ИИ-инженер & Аналитик данных (Python, DS, ML, AI)
Level 2 Мидл (для продолжающих)
Карьерные консультации с HR раз в неделю по часу
Предзаписанные видео-задания на платформе
Office hours: постоянная связь с личным наставником, сертифицированным Microsoft
Уроки в онлайн-режиме 2 раза в неделю по часу
TechOrda #4
Заполни форму
И мы свяжемся с вами в короткое время.
Программа курса
Продвинутая программа для аналитиков, желающих перейти в Data Science и ML. Вы углубитесь в Python, изучите статистику для анализа распределений и закономерностей, освоите алгоритмы машинного обучения (регрессия, кластеризация, классификация) и погрузитесь в нейросети и Deep Learning. Все навыки отрабатываются на прикладных задачах: прогнозирование спроса, распознавание текста и изображений, построение рекомендательных систем. Подходит для тех, кто хочет стать ML-инженером или AI-специалистом
1-5 недели
Python для анализа данных с помощью ИИ
6-8 недели
Продвинутый Python для анализа данных
с помощью ИИ
с помощью ИИ
9-14 недели
Статистика на базе Python
15-20 недели
Data Science & Machine Learning на базе Python
21-26 недели
Искусственный Интеллект и Deep Learning на базе Python
1 неделя
Основы программирования и Python
Изучая эти уроки, студент:
2 неделя
Списки, логические операторы, словари
Изучая эти уроки, студент:
3 неделя
Циклы (LOOPS)
Изучая эти уроки, студент:
- Освоит работу с циклами for и while — ключевыми инструментами для автоматизации повторяющихся действий, включая работу с range, списками и условиями.
- Поймёт особенности бесконечных циклов, использование флагов, стражей и констант для управления логикой выполнения кода.
- Ознакомится с конструкцией match case — современным способом сопоставления значений, добавленным в новых версиях Python.
4 неделя
Обработка данных в Pandas, неделя 1
Изучая эти уроки, студент:
5 неделя
Обработка данных в Pandas, неделя 2
Изучая эти уроки, студент:
Основы программирования и Python
Изучая эти уроки, студент:
- Освоит основы Python, включая установку окружения (Python и Jupyter Notebook) и базовые операции: вычисления, переменные, типы данных и их преобразование.
- Научится работать с вводом и выводом данных, а также с одним из ключевых типов данных в Python — списками (lists): создание, изменение, доступ к элементам, основные методы.
- Пройдёт тестирование для закрепления материала и получит полезные ресурсы для дальнейшего изучения языка программирования.
2 неделя
Списки, логические операторы, словари
Изучая эти уроки, студент:
- Научится устанавливать библиотеки и работать с основными инструментами для анализа данных в Python: NumPy, Pandas, Scikit-learn, Matplotlib.
- Поймёт различия между списками и массивами NumPy, научится создавать и использовать одномерные и двумерные массивы, а также пройдёт тестирование для закрепления.
- Освоит логические операторы и условные конструкции if, else, elif, включая вложенные условия (nested if), а также научится использовать словари (dictionaries) — важную структуру данных в Python.
3 неделя
Циклы (LOOPS)
Изучая эти уроки, студент:
- Освоит работу с циклами for и while — ключевыми инструментами для автоматизации повторяющихся действий, включая работу с range, списками и условиями.
- Поймёт особенности бесконечных циклов, использование флагов, стражей и констант для управления логикой выполнения кода.
- Ознакомится с конструкцией match case — современным способом сопоставления значений, добавленным в новых версиях Python.
4 неделя
Обработка данных в Pandas, неделя 1
Изучая эти уроки, студент:
- Освоит создание пользовательских функций в Python, включая передачу параметров, возврат значений (return) и работу с None, а также распространённые ошибки при работе с функциями.
- Освоит работу с библиотекой Pandas, начиная с базовых объектов Series и DataFrame, научится создавать, изменять и анализировать табличные данные.
