• Обучение онлайн не выходя из дома
Скидка 60% действует 05 дней 08:10:39

Факультет
Искусственного интеллекта

Получите одну из самых востребованных IT-профессий. Машинное обучение от профессиональных преподавателей.

  • Python Python
  • SQL SQL
  • PyTorch PyTorch
  • NoSQL NoSQL
  • Numpy Numpy
  • Matplotlib Matplotlib
  • Keras Keras
  • TensorFlow TensorFlow
  • Pandas Pandas
  • Scikit-learn Scikit-learnas
333 BYN в месяц 138 BYN в месяц При рассрочке до 28 месяцев Подробнее о тарифах и офисах в вашей стране
  • РАЗНЫЕ ФОРМАТЫ ОБУЧЕНИЯ
    • Занятия в группе с преподавателем
    • Онлайн-лекции и вебинары
    • Видеозаписи занятий
  • ДЛИТЕЛЬНОСТЬ18
    2 занятия в неделю
  • РЕЗУЛЬТАТСертификат
    14 работ в портфолио
  • ПОСЛЕ ОБУЧЕНИЯПомогаем
    с трудоустройством
Уникальное предложение до 30 сентября
Оставьте заявку
Начало обучения: 2 октября

Отправляя заявку, вы принимаете условия публичного договора и даете согласие на обработку своих персональных данных в соответствии с политикой конфиденциальности.

Спасибо за заявку! 
Скоро с вами свяжется наш менеджер! Мы будем признательны, если вы заполните нашу анкету — это поможет нам лучше понимать ваши потребности и сделать вашу работу с онлайн-платформой более комфортной.
Заполнить анкету
Платите позже ― отсрочка на 1 месяц

Вам не нужно платить первый взнос и переплачивать процентную ставку, если оформите рассрочку у наших надёжных банков-партнёров.

• Без переплат по процентам
• Без оплаты первого взноса
• Для граждан Беларуси
• Надёжные банки-партнёры
Разработчики Data Science востребованы на рынке
По данным сайта rabota.by, освоив Data Science-разработку, вы будете претендовать на более высокую зарплату и на большее количество вакансий.
2 400 BYN
Зарплата в месяц
11%от всех на
Доступных вакансий
4 000 BYN
Зарплата в месяц
56%от всех на rabota.by
Доступных вакансий

Вас будут обучать эксперты-практики

Сергей Ширкин
Data Scientist в Dentsu Aegis Network Russia, декан факультета

Применял технологии машинного обучения и искусственного интеллекта в Сбербанке и Росбанке, компаниях Equifax и Dentsu Aegis Network Russia.

Дмитрий Коробченко
Deep Learning R&D инженер и руководитель направления в NVIDIA

Эксперт в области нейронных сетей и машинного обучения, спикер на образовательных и научно-популярных мероприятиях. Опыт в Deep Learning – с 2012 года. Закончил ВМиК МГУ. Ранее работал в исследовательском центре Samsung.

Алексей Петренко
Python Developer, фрилансер

Разрабатывает IT-решения по автоматизации процессов учёта наличия и движения людей и технических средств для Министерства обороны. За 20 лет в IT писал программы на более чем 30 языках программирования.

Андрей Буранов
Cистемный администратор ОС Linux в Mail.ru Group

Работал в компании NetCracker: получил опыт инженера NIX-систем и тренера-эксперта, преподавал курсы «Linux and UNIX Basic» и «Файловые системы».

Ксения Густокашина
Аналитик данных в X5 Retail Group

Строит дашборды для планирования ассортимента сети «Пятёрочка», создаёт пайплайн по обработке данных от витрины до продакшна, исследует данные для запуска моделей. До этого работала в компании «Платформа ОФД».

Никита Баранов
Data Scientist в компании oneFactor

Сотрудничал с «Платформой ОФД», прогнозировал спрос для «Пятёрочки». Соавтор проекта о влиянии транскрипционного шума в ДНК на процессы старения — призёра Летней школы Института биоинформатики.

Александр Шеметов
Системный администратор Linux

С 2006 года работает в филиале МТС. Эксперт в области поддержки вычислительных платформ.

