Симулятор Data Science поможет вам получить новые профессиональные навыки и отработать их на выполнении реальных практических задач. Вы сможете освоить актуальные инструменты, например, научитесь применять ClickHouse, FastAPI, MLFlow, а также сможете использовать метрики, делать прогнозы и грамотно интерпретировать результаты А/В-тестов. Вас ждут три уровня сложности, так что испытать себя и получить свежие знания смогут как начинающие аналитики, так и опытные специалисты. Для начала обучения вам нужно владеть языками Python и SQL, понимать основы статистики и машинного обучения.
Показываем, как будет расти ваш заработок вместе с опытом. И сколько времени потребуется, чтобы окупить вложения в образование
В этом симуляторе вас ждёт более восьмидесяти задач трёх уровней сложности. Задания направлены на обучение работе конкретному навыку либо использованию того или иного инструмента.
Научитесь рассчитывать Monthly Recurring Revenue и строить дашборд.
Познакомитесь с различными видами метрик.
Разберётесь, как правильно удерживать пользователей.
Научитесь строить простые Q&A сервисы при помощи RAG.
Сможете реализовать метод главных компонентов PCA.
Узнаете, как сгенерировать краткое содержание любого видеоролика на YouTube.
Научитесь грамотно распределять маркетинговый бюджет.
Разберётесь, как создавать negation тесты на базе библиотеки Checklist.
Освоите mock-тесты
Узнаете, как реализовать GPT-2 с нуля.
Узнаете, как структурировать код согласно принципам объектно-ориентированного программирования.
Познакомитесь с декораторами @staticmethod и @classmethod.
Изучите элементы функционального программирования в языке Python.
Научитесь работать с генераторами в Python.
Попрактикуетесь в поисках ошибки в коде.
Потренируетесь приводить созданный несколькими людьми документ к общему виду.
Научитесь писать функцию для постобработки модели динамического ценообразования.
Сможете создать функцию потерь.
Разберётесь, как с минимальными затратами ускорить код.
Научитесь использовать метод мемоизации.
Сможете парсить многоуровневые конфиги в формате YAML.
Научитесь оптимизировать код при помощи параллельных вычислений.
Узнаете, как извлекать URL-адреса из текстовых сообщений.
Научитесь рассчитывать одну из наиболее распространённых метрик - Average Check.
Научитесь строить метрику DAU.
Узнаете, как составлять запросы на языке SQL для первичного анализа данных.
Сможете подсчитать, сколько товаров компания продаёт в день.
Узнаете, как считать важные метрики ARPU и AOV.
Выясните, как рассчитать метрику WAU.
Разберётесь, что такое эластичность в данном контексте.
Узнаете, как построить дашборд с процентом успешных оплат в месяц.
Научитесь деплоить решающие деревья в виде SQL-запросов.
Узнаете, как построить эмбеддинги товаров на основе паттернов поведения покупателей.
Разработаете модель оттока.
Сможете построить дашборд, отображающий сумму успешных оплат за неделю.
Напишете запрос, который сегментирует пользователей на основании стоимости их покупок.
Научитесь оценивать надёжность предсказаний модели.
Разберётесь, как исправить ошибку, не меняя поведение метрики.
Научитесь работать с метрикой Average Check.
Научитесь считать и строить метрику daily active users.
Узнаете, как придумать функцию потерь.
Сможете подсчитать, сколько товаров компания продаёт в день.
Познакомитесь с различными типами метрик.
Изучите различия между основными метриками на примерах.
Продолжите знакомиться с их различиями.
Научитесь грамотно проводить А/В-тесты для квантилей метрики.
Узнаете, как оценить точность алгоритма ранжирования.
Сможете подсчитывать ARPU и AOV.
Узнаете, как подсчитать weekly active users.
Разберётесь, как считать эластичность товаров.
Сможете использовать метрики ранжирования.
Создадите собственную метрику для оценки разнообразия в выдаче.
Попрактикуетесь в построении дашборда с процентом успешных оплат в месяц.
Сможете рассчитать Monthly Recurring Revenue и построите дашборд.
Узнаете, как понять, даёт ли сервис ценность.
Поймёте, что представляет из себя Marketing Mixture Modeling.
Проведёте симуляции А/А и А/В тестов.
Построите дашборд, отображающий сумму оплат пользователей за каждую неделю.
Напишете юнит-тесты для трёх бизнес-метрик, применяя Pytest.
Научитесь использовать инструмент контейнеризации приложений Docker.
Познакомитесь с особенностями архитектуры BERT.
Изучите MLflow.
Разберётесь, как использовать DVC.
Продолжите учиться работать с PySpark.
Сможете правильно оценивать надёжность предсказаний модели.
Научитесь строить решающее дерево.
Сможете измерять цены похожих товаров.
Напишете функцию для постобработки предсказаний моделей.
Попрактикуетесь в создании функции потерь.
Научитесь проводить А/В-тесты для квантилей метрики.
Сможете построить решающее дерево с нуля.
Попрактикуетесь в построении дашборда с процентом успешных оплат в месяц.
Решите задачу со сторителлингом в четыре шага.