- Разберётся, как обрабатывать пропущенные значения (missing data) — заменять, удалять или анализировать неполные данные.
5 неделя
Обработка данных в Pandas, неделя 2
Изучая эти уроки, студент:
- Научится сортировать и фильтровать данные в Pandas, находить дубликаты, работать с индексами и инструментами доступа .loc[], .iloc[].
- Освоит ключевые методы для поиска, удаления, выборки и копирования данных, а также научится работать с текстовыми данными и группировками (groupby).
- Применит знания на практике в бизнес-кейсах, таких как анализ данных Netflix и предсказание оттока клиентов (churn), а также закрепит материал через тесты.
6 неделя
Обработка данных в Pandas, неделя 3
7 неделя
Регулярные выражения
8 неделя
Визуализация данных
Обработка данных в Pandas, неделя 3
- Объединение таблиц в Pandas — освоит merge() для объединения данных, как в SQL.
7 неделя
Регулярные выражения
- Регулярные выражения — научится извлекать и очищать текстовые данные в Python.
- Закрепит навыки на кейсе Apple Music
8 неделя
Визуализация данных
- Визуализация с Matplotlib — научится строить графики и анализировать тренды.
9 неделя
Введение в статистику и инструменты анализа
10 неделя
Описательная статистика
11 неделя
Распределения и вероятности
12 неделя
Корреляция и взаимосвязи
13 неделя
Проверка статистических гипотез
14 неделя
Регрессия
Введение в статистику и инструменты анализа
- Основные термины: выборка, генеральная совокупность, переменные
- Типы данных: категориальные, числовые, бинарные
- практика на Python
10 неделя
Описательная статистика
- Среднее, медиана, мода, размах, квартиль - Стандартное отклонение, дисперсия - Визуализация распределений: гистограммы, boxplot, плотность - практика на Python
11 неделя
Распределения и вероятности
- Нормальное, биномиальное, пуассоновское распределения
- Плотность вероятности (PDF), функция распределения (CDF)
- Генерация случайных данных и визуализация распределений
12 неделя
Корреляция и взаимосвязи
- Ковариация и коэффициент корреляции (Пирсон, Спирмен)
- Построение матрицы корреляций и тепловых карт
13 неделя
Проверка статистических гипотез
- H₀ и H₁, уровни значимости, p-value - t-тест - χ²-тест
14 неделя
Регрессия
- Простая линейная регрессия - Интерпретация коэффициентов, остатки, R²
15 неделя
Data Science Pipeline и подготовка данных
16 неделя
Разведочный анализ (EDA) и визуализация
17 неделя
Модели машинного обучения. Классификация
18 неделя
Регрессия и настройка моделей
19 неделя
Кластеризация и понижение размерности, неделя 1
20 неделя
Кластеризация и понижение размерности, неделя 2
Data Science Pipeline и подготовка данных
- Этапы DS-процесса: от постановки задачи до оценки модели - Загрузка и очистка данных с pandas - Работа с пропущенными значениями, категориальными переменными
16 неделя
Разведочный анализ (EDA) и визуализация
- Корреляции, выбросы, плотность распределения
- Парные диаграммы, тепловые карты, кластерные визуализации
- Feature engineering: создание новых признаков
17 неделя
Модели машинного обучения. Классификация
- Основы supervised learning: обучение с учителем - Алгоритмы: Logistic Regression, Decision Tree, Random Forest
- Оценка качества: accuracy, precision, recall, F1, confusion matrix
- Разделение данных: train_test_split, кросс-валидация
18 неделя
Регрессия и настройка моделей
- Линейная и полиномиальная регрессия - Ошибки RMSE, MAE, R²
- Гиперпараметры и GridSearchCV, RandomizedSearchCV
- Подбор модели и переобучение (overfitting/underfitting)
19 неделя
Кластеризация и понижение размерности, неделя 1
- KMeans, DBSCAN, иерархическая кластеризация
- Выявление кластеров и сегментация клиентов
20 неделя
Кластеризация и понижение размерности, неделя 2
- PCA: понижение размерности для визуализации и ускорения моделей
21 неделя
Изучение основ искусственного интеллекта
Изучая эти уроки, студент:
22 неделя
Изучение основ компьютерного зрения (Computer Vision)
Изучая эти уроки, студент:
23 неделя
Введение в обработку естественного языка (NLP)
Изучая эти уроки, студент:
24 неделя
Azure Open AI
Изучив эти уроки, студент:
25 неделя
Azure ML
Изучив эти уроки, студент:
26 неделя
ЗАЩИТА ЛИЧНОГО ПРОЕКТА
Вы создадите и презентуете свой личный проект по ИИ
Изучение основ искусственного интеллекта
Изучая эти уроки, студент:
- Освоит генерацию голоса с помощью Azure Cognitive Services, научится преобразовывать текст в речь, настраивать параметры синтеза и использовать API.
