Складчина: новые складчины на курсы и тренинги | страница 34

​

Чему мы научим на Математике:
◆ На этом модуле вы освоите основные понятия математики: матрицы, функций, операторы — и научитесь с ними работать.
Вы изучите математическую статистику и теорию вероятности.
Вы узнаете свойства и поведения функций, их графиков, производных и интегралов, а также научитесь решать уравнения с использованием алгебраических и матричных методов. Научитесь определять экстремумы функций с использованием производных и методов оптимизации.
◆ Изучите необходимую базу
На практических заданиях вы разберёте степени и логарифмы, столкнётесь с пределами и последовательностями, а также с бесконечными суммами. Узнаете, как работают функции и их композиции, узнаете, что такое дифференцирование степенной функции.
◆ Разберёте метод градиентного спуска
Вы освоите цепное правило, частные производные и метод градиентного спуска — его широко используют для совершенствования и обучения моделей машинного обучения.
◆ Научитесь работать с матрицами и векторами
Вы изучите векторы и матрицы, а также разберёте операции с ними и нормы векторов. Узнаете, что такое трансформация двумерного пространства матрицей 2х2. Изучите собственные векторы и собственные числа матриц.
◆ Начнёте глубокое погружение в тему
Узнаете, что такое матричные разложения и для чего они нужны. Научитесь применять сингулярное разложение матриц.

Что включено в модуль:
Основные понятия математики
Матрицы
Функции
Операторы

Программа модуля:
Продолжительность: 16 ак. часов / 4 недели
Формат обучения: Лекция + семинар

Степени и логарифмы. Пределы и последовательности. Бесконечные суммы
Функции и их композиции. Формы уравнения прямой. Трансформация графиков функций
Дифференцирование степенной функции. Производная от суммы и произведения функций. Поиск экстремумов функций
Цепное правило. Частные производные. Метод градиентного спуска
Неопределённые и определённые интегралы. Два слова о дифурах
Векторы, матрицы и операции с ними. Нормы векторов
Трансформация двумерного пространства матрицей 2×2. Собственные векторы и собственные числа матриц
Матричные разложения и их применение. Сингулярное разложение матриц

​

Чему мы научим на Exploratory data analysis:
◆ На этом модуле вы изучите понятие стохастического подхода в анализе данных, научитесь разделять переменные на различные типы и выбирать соответствующие меры по локации и разбросу, а также разберётесь в применении различных методов для анализа данных.
Обучение включает математическую статистику, линейную алгебру, математический анализ и теорию вероятностей, применяемые в оптимизации и машинном обучении. Вы узнаете, как проводить базовый исследовательский анализ, визуализировать данные и исправлять в них проблемы, заполнять пропущенные значения и оптимизировать большие датасеты для работы.
◆ Узнаете всё о стохастическом подходе
Разведывательный анализ данных (EDA) используют для исследования и анализа набора данных с целью получения первичного понимания о его структуре, особенностях и возможных образцах. Вы разберёте, что такое EDA, погрузитесь в краткую историю стохастического подхода и в сферы его применения.
◆ Научитесь работать с переменными
Вы узнаете, как в разведывательном методе используют различные типы переменных — непрерывные, дискретные, порядковые, номинальные, количественные. Также узнаете о зависимостях двух переменных, корреляции и регрессии.
◆ Изучите взаимодействие с массивами данных
В EDA работа с массивами данных включает в себя подготовку данных, их обработку, анализ, визуализацию, агрегацию и преобразования. Вы разберёте методы работы и какие программные инструменты необходимы в процессе.
◆ Познакомитесь с оптимизацией больших датасетов
Вы узнаете, как ускорить процесс работы, повысить эффективность в обработке информации и сократить время анализа. Расскажем, как удалять ненужные переменные, что такое индексация и как применять сжатие.