Построите линейную модель предсказания спроса от цены.
Узнаете, как спрогнозировать спрос до того, как продажи начались.
Научитесь считать ARPU и AOV.
Сможете исправлять ошибку в коде, не меняя поведение метрики в остальном.
Научитесь рассчитывать Average Check.
Узнаете, как определять эластичность товаров.
Познакомитесь с пятью способами агрегации цен конкурентов.
Разберётесь, как предсказывать стоимость объектов недвижимости на основе их числовых признаков.
Попрактикуетесь в написании запроса, сегментирующего пользователей на основании стоимости их покупок.
Разработаете алгоритм, максимизирующий выручку для целевой маржи.
Узнаете, в чём заключается принцип Кока-Колы.
Оцените точность алгоритма ранжирования до проведения А/В теста.
Изучите различные метрики ранжирования.
Разберётесь, как создать первую версию рекомендательной системы на основе неявных оценок интересов пользователей.
Составите четыре SQL-запроса с целью первичного анализа данных.
Создадите собственную метрику для оценки разнообразия в выдаче.
Научитесь писать веб-сервисы на FastAPI и распределять трафик между рекламными баннерами.
Разберётесь, как внедрить статистические критерии в процедуру валидации.
Построите эмбеддинги товаров на основе паттернов поведения покупателей.
Напишете запрос, сегментирующий пользователей на основе цен их покупок.
Научитесь строить простые Q&A сервисы при помощи RAG.
Разберётесь, как вдвое ускорить код с минимальными правками.
Создадите тест, ловящий нежелательное поведение.
Научитесь парсить многоуровневые конфиги в формате YAML.
Научитесь генерировать краткое значение видеороликов на YouTube.
Узнаете, как извлечь URL-адреса из текстовых сообщений.
Разберётесь, как контролировать поведение модели даже в наиболее сложных случаях.
Познакомитесь с особенностями архитектуры BERT.
Сможете реализовать GPT-2 с нуля.
Попрактикуетесь в написании теста, который будет ловить баги в коде.
Напишете юнит-тесты для трёх бизнес-метрик при помощи Pytest.
Разберётесь, как отлавливать проблемы в коде на ранних стадиях.
Создадите тест, ловящий нежелательное поведение.
Узнаете, как правильно проводить А/В-тесты для квантилей метрики.
Проведёте симуляцию А/А и А/В тестов.
Узнаете, что такое множественное тестирование гипотез.
Разберётесь, как внедрить статистические критерии в процедуру валидации.
Создадите постпроцессинг предсказаний для матчинга товаров.
Познакомитесь с пятью различными способами агрегации цен конкурентов.
Перейдёте к продвинутой валидации модели и расчёту метрик.
Сможете оценить точность алгоритма ранжирования.
Научитесь находить средневзвешенные цены при помощи готовых эмбеддингов.
Построите эмбеддинги товаров на основе паттернов поведения покупателей.
Напишете алгоритм поиска ближайших соседей.
Научитесь считать метрики DAU.
По шагам построите алгоритм K-means.
Напишете SQL-запрос с оконными функциями для построения датасета.
Сможете привести созданный несколькими людьми код к общему виду.
Разберётесь, как ускорить код вдвое с минимальными усилиями.
Подсчитаете, сколько товаров компания продаёт в день.
Изучите принцип мемоизации.
Научитесь рассчитывать метрику WAU.
Сможете применять метод параллельных вычислений.
Разберётесь, как эффективно переиспользовать код эффективно с помощью абстрактных классов.
Изучите Metric Learning.
Узнаете, как построить uplift-модель, предсказывающую нужных покупателей.
Построите дашборд, отображающий сумму оплат пользователей за каждую неделю.
Просмотр обучающих видеороликов
Делаете все тогда, когда вам это удобно и в подходящем вам темпе
Познакомитесь с площадками для поиска работы, узнаете, как успешно пройти стажировку, и получите доступ к бирже с вакансиями компаний-партнёров
Симулятор предоставляет доступ к практическим занятиям разного уровня сложности, поэтому что-то для себя там найдут и новички, и профессионалы. Единственное условие – желательно знать языки Python и SQL, а также иметь базовое представление о статистике.
Конечно, поможет! Вы сможете освоить различные инструменты и навыки, овладеете новыми знаниями и научитесь решать бизнес-задачи любого уровня сложности.
Вам откроется доступ к большей части задач и проектов, а также чаты в Discord и Telegram, где вы сможете задавать вопросы и получать поддержку кураторов или других студентов.
Помимо решения задач вы также сможете собираться вместе с другими студентами в команды, чтобы работать над пет-проектами. А ещё помните, что новые задания появляются в Симуляторе ежемесячно!
Проверка будет происходить автоматически, и вы сможете получить обратную связь непосредственно после выполнения задания.
Благодаря Симулятору вы сможете познакомится с реальными задачами в сфере дата-аналитики и научиться их решать, освоите актуальные инструменты и всесторонне прокачаете свои профессиональные навыки.
Дизайнер интерьеров
Операционный директор
Тренер по фитнесу. Фитнес-нутрициолог
Дизайнер интерьеров