- Поймёт структуру HTTP-запросов и научится использовать ИИ-сервисы Azure для перевода текста, что пригодится при создании интеллектуальных приложений.
22 неделя
Изучение основ компьютерного зрения (Computer Vision)
Изучая эти уроки, студент:
- Освоит анализ изображений с помощью Vision API, включая извлечение объектов, категорий и тегов из визуальных данных.
- Научится выполнять оптическое распознавание символов (OCR) для извлечения текста из изображений с помощью Vision API.
- Познакомится с возможностями Document Intelligence и научится автоматически извлекать данные из накладных, чеков и других документов.
23 неделя
Введение в обработку естественного языка (NLP)
Изучая эти уроки, студент:
- Получит введение в обработку естественного языка (NLP) и разберётся в основных подходах к векторизации текста, включая методы представления текста в числовом виде.
- Научится использовать языковую службу Azure для анализа эмоций в тексте, что важно для работы с отзывами, комментариями и пользовательским мнением.
- Освоит практический кейс по распознаванию проплаченных интернет-комментариев, применяя полученные знания в реальных задачах анализа текста.
24 неделя
Azure Open AI
Изучив эти уроки, студент:
- Освоит работу с Azure OpenAI — научится подключаться к сервису, отправлять запросы и использовать ИИ-модели для генерации текстов.
25 неделя
Azure ML
Изучив эти уроки, студент:
- Поймёт основы Azure Machine Learning — научится создавать рабочие области, загружать данные и использовать интерфейс платформы.
- Освоит AutoML от Azure — научится автоматически подбирать лучшие модели и параметры без написания кода.
- Познакомится с ML Designer — визуально соберёт и обучит модель машинного обучения, используя drag-and-drop интерфейс.
26 неделя
ЗАЩИТА ЛИЧНОГО ПРОЕКТА
Вы создадите и презентуете свой личный проект по ИИ
После курса у вас будет:
Освоите Python с нуля до уверенного уровня
Научитесь программировать, работать с данными в Pandas, очищать текст с помощью регулярных выражений и визуализировать результаты в Matplotlib
Научитесь программировать, работать с данными в Pandas, очищать текст с помощью регулярных выражений и визуализировать результаты в Matplotlib
Получите практическую базу по статистике
Разберётесь в описательных показателях, распределениях, корреляциях, проверке гипотез и регрессионном анализе с применением Python
Разберётесь в описательных показателях, распределениях, корреляциях, проверке гипотез и регрессионном анализе с применением Python
Научитесь применять Data Science и машинное обучение
Пройдёте весь путь от анализа данных до построения моделей классификации, регрессии и кластеризации. Освоите работу с признаками и улучшение моделей
Пройдёте весь путь от анализа данных до построения моделей классификации, регрессии и кластеризации. Освоите работу с признаками и улучшение моделей
Изучите ключевые технологии ИИ и Deep Learning
Овладеете NLP, компьютерным зрением, генерацией текста и речи, а также AutoML и Azure OpenAI. Примените их в реальных кейсах
Овладеете NLP, компьютерным зрением, генерацией текста и речи, а также AutoML и Azure OpenAI. Примените их в реальных кейсах
Создадите собственный проект на базе ИИ