Мария Корлякова
Доцент университета им. Н. Э. Баумана (калужский филиал)

К. т. н., доцент кафедры «Системы автоматического управления и электротехника» Московского государственного технического университета им. Н. Э. Баумана (калужский филиал). Отвечает за модуль интеллектуальной обработки информации.

Инна Котова
Фрилансер, математик-экономист

Выпускница экономического факультета МГУ по специальности «Математические методы анализа экономики». Преподает высшую математику и математический анализ.

Артем Зраев
Data scientist в игровой студии Creative Mobile

Создает внутриигровые системы рекомендаций и автоматизирует распределение бюджетов рекламных кампаний. До этого строил поведенческие профили пользователей в Mail.ru Group и прогнозировал отток клиентов в МТС. Преподаватель в МГУ.

Программа обучения

Наша программа одна из самых объёмных и содержательных. В то же время её легко понять, потому что знания даются постепенно: от базы к продвинутым инструментам.

380

часов обучающего контента и практики

14

проектов в портфолио

2

вебинара в неделю

Подготовительный блок

Их необязательно проходить, но они помогут лучше погрузиться в обучение.
Курсы
Видеокурс: как учиться эффективно
Расскажем, как спланировать обучение, чтобы сохранить интерес, получить максимум пользы и всё успеть.
7 видеоуроков
Основы математики
Сможете освежить базовые знания по математике и облегчить погружение в методы машинного обучения.
14 видеоуроков
Основы программирования
Узнаете об особенностях языков программирования и получите первый опыт написания кода.
17 видеоуроков
Основы языка Python
Курс для новичков и опытных программистов: вы познакомитесь с инструментами разработки и освоите машинное обучение на Python.
17 видеоуроков
Git. Базовый курс
Познакомим с основными понятиями: репозиторий, коммит, тег, ветки, создание и клонирование репозитория, слияние веток, запрос истории изменений.
13 видеоуроков
I четверть

Программирование

Научитесь работать в Linux и создавать сервера в облачных сервисах AWS, проводить поиск информации и основные операции с файлами, выполнять мониторинг работы сервера. Научитесь использовать язык запросов SQL, создавать и оптимизировать сложные запросы. Освоите библиотеки языка Python, предназначенные для Data Science: Numpy, Pandas, Matplotlib, SciKit-Learn.
Курсы
Встреча декана со студентами
Основы языка Python
  • Знакомство с Python
  • Встроенные типы и операции с ними
  • Функции
  • Полезные инструменты
  • Работа с файлами
  • Объектно-ориентированное программирование
  • ООП. Продвинутый уровень
  • ООП. Полезные дополнения
4 недели — 8 уроков
Linux. Рабочая станция
  • Введение. Установка ОС
  • Настройка и знакомство с интерфейсом командной строки
  • Пользователи. Управление Пользователями и группами
  • Загрузка ОС и процессы
  • Устройство файловой системы Linux. Понятие Файла и каталога
  • Введение в скрипты bash. Планировщики задач crontab и at
  • Управление пакетами и репозиториями. Основы сетевой безопасности
  • Введение в docker
4 недели — 8 видеоуроков
Основы реляционных баз данных и MySQL
  • Вебинар. Установка окружения. DDL - команды
  • Видеоурок. Управление БД. Язык запросов SQL
  • Вебинар. Введение в проектирование БД
  • Вебинар. CRUD-операции
  • Видеоурок. Операторы, фильтрация, сортировка и ограничение. Агрегация данных
  • Вебинар. Операторы, фильтрация, сортировка и ограничение. Агрегация данных
  • Видеоурок. Сложные запросы
  • Вебинар. Сложные запросы
  • Видеоурок. Транзакции, переменные, представления. Администрирование. Хранимые процедуры и функции, триггеры
  • Вебинар. Транзакции, переменные, представления. Администрирование. Хранимые процедуры и функции, триггеры
  • Видеоурок. Оптимизация запросов. NoSQL
  • Вебинар. Оптимизация запросов
4 недели — 12 уроков
Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learn
  • Введение в курс
  • Вычисления с помощью Numpy. Работа с данными в Pandas
  • Визуализация данных в Matplotlib
  • Обучение с учителем в Scikit-learn
  • Обучение без учителя в Scikit-learn
  • Обучение без учителя в Scikit-learn и введение в итоговый проект
  • Консультация по итоговому проекту
5 недель — 10 уроков

