logo

Беcплатная школа DATA SCIENCE

Комплексная программа, от регрессии к Deep learning, ориентирована на студентов 3-6 курсов университетов. Работа с Big Data инструментами. Разбор успешных data science кейсов компании. Лекторы с проверенными историями успеха.

Зарегистрироваться *Заявки принимаются до 04.12.2017

Формат

  • 8 модулей по Data Science и Business Intelligence
  • Лекции 2 раза в неделю с 19:00 до 21:00 в киевском офисе Генезис
  • Интересные и актуальные домашние задания
  • Командный проект на основе реальных задач бизнесов Genesis
  • Начало занятий 15 января

Программа обучения

Часть 1 - Business intelligence

Часть 2 - Data Science

  • 1

    Анатомия data-driven компании

    – Становление и развитие международных бизнесов Genesis;
    – Ключевые умения, чтобы стать профессионалом;
    – Построение и менеджмент data-driven команды;
    – Про умение задавать правильные вопросы;
    – Про то, почему правильные данные это половина успеха.

  • 2

    Визуализация (Tableau)

    - Работа с источниками данных Single & Multiple Data Sources, Data Blending, использование экстрактов
    - Структура данных: Dimensions и Measures
    - Фильтры и сортировка данных
    - Построение базовых типов визуализаций: гистограммы, treemap, heatmap, таблиц; + разбор типовых задач кастомизации
    - Использование экшенов, сетов и параметров
    - Создание эффективных дашбордов

  • 3

    Продуктовая аналитика

    - Продуктовая воронка. Как правильно построить свою продуктовую воронку. Как её оптимизировать;
    - Ключевые метрики. На что смотрим. Как понять нужна / не нужна метрика. Как выбрать метрики, на которые мы будем ориентироваться в первую очередь;
    - Когортный анализ. Как построить когорты. Как использовать при анализе и прогнозировании;
    - А / B тесты;
    - Split-apply-combine на примере Python + pandas;

  • 1

    Регрессия

    – Линейная
    – Логистическая

  • 2

    Нейронные сети

    – Сверточные нейронные сети
    – Рекуррентные нейронные сети

  • 3

    Ансамблевые методы

    – Деревья решений;
    – Random Forest;
    – Xgboost;
    – Реализация ML решений для production;

  • 4

    Рекомендательные системы

    – Персонализированные и неперсонализированные рекомендации;
    – Подходы к персонализированным рекомендациям; коллаборативная фильтрация, матричная факторизация, снижение размерности и другое;
    – Бизнес-метрики для оценки рекомендаций;
    – Тестирование рекомендаций (А/А, А/В, Bandit, RL);
    – Рекомендации на больших и малых данных.

Лекторы

  • Georgiy Fomichev - Product owner at Genesis

    Georgiy Fomichev

    Product Owner at Genesis

  • Yana Mosiichuk - Senior Analyst at Genesis

    Yana Mosiichuk

    Senior Analyst at Genesis

  • Artem Chernodub - Chief Scientist at Clikque Technology

    Artem Chernodub

    Chief Scientist at Clikque Technology

  • Raid Arfua - Data scientist at Betconstruct.com

    Raid Arfua

    Data Scientist at Betconstruct.com (UA R&D)

  • Igor Sizon - Analyst at Genesis

    Igor Sizon

    Analyst at Genesis

  • Oleksii Bezuskyi - Analyst at Genesis

    Oleksii Bezuskyi

    Analyst at Genesis

  • Igor Sokolov - Head of product at Genesis

    Igor Sokolov

    Head of Product at Genesis

  • Dmitry Fedjukov - Head of data science at Betconstruct.com (UA R&D center)

    Dmitry Fedjukov

    Head of Data Science at Betconstruct.com (UA R&D)

Этапы отбора

  • Последний день регистрации

  • Oнлайн-тест на знание фундаментальных дисциплин

  • Задание по программированию у нас в офисе

  • Собеседование

Для кого

  • 01

    Студенты 3-5 курсов физико-математических, компьютерных или других технических специальностей;

  • 02

    Хорошее знание линейной алгебры, статистики, основ мат. анализа и теории вероятности;

  • 03

    Уверенные знание языка программирования
    Python или R

  • 04

    Прохождение MOOC курсов, специализаций по Data Science / Machine learning будет плюсом;

Кем работать после

  • Data Analyst

    – Manipulate complex datasets (sometimes dirty data) with a range of programming tools
    – Deliver actionable insights to product, billing, engineering and operations teams
    – Perform analysis across a variety of data topics and help solve challenges such as user clusterization, performance tuning, and anomaly detection
    – Contribute to ongoing infrastructure improvements
    – Contribute to building an event level tracking system that is already collecting millions of events per second (think Google Analytics built in-house)

  • Data Scientist

    – Create statistical and predictive models in order to enhance our user experience and overall monetisation levels
    – Develop statistical or machine-assisted approaches to problems at massive scale
    – Build out tools and infrastructure for data analysis
    – Selecting features, building and optimizing classifiers using machine learning techniques;
    – Developing recommendation system for our project;

Зарегистрироваться *Заявки принимаются до 04.12.2017