Профессия Data Scientist

Часто задаваемые вопросы

• У меня нет опыта работы с данными. Подходит ли мне этот курс?

  Курс подходит новичкам без специальных знаний и высшего технического образования. Главное — не пожалейте времени на первый этап. Внимательно выполняйте практические работы и не забывайте читать дополнительную литературу. Чем лучше вы поймёте основы, тем легче вам будет изучать курс дальше.
• Требуется ли знание математики?

  На начальных этапах от вас не требуется продвинутых знаний — достаточно школьного курса математики. Не пугайтесь, если вам придётся разобраться в темах, которые вы забыли или не проходили, — куратор поможет освежить знания или даст ссылки на полезные материалы.
• Нужно ли знать английский язык?

  Значения важных англоязычных терминов объясним на курсах. В практических работах перевести незнакомые слова поможет Google Переводчик. Но со знанием языка проще ориентироваться в среде разработки, читать документацию, участвовать в международных проектах.
  
  Поэтому пользователям платформы Skillbox мы дарим бесплатные занятия в онлайн-школе КЭСПА на год. За это время вы освоите грамматику, пополните словарный запас и научитесь свободно читать и говорить на английском.
• Вижу много незнакомых терминов: Kaggle, ML, Big Data. Что всё это значит?

  • Kaggle — соревновательная платформа для отработки навыков на реальных задачах. Например, там каждый может принять участие в исследовании крушения Титаника и найти интересные инсайты на основе данных о пассажирах. На платформе также можно самостоятельно изучить статьи на интересующие темы в сфере Data Science.

  
  

  • ML — сокращение от machine learning, по-русски — машинное обучение. Это методы и алгоритмы, с помощью которых можно построить самообучаемую модель для решения любых задач: классификации текстов, распознавания фотографий, рекомендации фильмов в онлайн-кинотеатре или, например, предсказания цен на недвижимость. Нейросеть — один из видов алгоритмов машинного обучения, который у многих на слуху.

  
  

  • ML-инженер — специалист по машинному обучению, который умеет строить такие модели и готовить их для использования бизнесом.

  
  

  • Big Data — огромные массивы неструктурированных данных, которые генерирует бизнес, государство и обычные люди. Задача дата-сайентиста — с помощью специальных инструментов обработать, проанализировать и сделать полезные выводы из этих данных. Например, компания агрегатор такси может пересмотреть тарифную сетку на основе данных о поездках пассажиров города, а продуктовый магазин персонализировать ассортимент товаров, изучив сведения о покупках клиентов.

  
  

  • Data Analyst — специалист по анализу Big Data. Он анализирует данные, формулирует гипотезы, проводит статистические тесты, ищет закономерности и помогает бизнесу принимать взвешенные решения. Обычно, такие специалисты лично не строят ML-модели в компании, а изучают результаты исследований — смотрят на данные с разных углов и применяют инструменты для визуализации, что превратить набор цифр в понятные для бизнеса отчёты.

  
  

  • Data Engineer — проектирует надёжную инфраструктуру для сбора, хранения и обработки Big Data. Такой специалист отлично разбирается в базах данных, программирует на Python и знает все этапы работы с данными.
• Какой график обучения на платформе? Получится ли совмещать его с работой?

  Вы можете изучать материалы курса в удобном вам режиме, совмещать обучение на платформе с работой и личной жизнью. Более того, все видео будут доступны и по окончании курса, так что вы сможете освежить свои знания в любой момент.
• Кто будет проверять практические работы?

  Никаких автоматических проверок и скриптов. С вами будет работать живой человек. Он не только укажет на ошибки, но и поможет разобраться в сложных темах и ответит на вопросы. Проверка практических работ и доступ к Telegram-чату уже входят в стоимость курса — ничего доплачивать не нужно.
• Действуют ли какие-нибудь программы рассрочки?

  Да, вы можете купить курс в рассрочку — и спланировать свой бюджет, разбив всю сумму на небольшие ежемесячные платежи.
• Что значит 3 месяца бесплатно?

  Освоить новую профессию с нуля непросто, особенно вначале. Поэтому расходы за первые 3 месяца мы берём на себя — вам не придётся вносить ежемесячные платежи. Вместо этого сфокусируетесь на изучении курса и без стресса пройдёте необходимые основы. Внести остаток и оплатить полную стоимость курса можно до конца периода рассрочки.