Проект

  • Предсказание цен на недвижимость
II четверть

Сбор данных и статистическое исследование

Познакомитесь с теорией вероятностей и математической статистикой. Изучите методы проведения корреляционного, дисперсионного и регрессионного анализа. Научитесь работать с RESTful/SOAP-сервисами, форматами XML и JSON в Python, а также познакомитесь с особенностями открытых данных (OpenData).
Курсы
Библиотеки Python для Data Science: продолжение
  • Введение в задачу классификации. Постановка задачи и подготовка данных
  • Анализ данных и проверка статистических гипотез
  • Построение модели классификации
  • Оценка и интерпретация полученной модели. Обсуждение курсового проекта
2 недели — 4 урока
Методы сбора и обработки данных из сети Интернет
  • Основы клиент-серверного взаимодействия. Парсинг API
  • Парсинг HTML. BeautifulSoup, MongoDB
  • Системы управления базами данных MongoDB и SQLite в Python
  • Парсинг HTML. XPath
  • Scrapy
  • Scrapy. Парсинг фото и файлов
  • Selenium в Python
  • Работа с данными
4 недели — 8 уроков
Введение в математический анализ
  • Вводный урок
  • Множество. Последовательность. Часть 1
  • Множество. Последовательность. Часть 2
  • Предел функции. Часть 1
  • Предел функции. Часть 2
  • Производная функции одной переменной. Часть 1
  • Производная функции одной переменной. Часть 2
  • Производная функции нескольких переменных. Часть 1
  • Производная функции нескольких переменных. Часть 2
  • Интеграл. Ряды. Часть 1
  • Интеграл. Ряды. Часть 2
5 недель — 11 уроков
Теория вероятностей и математической статистике
  • Случайные события. Вероятные события. Условная вероятность. Формула Байеса
  • Дискретные случайные величины. Закон распределения вероятностей. Биноминальный закон распределения. Распределение Пуассона
  • Основы математической статистики. Количественные характеристики популяции. Графическое представление данных
  • Непрерывные случайные величины. Функция распределения и функция плотности. Нормальное распределение. Центральная предельная теорема
  • Проверка статистических гипотез. P-значения. Доверительные интервалы
  • Взаимосвязь величин. Показатели корреляции. Корреляционный анализ. Проверка на нормальность
  • Линейная регрессия. Двухвыборочный t-тест. A/B-тестирование
  • Дисперсионный анализ. Метод главных компонент. Логистическая регрессия
4 недели — 8 уроков

Проект

  • Сбор информации по заданным критериям
  • Разведочный анализ данных (EDA) на основе полученной информации
III четверть

Математика для Data Scientist

Рассмотрите математические аспекты алгоритмов, применяемых в Data Science: линейная и логистическая регрессия, градиентный спуск, метод ближайших соседей, кластеризация, деревья решений, случайный лес, градиентный бустинг. Поймете, как устроены алгоритмы на уровне математики.
Курсы
Линейная алгебра
  • Линейное пространство
  • Матрицы и матричные операции
  • Линейные преобразования
  • Системы линейных уравнений
  • Сингулярное разложение матриц
3 недели — 5 уроков
Алгоритмы анализа данных
  • Алгоритм линейной регрессии. Градиентный спуск
  • Масштабирование признаков. L1- и L2-регуляризация. Стохастический градиентный спуск
  • Логистическая регрессия. Log Loss
  • Алгоритм построения дерева решений
  • Случайный лес
  • Градиентный бустинг (AdaBoost)
  • Классификация с помощью KNN. Кластеризация K-means
  • Снижение размерности данных
4 недели — 8 уроков

