Підготували 6 тематичних наборів для аналітиків та дата-саєнтистів зі знижкою до 50 %.
Курс навчить виконувати будь-які операції з даними, аналізувати та візуалізувати результати обчислень, підключати зовнішні джерела даних та складати звіти за 2–3 кліки в Excel.
12 занять, 18 годин контенту
Курс навчить самостійно писати SQL-запити до аналітичної бази даних, відштовхуючись від ваших задач; візуалізувати результати аналізу в Tableau; знаходити помилки та інсайти в даних.
13 занять, 20 годин контенту
Курс допоможе вивчити базовий синтаксис Python, розібратися в його основних функціях та бібліотеках для аналізу даних, а також автоматизувати рутинні дії з пошуку, вивантаження та обробки даних.
12 занять, 18 годин контенту
Курс навчить самостійно писати SQL-запити до аналітичної бази даних, відштовхуючись від ваших задач; візуалізувати результати аналізу в Tableau; знаходити помилки та інсайти в даних.
13 занять, 20 годин контенту
Курс допоможе замінити десятки таблиць одним зрозумілим дашбордом; навчить самостійно обробляти дані; будувати графіки в Tableau та готувати звіти, які оновлюються автоматично
10 занять, 15 годин контенту
Курс навчить проводити повний цикл обробки даних: від будування SQL-запиту до продуктових гіпотез на основі даних та звітів для C-level менеджменту. За підсумками навчання ви зможете налаштувати всі процеси Business Intelligence у своїй компанії.
13 занять, 20 годин контенту
Курс допоможе вивчити базовий синтаксис Python, розібратися в його основних функціях та бібліотеках для аналізу даних, а також автоматизувати рутинні дії з пошуку, вивантаження та обробки даних.
12 занять, 18 годин контенту
Курс навчить приймати правильні рішення на основі даних, знаходити закономірності, перевіряти гіпотези та робити прогнози навіть за умов невизначеності.
16 занять, 25 годин контенту
Курс навчить розв'язувати основні задачі Data Science за допомогою поглибленої роботи з Python та його бібліотеками. У результаті ви зможете будувати просунуті візуалізації, знаходити взаємозв'язки в даних, робити прогнози та навчати моделі.
16 занять, 25 годин контенту
Курс допоможе розібратися у фундаментальних принципах побудови часових рядів, навчить знаходити закономірності в отриманих даних та робити точні прогнози на майбутнє.
12 занять, 18 годин контенту
Практикум ознайомить зі сферами застосування машинного навчання та методами навчання з учителем. Ви навчитеся розв'язувати задачі з прогнозування за допомогою лінійної та поліноміальної регресії, методу k-найближчих сусідів та нейромереж.
5 занять, 8 годин контенту
Курс навчить застосовувати класичні методи machine learning та deep learning для розв'язання задач комп'ютерного зору: від балансу кольору на зображенні ― до тренування згорткових нейронних мереж для розпізнавання об'єктів у відео.
17 занять, 26 годин контенту
Курс допоможе розібратися в комп'ютерній лінгвістиці та обробці природної мови, навчить знаходити дані для навчання, використовувати інструменти для обробки та створювати повноцінні NLP-проєкти.
18 занять, 28 годин контенту
Курс навчить самостійно писати SQL-запити до аналітичної бази даних, відштовхуючись від ваших задач; візуалізувати результати аналізу в Tableau; знаходити помилки та інсайти в даних.
13 занять, 20 годин контенту
Курс допоможе вивчити базовий синтаксис Python, розібратися в його основних функціях та бібліотеках для аналізу даних, а також автоматизувати рутинні дії з пошуку, вивантаження та обробки даних.
12 занять, 18 годин контенту
Курс допоможе навести лад в архітектурі даних, опанувати ключові інструменти інженера даних на практиці та навчить проєктувати Big Data Platforms, які здатні масштабуватися.
18 занять, 28 годин контенту
Курс допоможе вивчити базовий синтаксис Python, розібратися в його основних функціях та бібліотеках для аналізу даних, а також автоматизувати рутинні дії з пошуку, вивантаження та обробки даних.
12 занять, 18 годин контенту
Курс навчить розв’язувати основні задачі Data Science за допомогою поглибленої роботи з Python та його бібліотеками. У результаті ви зможете будувати просунуті візуалізації, знаходити взаємозв'язки в даних, робити прогнози та навчати моделі.
16 занять, 25 годин
Курс навчить застосовувати класичні методи machine learning та deep learning для розв'язання задач комп'ютерного зору: від балансу кольору на зображенні ― до тренування згорткових нейронних мереж для розпізнавання об'єктів у відео.
17 занять, 26 годин контенту