Что включено в модуль:
Введение в разведывательный анализ данных. Алгоритмы и методы
Математическая статистика в контексте EDA. Типы признаков
Линейная алгебра в контексте Линейных методов
Математический анализ в контексте задачи оптимизации
Теория вероятностей и математическая статистика
Теория вероятностей в контексте Наивного Байесовского классификатора
Анализ данных

Программа модуля:
Продолжительность: 16 ак. часов / 4 недели
Формат обучения: Лекция + семинар

Краткая история стохастического подхода. Типы переменных. Меры локации и разброса набора данных. Диаграмма размаха
Таблицы частот и оценка мер локации по неполным данным. Гистограммы плотностей
Зависимость двух переменных. Корреляция и регрессия
Непараметрическая корреляция. Расчёт корреляции и построение регрессии в Python
Мониторинг приложений. Автоматизация деплоя с помощью GitHub Actions
Оптимизация больших датасетов и библиотеки для работы с большими данными

Твои навыки после обучения
Владение математической статистики в контексте EDA
Умение строить таблицы частот и гистограммы плотностей, оценивать меры локации по неполным данным
Расчёт корреляции и построение регрессии в Python
Умение работать с массивами данных и пропусками. Классификация и агрегирование. Визуализация в Tableau
Оптимизация больших датасетов и библиотеки для работы с большими данными

Mathshub — международная школа анализа данных и разработки.
Преподаватель модуля: Георгий Милютин. Ex-глава департамента математики в London Gate Education Group.

​

Чему мы научим на Основах SQL:
◆ На этом модуле вы научитесь работать с базами и структурой данных, освоите написание SQL-запросов и поймёте, как оптимизировать запросы с использованием оконных функций и индексов.
Вы узнаете, как создавать таблицы и использовать DDL (Data Definition Language) команды и изучите SELECT запросы, позволяющие выбирать и фильтровать данные из таблиц.
◆ Рассмотрите разные способы анализа данных
Узнаете, как использовать подзапросы и табличные выражения для более сложных запросов и анализа данных. Разберётесь, как работать с оконными функциями и фреймами оконных функций.
Начнёте ставить чёткие задачи
Что конкретно необходимо узнать в процессе анализа данных, какую гипотезу необходимо проверить и какие метрики посчитать. Научитесь составлять описание источника данных и самих данных.
◆ Научитесь быстро и легко работать с данными
Разберётесь, как создавать таблицы и добавлять в них данные. Узнаете, как выполнять расчёты для получения агрегатных значений (например, сумма или среднее значение). Начнёте использовать SELECT запросы, чтобы получать нужные данные из таблицы. Поймёте, как объединять данные из разных таблиц.

Что включено в модуль:
Основы баз данных и как они организованы
Как создавать таблицы и использовать команды DDL
Как выбирать данные с помощью операторов SELECT и WHERE
Разные типы соединений таблиц
Как использовать операторы GROUP BY и HAVING
Как использовать оконные функции и их рамки
Как создавать индексы и оптимизировать запросы

Программа модуля:
Продолжительность: 16 ак. часов / 4 недели
Формат обучения:
Лекция + семинар
Базы данных, структура данных
Создание таблиц и DDL команды
Основы SQL. SELECT запросы
Подзапросы и табличные выражения
Оконные функции, фреймы оконных функций
Индексы и оптимизация запросов

Твои навыки после обучения
Создание таблиц и использование команд DDL
Выбор данных с помощью операторов SELECT и WHERE
Использование GROUP BY и HAVING, оконных функций
Создание индексов и оптимизация запросов

Mathshub — международная школа анализа данных и разработки.
Преподаватель модуля: Алексей Костырин SQL. 8 лет опыта коммерческой разработки

Тариф: Начало пути
Занятия модуля в записи
Проверка домашнего задания

Скрытый текст. Открывается зарегистрированным пользователям.

​

Через 10 недель Вы решите 75% алгоритмических задач на экзамене в ШАД и успешно пройдете собеседование, или мы вернем деньги. Даже если Вы еще не начинали решать задачи, у Вас слабая база по алгоритмам или куча дел по учебе или работе.

ДЛЯ КОГО ЭТОТ КУРС?

Для студентов и специалистов не из IT, у которых нет большого опыта в алгоритмах
На лекциях пройдете самую важную теорию, на семинарах научитесь решать задачи с НУЛЯ. Прокачаете навыки в домашних заданиях.

Для студентов и специалистов не из IT, которые имеют опыт с алгоритмами
Прорешаете 100 задач, чтобы чувствовать уверенность на экзамене. Научитесь решать задачи за фиксированное время.