Проект

  • Построение модели кредитного скоринга для банка
IV четверть

Машинное обучение

Освоите Python: от основ программирования до автоматизации, сбора, обработки, анализа и визуализации данных.
Курсы
Машинное обучение в бизнесе
  • Data-driven-подход на примере задачи маршрутизации заявок в helpdesk
  • Профилирование пользователей. Сегментация: unsupervised learning (clustering, LDA/ARTM), supervised (multi/binary classification)
  • Связь бизнес-показателей и DS-метрик
  • Uplift-моделирование
  • Задача оттока: варианты постановки, возможные способы решения
  • Задача look-alike
  • Интерпретация прогнозов модели (SHAP): объясняем поведение модели на отдельных наблюдениях
  • Проверяем работу модели на практике: A/B-тестирование
  • Интеграция. Итоговый проект
5 недель — 10 уроков
Рекомендательные системы
  • Введение, примеры задач, бизнес- и ML-метрики
  • Бейзлайны и детерминированные алгоритмы item-item
  • Коллаборативная фильтрация
  • Рекомендательные системы на основе контента
  • Поиск похожих товаров и пользователей. Гибридные рекомендательные системы
  • Двухуровневые модели рекомендаций
  • Рекомендательные системы в бизнесе
  • Консультация к курсовому проекту
4 недели — 8 уроков
Видеокурс от Мегафон + курсовой проект
  • Видеотеория
  • Курсовой проект
2 недели — 2 урока

Проекты

  • Рекомендательная система для интернет-магазина
  • Прогнозирование оттока абонентов
  • Алгоритм для определения вероятности подключения услуги
V четверть

Нейронные сети

Научитесь решать задачи Machne Learning с данными из соцсетей, геоданными, применением графов, а также познакомитесь с нейронными сетями. На практике познакомитесь с фреймворками для разработки нейронных сетей: Tensorflow, Keras, PyTorch.
Курсы
Введение в нейронные сети
  • Основы обучения нейронных сетей
  • Keras
  • TensorFlow
  • Сверточные нейронные сети
  • Рекуррентные нейронные сети
  • Сегментация
  • Детектирование объектов
  • GAN
4 недели — 8 уроков
Введение в компьютерное зрение от Nvidia
  • Обработка изображений и компьютерное зрение
  • Свёрточные нейронные сети
  • Продвинутые архитектуры свёрточных нейросетей
  • Семантическая сегментация
  • Детектирование объектов
  • Metric learning
  • Обработка видео
  • Синтез изображений
4 недели — 8 уроков

Проекты

  • Распознавание и классификация изображений
  • 8 мини проектов по компьютерному зрению
VI четверть

Задачи искусственного интеллекта

Изучите продвинутые архитектуры сверточных нейронных сетей, обработку естественного языка и компьютерное зрение.
Курсы
Введение в обработку естественного языка
  • Предобработка текста
  • Создание признакового пространства
  • Embedding word2vec fasttext
  • Тематическое моделирование. EM-алгоритм
  • Part-of-Speech разметка, NER, извлечение отношений
  • Классификация текста. Анализ тональности текста
  • Сверточные нейронные сети для анализа текста
  • Рекуррентные нейронные сети RNN LSTM GRU
  • Языковое моделирование
  • Машинный перевод. Модель seq2seq и механизм внимания
  • Модель Transformer-1
  • Модель Transformer-2
  • Модель BERT и GPT
  • Transfer learning
  • Консультация по курсовому проекту. Создание чат-бота в Telegram
8 недель — 15 уроков
Фреймворк PyTorch для разработки искусственных нейронных сетей
  • Введение в PyTorch
  • CNN and LSTM for human action recognition
  • Generative adversarial networks (GAN): генеративные сети
  • Image Segmentation
  • Face Detection and Emotion Recognition
3 недели — 5 уроков

Проекты

  • Чат-бот на основе искусственного интеллекта, который может общаться на любые темы
  • Приложение, которое анализирует объекты на камере
Курсы вне четверти