Закрепите все навыки, реализовав и защитив финальный проект, который станет частью вашего портфолио
Закрепите все навыки, реализовав и защитив финальный проект, который станет частью вашего портфолио
Главный методолог и автор курсов DataBoom
Екатерина Рехерт
C помощью аналитики зарабатывала миллионы долларов для: Procter & Gamble, MARS, Microsoft (США), Kolesa Group
Forbes 30 до 30 – топ 30 лидеров Казахстана моложе 30 лет
Одна из топ 3000 экспертов в мире и единственная в Казахстане, обладает почетной наградой и статусом Microsoft Most Valuable Professional в сфере Data и AI
Полный доступ к учебным материалам
Видео, данные, презентации и ресурсы остаются с вами
Видео, данные, презентации и ресурсы остаются с вами
Поддержка наставников и карьерных консультантов
Индивидуальная обратная связь и личные консультации
Индивидуальная обратная связь и личные консультации
Доступ к платформе и сообществу после курса
1 год доступа + участие в DataBoom Community
1 год доступа + участие в DataBoom Community
Официальный сертификат
и признание лучших
Сертификат об окончании, награда Top Student для лучших
и признание лучших
Сертификат об окончании, награда Top Student для лучших
Каждый участник получит:
Возврат депозита
Депозит возвращается Студенту в течение 10 (десяти) рабочих дней после успешного завершения обучения в рамках Договора
Депозит возвращается Студенту в течение 10 (десяти) рабочих дней после успешного завершения обучения в рамках Договора
Реквизиты для оплаты
Депозит необходимо перевести на расчетный счет Школы, указанный в Договоре
Депозит необходимо перевести на расчетный счет Школы, указанный в Договоре
Сумма и сроки внесения
Студент обязан внести гарантийный депозит в размере 100 000 тенге не позднее, чем за 7 (семь) рабочих дней до начала обучения по Договору
Студент обязан внести гарантийный депозит в размере 100 000 тенге не позднее, чем за 7 (семь) рабочих дней до начала обучения по Договору
Условия гарантийного взноса:
Резюме
Мотивационное письмо
Вводный мини-курс
с финальным экзаменом
с финальным экзаменом
Критерии отбора:
Оставить заявку
на обратный звонок
на обратный звонок
Количество мест ограничено — успейте оставить заявку!
400 000 ₸
Продолжительность курса:
26 недель, 347 академических часа
Онлайн
Формат курсов:
TOO «DataBoom»
БИН: 160540005109
Юридический адрес: 050057,
г. Алматы, Улица Клочкова, д. 137
Фактический адрес: 050057,
г. Алматы, пр-т Достык, 248Б,
офис 115. Всю корреспонденцию просьба направлять по фактическому адресу
E-mail: info@databoom.kz
БИН: 160540005109
Юридический адрес: 050057,
г. Алматы, Улица Клочкова, д. 137
Фактический адрес: 050057,
г. Алматы, пр-т Достык, 248Б,
офис 115. Всю корреспонденцию просьба направлять по фактическому адресу
E-mail: info@databoom.kz
Тек. счет:
№ KZ09722S000007286320
В АО «Kaspi Bank»,
БИК банка: CASPKZKA
Физическим лицам:
+7 707 155 21 02
Юридическим лицам:
+7 707 109 60 49
№ KZ09722S000007286320
В АО «Kaspi Bank»,
БИК банка: CASPKZKA
Физическим лицам:
+7 707 155 21 02
Юридическим лицам:
+7 707 109 60 49
Воспользуйся беспроцентной рассрочкой для своего развития
© 2019-2025. Databoom
Все авторские права защищены законом
