Логотип Academy Market
Каталог курсов
Логотип Academy Market
Наверх
  1. Academy Market1
  2. Онлайн-курсы по изучению инструмента PySpark

    2

PySpark используется в программировании для того, чтобы получить функциональность Spark в Python. Воспользоваться возможностями инструмента могут все, кто хочет наиболее качественно работать с кодом. Во время интеграции его в работу вам предстоит также повзаимодействовать с фреймворками и библиотеками. Благодаря этому программисты становятся более профессиональными и умелыми.

Логотип

Программа курса

В этом симуляторе вас ждёт более восьмидесяти задач трёх уровней сложности. Задания направлены на обучение работе конкретному навыку либо использованию того или иного инструмента.

1.
Новое в подписке
2.
Python
3.
SQL
4.
Метрики
5.
Знакомство с новыми инструментами
6.
Модели прогноза
7.
Динамическое ценообразование
8.
Рекомендательные системы
9.
NLP & LLM
10.
Тестирование в Python
11.
A/B-тестирование
12.
Матчинг
13.
Ещё задачи

Чему вы научитесь

Документировать и тестировать код
Понимать статистические критерии и связывать их с моделями машинного обучения
Реализовывать кастомные метрики и алгоритмы
Использовать линтеры и строить эмбеддинги
Деплоить модели и сервисы

Программа курса

Курс поможет освоить профессию специалиста по Data Science с нуля. Для этого вы будете изучать теорию и выполнять задания в тренажёре. Также вас ждут проекты с обратной связью от ревьюера. Также наставник разберёт учебные материалы на примерах реальных компаний. 

1.
Основы Python и анализа данных
2.
Базовый Python
3.
Предобработка данных
4.
Исследовательский анализ данных
5.
Первый большой проект
6.
Статистический анализ данных
7.
Линейные модели в машинном обучении
8.
Обучение с учителем: качество модели
9.
Второй большой проект
10.
Машинное обучение в бизнесе
11.
Базовый SQL
12.
Командная строка и Git
13.
Мастерская
14.
Системы обработки больших данных
15.
Численные методы
16.
Мастерская
17.
Продвинутый SQL
18.
Модели и алгоритмы в машинном обучении
19.
Третий большой проект
20.
Временные ряды
21.
Машинное обучение для текстов
22.
Компьютерное зрение
23.
Четвёртый большой проект
24.
Итоговый проект
25.
Дополнительный курс: практика Python
26.
Дополнительный курс: теория вероятностей
27.
Дополнительный курс: практика SQL
28.
Нейросети для специалистов по Data Science
29.
Карьерный трек: подготовка к трудоустройству
30.
Акселерация: активный поиск работы с поддержкой HR-экспертов

Чему вы научитесь

Анализировать большие объёмы данных
Разбираться в математической статистике и принципах логики
Работать с моделями машинного обучения
Составлять прогнозы
Предлагать эффективные бизнес-решения
Визуализировать результаты работы

Программа курса

Смотрите лекции в любое время вне зависимости от расписания. Семинары будут проходить в вечернее время с преподавателями УрФУ. Не забывайте, что для освоения программы в полной мере необходимо уделять минимум 15-20 часов в неделю. Последний семестр будет полностью направлен на подготовку к дипломной работе. 

1.
1 семестр. Основы профессии. Python. Статистический анализ. Научные исследования
2.
2 семестр. Введение в специализацию. Алгоритмы машинного обучения. Математика, которая стоит за ними. Основы автоматизации
3.
3 семестр. Погружение в ML. ML-инженерия, управление проектами, работа с большими данными
4.
4 семестр. Выпускная квалификационная работа. Подготовка и защита выпускного проекта

Чему вы научитесь

Строить и проверять гипотезы
Создавать ML-модели
Работать с Big Data
Разрабатывать архитектуру
Обучать нейронные сети
Логотип школы
2 895 ₽ в месяц
104 220 ₽
173 700 ₽
Ещё -10% по промокоду

Программа курса

Курс состоит из семи тематических блоков, в которых вы обучитесь анализировать большие массивы данных, работать с языками Python и SQL, взаимодействовать с коллегами. В конце вы создадите свой проект по анализу данных.

1.
Аналитическое мышление
2.
SQL и получение данных
3.
Метрики, гипотезы, точки роста
4.
Аналитика больших данных
5.
Python для анализа данных
6.
NumPy, pandas, MPL
7.
Статистика в Python
8.
Дипломный проект

Чему вы научитесь

Анализировать большие массивы данных
Применять в работе языки программирования SQL и Python
Делать прогнозы на основе данных и проверять их
Понимать метрики
Принимать аналитические решения для бизнеса