поиск работы