Предметы с индивидуальным выбором даты старта

Вы можете формировать часть расписания самостоятельно и регулировать интенсивность обучения.
Курсы
Подготовка к поиску работы
  • Как составить резюме, которое точно заметят
  • Составляем карту поиска работы
  • Зачем нужны сопроводительные письма
  • Что вас ждет на собеседовании с HR
2 недели — 4 урока
История развития искусственного интеллекта
  • Историческая справка об искусственном интеллекте
  • Три парадигмы искусственного интеллекта и подходы в них
  • Мифы и факты об искусственном интеллекте
  • Философия сознания и краткое введение в нейрофизиологию
  • Методы искусственного интеллекта
  • Сферы применения искусственного интеллекта
  • Смежные технологии и дальнейшее развитие
3 недели — 7 уроков
Алгоритмы и структуры данных на Python
  • Введение в Алгоритмизацию и простые алгоритмы на Python
  • Циклы, рекурсия, функции
  • Массивы
  • Эмпирическая оценка алгоритмов
  • Коллекции. Модуль Collections
  • Работа с динамической памятью
  • Алгоритмы сортировки
  • Графы
  • Деревья. Хеш-функции
5 недель — 9 уроков
Введение в высшую математику
  • Элементарная алгебра
  • Введение в аналитическую геометрию. Графики на плоскости
  • Элементы теории вероятностей
  • Введение в линейную алгебру
2 недели — 4 урока
Спортивный анализ данных. Платформа Kaggle
  • Введение в спортивный анализ данных, Exploration Data Analysis
  • Обзор основных алгоритмов машинного обучения, используемых в соревнованиях
  • Построение надежных схем валидации решения, оптимизация целевых метрик
  • Консультация №1
  • Feature Engineering, Feature Selection. Часть 1
  • Feature Engineering, Feature Selection. Часть 2
  • Тюнинг гиперпараметров, построение ансамблей алгоритмов
  • Консультация №2
  • Курсовой проект: inclass соревнование на площадке kaggle
9 недель — 9 уроков
Язык R для анализа данных
  • Начало работы в R
  • Обработка данных для анализа
  • Разведочный анализ данных в R
  • Статистический анализ в R. Доверительный интервал и тест гипотезы
  • Статистический анализ в R. Anova. Регрессионный анализ
3 недели — 5 уроков
Визуализация данных в Tableau
  • Знакомство с основным функционалом Tableau Desktop
  • Вычисления и графики
  • Сложные вычисления
  • Использование TabPy для интеграции Python в Tableau
2 недели — 4 уроков
Сверточные нейронные сети в компьютерном зрении
  • Введение в сверточные нейронные сети
  • Влияние параметров архитектуры на свойства нейронной сети
  • Применение сверточных нейронных сетей в компьютерном зрении
2 недели — 3 урока

Проекты

  • Соревнование на площадке Kaggle
Открыть всю программу

Получите программу курса на email

Нажимая на кнопку, вы даете согласие на обработку своих персональных данных в соответствии с политикой конфиденциальности.
Спасибо за заявку!
Скоро с вами свяжется наш менеджер! Мы будем признательны, если вы заполните нашу анкету — это поможет нам лучше понимать ваши потребности и сделать вашу работу с онлайн-платформой более комфортной.
Заполнить анкету
Oops! Something went wrong while submitting the form.

Мы дарим подарки всем студентам

Изучение английского языка с Kespa
Год английского в подарок
Английский для
IT-специалистов
Видеокурс
Ключ от продуктов
JetBrains
Бесплатная подписка
Также вам может подойти

Выберите пакет обучения на программе Data Science

В зависимости от ваших целей и амбиций выберите комбинированное предложение по обучению. Длительность программы, учебный план и набор технологий зависят от пакетов

В любом пакете уже включено:

Сертификат о профессиональной переподготовке

Помощь с трудоустройством через 12 месяцев по IT-профессиям

Доступ к дополнительными курсам GeekBrains  на ограниченное время

Выгода 20% при единовременной оплате

В каждом пакете первый год обучения включает:

15
месяцев
обучения
=
3
месяца
Общий блок
+
9
месяцев
Специализация
+
3
месяца
Трудоустройство
или создание бизнеса
на ваш выбор в ходе обучения
Middle
Диджитал-мастер

Data Science мастер

от 207 BYN
от 176 BYN
в месяц при рассрочке до 48 месяцев
Уровень навыков
и профессионализма
Уровень знаний
после обучения
Middle
Длительность
обучения
24 мес
Доход после обучения
от 2 200 BYN
Потенциальный доход через 3 года
от 5 500 BYN
Спецпрограмма
для Digital-мастеров
+ Бизнес акселератор
+ Технологическая специализация
Выбрать
Выбрано
Middle+
Гик

Data Science Pro

от 266 BYN
от 226 BYN
в месяц при рассрочке до 48 месяцев
Уровень навыков
и профессионализма
Уровень знаний
после обучения
Middle+
Длительность
обучения
36 мес
Доход после обучения
от 2 200 BYN
Потенциальный доход через 3 года
от 6 800 BYN
Спецпрограмма
для Geek’ов
+ Бизнес акселератор
+ Технологическая специализация
+ Отраслевая специализация
Выбрать
Выбрано
  • Обучение онлайн не выходя из дома
Скидка 60% действует 05 дней 08:10:39
Факультет
Искусственного интеллекта

Получите одну из самых востребованных IT-профессий. Машинное обучение от профессиональных преподавателей.

