3 месяца обучения по 2-3 часа в день. Всего 260 часов
диплом по окончании
помощь в трудоустройстве
зарплата
от 120 тыс. в месяц
Курс включает изучение основ инженерии больших данных, современных технологий анализа данных и машинного обучения, языков программирования, методов искусственного интеллекта, нейросетевых технологий. Программа нацелена на получение практических навыков по созданию систем анализа больших данных, разработки баз данных, моделирования данных, разработки алгоритмов и программных средств, в том числе с использованием современных интеллектуальных технологий, созданию и внедрению сквозных цифровых субтехнологий искусственного интеллекта.
Программа построена по модульному принципу, предполагает изучение теоретического материала и практическую отработку полученных знаний.
Для оценки уровня знаний вы выполните практические кейсы и пройдете тестирование.
курс подойдет
для студентов колледжей и вузов
для начинающих специалистов в области IT
для получения прибыльной IT-специальности
для всех желающих, имеющих высшее или среднее профессиональное образование (базовое математическое или техническое образование)
Граждане РФ старше 18 лет, которые:
Модуль 1.
Модуль предполагает знакомство с профессией «Инженер данных», введение в инженерию данных и изучение основных концепции Git и Docker, и включает знакомство с базами данных, реляционной моделью данных, изучение методов работы с реляционной СУБД Postgres и SQL. В рамках модуля изучаются DWH и архитектура хранилищ данных, современные модели данных, такие как Data Vault, колоночные СУБД Clickhouse и BI-системах и их значении, а также создание дашбордов с помощью Superset.
Модуль 2.
Модуль включает в себя изучение основ программирования на языке Python, работу с базами данных и внешними API, а также оркестрацию данных с использованием Airflow. Рассматривается теория больших данных, NoSQL хранилища данных, Data Lake, Hadoop, Hive и технологии ETL/ELT-процессов. В рамках модуля предусмотрено знакомство с основами анализа данных на языке Python, введение в машинное обучение и способы улучшения качества моделей. Также ведется разработка моделей с использованием Pyspark и введение в теорию нейронных сетей с разработкой простой нейронной сети.
