Курсы по Big Data в Ростове-на-Дону

Изучите ключевые инструменты аналитика и сможете помогать бизнесу принимать обоснованные решения

Соберёте портфолио из 7 проектов, чтобы показать будущему работодателю

Анализ результатов кампаний, исследований и тестирования продуктовых гипотез

Способность создавать аналитические решения и представлять их бизнесу

Чему вы научитесь

Научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов

Проводить A/B-тесты и определять, что приносит результат в исследуемой области, основываясь на данных, а не на интуиции

Освоите актуальные инструменты анализа данных и получите явное конкурентное преимущество — крупнейшие компании работают с большими данными

Узнаете, как принимать эмоции и управлять ими. Сможете лучше понимать окружающих и строить деловые отношения. Усилите свою конкурентоспособность

Инструменты которые вы освоите на курсе

Сервис для создания детальной статистики посетителей сайтов.

Сервис компании Яндекс, предназначенный для оценки посещаемости сайтов и анализа поведения пользователей.

Платформа для проведения A/B-тестирований.

Платформа аналитики, которая призвана показать «поведенческий слой» пользовательских данных.

Система для аналитики и анализа поведения пользователей.

Язык программирования, применяемый для создания, модификации и управления данными в реляционной базе данных, управляемой соответствующей системой управления базами данных.

Свободная объектно-реляционная система управления базами данных.

Библиотека с открытым исходным кодом для языка программирования Python.

Набор утилит, библиотек и фреймворк для разработки и выполнения распределённых программ, работающих на кластерах из сотен и тысяч узлов.

Язык программирования общего назначения, ориентированный на повышение производительности разработчика и читаемости кода.

Особенности:

• Выполняйте простые задачи для отработки теории

• Пишите код в среде, приближенной к IDE  

• Пользуйтесь мгновенной проверкой или подсказками

• Задавайте вопросы по заданию —
вам ответит эксперт или аспирант

Перейдёте в профессию с высоким окладом на низкоконкурентном рынке

Научитесь автоматизировать работу с данными и разрабатывать архитектуру данных

Сможете претендовать на позицию инженера данных через 12 месяцев обучения

Определение потребностей и требований бизнес-пользователей

Управление потоками данных

Чему вы научитесь

Выполните 80 домашних работ с фидбеком эксперта, а также онлайн-лабораторные и тесты

И возможность заявить о себе — они в России только развиваются

Поможем составить резюме, подготовиться к собеседованию, проконсультируем по релокации

Инструменты которые вы освоите на курсе

Свободная объектно-реляционная система управления базами данных.

Программное обеспечение для бизнес-анализа.

Популярная программа для автоматизации, развёртывания и управления приложениями в средах с поддержкой контейнеризации.

Фреймворк с открытым исходным кодом для реализации распределённой обработки неструктурированных и слабоструктурированных данных, входящий в экосистему проектов Hadoop.

Платформа управления рабочим процессом с открытым исходным кодом.

Автоматизация настройки и развёртывания программного обеспечения

Высокоуровневый язык программирования общего назначения, ориентированный на повышение производительности разработчика и читаемости кода.

Распределённый программный брокер сообщений, проект с открытым исходным кодом, разрабатываемый в рамках фонда Apache. 

Колоночная аналитическая СУБД с открытым кодом, позволяющая выполнять аналитические запросы в режиме реального времени на структурированных больших данных.

Универсальная облачная платформа

Открытое программное обеспечение для автоматизации развёртывания, масштабирования контейнеризированных приложений и управления ими.

Приложение для мониторинга событий и оповещения. 

Особенности:

Деньги можно вернуть в любой момент. В течение первых трёх занятий вернём вам полную сумму, а начиная с четвёртого — рассчитаем сумму возврата или поможем выбрать другой курс взамен.

Подробные условия

Построите карьеру в анализе данных и обучении нейронных сетей

Добавите более 14 проектов в портфолио

Выбор и создание фич для модели

Написание SQL-запросов для получения данных

Работа с аналитическими библиотеками numpy, scipy, pandas

Группировка и фильтрация данных

Чему вы научитесь

Писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов

Автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, полученные при анализе данных

Обрабатывать текстовые данные, чтобы передавать их в алгоритмы машинного обучения, генерировать новые значимые признаки

Проверять гипотезы, строить рекомендательную систему и нейронную сеть, выявлять скрытые аномалии в данных

Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями

Структурировать результаты, формулировать гипотезы, выявлять потребности, находить области применения машинного обучения

Инструменты которые вы освоите на курсе

Базовая библиотека в Python для построения алгоритмов машинного обучения

Библиотека алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом

Одна из самых популярных реляционных баз данных с открытым исходным кодом. На её основе работает множество приложений для анализа геопространственных данных и мобильных приложений

Набор библиотек и программ Python для символьной и статистической обработки естественного языка

Наиболее продвинутая и быстроразвивающаяся библиотека для обработки и анализа данных в Python

Открытая программная библиотека для машинного обучения, разработанная Google для решения задач построения и тренировки нейронной сети

Все виды градиентного спуска, включая Adam, RMSProp, Momentum, SGD. Регуляризация и Dropout на основе MNIST.

Свёртки и методы Padding & stride, Pooling и LeNet применительно к AlexNet, VGG, NiN, GoogLeNet, ResNet, DenseNet, densenet, mobilenet. Аугментация и TransferLearning. Языковые модели в RNN, GRU и LSTM. Декодер Teacher Forcing

Фреймворк с открытым исходным кодом для реализации распределённой обработки неструктурированных и слабоструктурированных данных

Открытая нейросетевая библиотека, написанная на языке Python

Библиотека глубокого обучения для решения задач компьютерного зрения и NLP

Понимание идеи attention'а. Dense-Attention для encoder-decoder архитектуры. Beam-Search и диалоговые боты

Особенности:

Деньги можно вернуть в любой момент. В течение первых трёх занятий вернём вам полную сумму, а начиная с четвёртого — рассчитаем сумму возврата или поможем выбрать другой курс взамен.

Подробные условия