333 BYN в месяц 138 BYN в месяц При рассрочке до 28 месяцев Подробнее о тарифах и офисах в вашей стране
  • ОСНОВНАЯ ИНФОРМАЦИЯ
    • Длительность 18
    • 2 занятия в неделю
    • 14 работ в портфолио
    • Помощь с трудоустройством
    • Сертификат после обучения
  • РАЗНЫЕ ФОРМАТЫ ОБУЧЕНИЯ
    • Занятие в группе с преподавателем
    • Видеоуроки и вебинары
    • Видеозаписи занятий
    • Домашние задания
    • Практические задания
    • Онлайн-встречи с экспертами
    • Личные консультации
Оставьте заявку
Начало обучения: 2 октября

Отправляя заявку, вы принимаете условия публичного договора и даете согласие на обработку своих персональных данных в соответствии с политикой конфиденциальности.

Спасибо за заявку! 
Скоро с вами свяжется наш менеджер! Мы будем признательны, если вы заполните нашу анкету — это поможет нам лучше понимать ваши потребности и сделать вашу работу с онлайн-платформой более комфортной.
Заполнить анкету
Часто задаваемые вопросы
Как проходит обучение?
Несколько раз в неделю, вечером, проходят online-лекции, на которых куратор объясняет темы. Слушатели курса следят за действиями эксперта на экране, задают вопросы, получают практические задания и обсуждают материал в чате. На следующем занятии куратор проверяет, выделяет плюсы и минусы в самостоятельной работе. Некоторые курсы будут представлены в виде заранее записанных видеолекций.
Что делать, если я не могу учиться онлайн?
Для тех, кто не смог вовремя посмотреть лекцию, команда GeekBrains записывает занятия на видео, которые доступны в разделе обучения. Чтобы быстрее вникнуть в суть пропущенного вебинара, воспользуйтесь методичкой.
Можно ли делать перерывы в обучении?
Между курсами можно делать перерывы и регулировать интенсивность своего развития по мере усвоения знаний. Мы рекомендуем не записываться на все курсы сразу, а проходить их последовательно и работать на результат.
Кто преподаёт в GeekBrains?
Преподавать в GeekBrains могут только специалисты с большим опытом реализации проектов. Мы проводим жёсткий отбор кандидатов с помощью программ аттестации и внутреннего обучения. Пользователи платформы оценивают уровень куратора и качество программы по пятибалльной шкале. Таким образом, мы улучшаем образовательный процесс ежедневно.
Помогаете ли вы с трудоустройством?
Мы помогаем с трудоустройством слушателям курса, которые показывали хорошую успеваемость на протяжении обучения и подали заявку в сервис трудоустройства. Мы поможем вам с поиском идеального места работы на популярных ресурсах. И вместе с вами напишем сопроводительное письмо. Вместе мы сделаем все, чтобы вы начали строить карьеру и расти профессионально.
Что делать, если у меня проблема или срочный вопрос?
Если вы являетесь слушателем платных курсов и у вас возникли вопросы, связанные с образовательным процессом, свяжитесь с нами: info@geekbrains.by или +375 29 171-55-70 (звонок бесплатный). По остальным вопросам пишите нам на info@geekbrains.by
Для прохождения курса нужны специальные знания?
Курс ориентирован на тех, кто хочет изучить Data Science с нуля, поэтому специальные знания не нужны.
Какие минимальные требования к оборудованию и программному обеспечению?
Для учебы вам необходим компьютер с двухъядерным (желательно четырехъядерным) процессором с частотой 1.8 ГГц и выше, и оперативной памятью от 2 Гб (в идеале 4Гб). На нем должна быть установлена любая современная операционная система и настроенная в зависимости от языка программирования среда разработки: для Java — установленный JDK и любая привычная IDE, для Python — установленный интерпретатор с python.org и любая привычная IDE.