Для разработчиков, которые поступают на альтернативный трек
Получите структурированную подготовку по алгоритмам. Освежите знание алгоритмов и основных фишек за 2 месяца и нарешаете необходимые задачи по каждой теме, чтобы успешно сдать экзамены.

Для студентов или выпускников, которые не уверены, что готовы поступать, но хотят прокачаться по алгоритмам
Прокачаете навыки алгоритмов для прохождения собеседований.

ИЗ ЧЕГО СОСТОИТ КУРС?

• 100 алгоритмических задач для практики
• 3 тренировочных контеста с задачами из экзаменов в ШАД прошлых лет
• 10 лекций по 90 минут, которые покрывают 100% программы
• 10 семинаров с решением 100 задач прошлых лет
• 3 созвона с приглашенными ШАДовцами о мотивации
• Разбор всех домашних заданий от преподавателя

ПРОГРАММА КУРСА

• 1 Неделя - Анализ алгоритмов. Базовые алгоритмы.
• 2 Неделя - Простейшие структуры данных. STL-контейнеры. Амортизационный анализ.
• 3 Неделя - Сортировки. Порядковые статистики.
• 4 Неделя - Жадные алгоритмы. Динамическое программирование.
• 5 Неделя - Бинарная куча. Деревья поиска.
• 6 Неделя - Задачи RMQ/RSQ. Дерево отрезков.
• 7 Неделя - Хеш-функции и хеш-таблицы. Полиномиальное хеширование. Поиск строк.
• 8 Неделя - Графы. DFS и его производные.
• 9 Неделя - Кратчайшие пути.
• 10 Неделя - СНМ. Миностовы. Задача LCA.

Сайт

​

Онлайн-программа с занятиями в зуме поможет разобраться с практиками и инструментами дата-инжиниринга раз и навсегда.

• СМОЖЕТЕ РАБОТАТЬ ДАТА-ИНЖЕНЕРОМ
  После этой программы вы реально сможете работать дата-инженером и быстро расти, так как будете хорошо разбираться не только в теории, но и иметь практический опыт решения характерных задач DE
• ПОЛНОЦЕННОЕ ПОГРУЖЕНИЕ
  Программа направлена на практику в виде лабораторных работ (лаб), которые максимально приближены к реальным задачам, с которыми работают дата-инженеры
• РАБОТА В КЛАСТЕРЕ
  Все лабы реализуются в облачном провайдере. Одна из первых задач программы -- развернуть и настроить свою инфраструктуру для выполнения лаборатных. Это сложно, но и интересно и навсегда подружит вас и документацию.
• СТРУКТУРИРОВАНИЕ ЗНАНИЙ
  Даже если вы уже практикующий дата-инженер, эта программа поможет вам структурировать ваши знания и познакомиться с новыми инструментами подходами.

КАК УСТРОЕНА ПРОГРАММА:
- 6 ЛАБ
За два месяца вы выполните 6 практических лабораторных работы, каждая из которых использует разные инструменты про которые вам будут рассказывать в лекциях. Эти лабораторные работы критически важны для понимания возможностей и ограничений использования инструментов, про которые вам будут рассказывать в лекциях.
- ЛОГИКА РАБОТЫ DE
В течение курса мы будем анализировать, что уже освоено, заполняя карту компетенций. Инструменты и окружение будут обновляться, но общая логика и подобное картирование позволит вам создать целостную картину об используемых технологиях и практиках. Мы не только расскажем вам про инструменты используемые в курсе, но и предложим альтернативы наиболее популярным из них
- 10+ ИНСТРУМЕНТОВ
Каждая лабораторная базируется на использовании ключевых инструментов и фреймворков. Опытные лекторы из индустрии на занятиях покажут, как этим всем пользоваться.

Часть инструментов вы сможете проработать глубоко: Kafka, Airflow, ClickHouse, Spark, Redis, Docker. Эти инструменты входят в лабораторные работы и по ним будут углубленные занятия, так как они часто применяются на практике.
В программу также входят обзорные лекции и задания по практике с другими распространёнными инструментами: Apache Flink, Grafana, dbt, Kubernetes и др. Некоторые из них входят в дополнительные задания, а некоторые представляют универсальные инструменты, используемые и в других областях.
Это лучший курс по DE на постсоветском пространстве по мнению комьюнити.