Хочу поступить
Хочу поступить
Скидка до
-40%
до 12 мая
Первые 6 месяцев обучения бесплатно

Факультет искусственного интеллекта

Онлайн-университет от GeekBrains с гарантированным трудоустройством

Хочу поступить
Программа разработана совместно с компаниями
-40%
7 курсов  бесплатно
Купите этот курс со скидкой до 19 апреля, получите ещё 7 в подарок и прокачайте суперсилы любого востребованного специалиста: от умения считать юнит-экономику до знаний в интернет-маркетинге.

Освойте Data Science с нуля и получите востребованную профессию

За два года спрос на Data Scientist-ов вырос в два раза, по данным HeadHunter. С помощью методов машинного обучения они строят прогнозы и повышают эффективность бизнес-процессов в любой отрасли. Мы поможем стать таким специалистом с нуля и найдем вам работу.

После учебы вы сможете работать по специальностям
  • Data Scientist
  • Data Analyst
  • Machine Learning Engineer
  • Computer Vision-специалист
  • NLP-специалист

Зарабатывайте в любых условиях

Получайте заказы на фрилансе или удаленке
Стройте карьеру в компании или стартапе
Развивайте свой бизнес

Обучение в GeekBrains — двойная выгода для карьеры

По данным сайта hh.ru, выйдя на уровень middle-специалиста, вы будете претендовать на более высокую зарплату и на большее количество вакансий.

70 000 ₽

Зарплата в месяц

11%от всех на hh.ru

Доступных вакансий

150 000 ₽

Зарплата в месяц

56%от всех на hh.ru

Доступных вакансий

Как вы найдете работу с помощью GeekUniversity

1

Дадим необходимые знания

Вы получите все навыки на курсах основного обучения и факультативах от компаний-партнёров.
2

Вместе оформим резюме

Вы подадите заявку в сервис трудоустройства, а HR-специалисты GeekBrains помогут создать резюме, которое выделит вас среди других кандидатов.
3

Предложим подходящие вакансии

Вы будете рассматривать предложенные нами позиции, откликаться на вакансии из раздела «Карьера» и участвовать в поиске идеального места работы.
4

Поможем получить работу мечты

Мы дадим советы по прохождению собеседования. И поздравим с оффером :)

Гарантия трудоустройства закреплена в договоре. Если после успешного обучения, вы не найдёте работу, мы вернём вам деньги

Наши ученики трудоустроились в компании

Почему нас выбирают

Живое общение

В курсе 70% вебинаров с преподавателями: вы сможете задать вопросы по теме и быстро получить обратную связь.

Актуальная программа

Каждый месяц мы обновляем материал, чтобы вы получали актуальные знания.

Постоянная практика

Вы сможете тренироваться на наших учебных стендах — специальной инфраструктуре, и добавите 12 кейсов в портфолио.

Методические материалы

После каждого занятия вы получите методички в формате Jupiter Notebook —  это мощный инструмент для интерактивных вычислений.

Вас будут обучать эксперты-практики

Сергей Ширкин
Data Scientist в Dentsu Aegis Network Russia, декан факультета

Применял технологии машинного обучения и искусственного интеллекта в Сбербанке и Росбанке, компаниях Equifax и Dentsu Aegis Network Russia.

Дмитрий Коробченко
Deep Learning R&D инженер и руководитель направления в NVIDIA

Эксперт в области нейронных сетей и машинного обучения, спикер на образовательных и научно-популярных мероприятиях. Опыт в Deep Learning – с 2012 года. Закончил ВМиК МГУ. Ранее работал в исследовательском центре Samsung.

Алексей Петренко
Python Developer, фрилансер

Разрабатывает IT-решения по автоматизации процессов учёта наличия и движения людей и технических средств для Министерства обороны РФ. За 20 лет в IT писал программы на более чем 30 языках программирования

Андрей Буранов
Cистемный администратор ОС Linux в Mail.ru Group

Работал в компании NetCracker: получил опыт инженера NIX-систем и тренера-эксперта, преподавал курсы «Linux and UNIX Basic» и «Файловые системы».

Ксения Густокашина
Аналитик данных в X5 Retail Group

Строит дашборды для планирования ассортимента сети «Пятёрочка», создаёт пайплайн по обработке данных от витрины до продакшна, исследует данные для запуска моделей. До этого работала в компании «Платформа ОФД».

Никита Баранов
Data Scientist в компании oneFactor

Сотрудничал с «Платформой ОФД», прогнозировал спрос для «Пятёрочки». Соавтор проекта о влиянии транскрипционного шума в ДНК на процессы старения — призёра Летней школы Института биоинформатики.

Александр Шеметов
Системный администратор Linux

С 2006 года работает в филиале МТС. Эксперт в области поддержки вычислительных платформ.

Мария Корлякова
Доцент университета им. Н. Э. Баумана (калужский филиал)

К. т. н., доцент кафедры «Системы автоматического управления и электротехника» Московского государственного технического университета им. Н. Э. Баумана (калужский филиал). Отвечает за модуль интеллектуальной обработки информации.

Инна Котова
Фрилансер, математик-экономист

Выпускница экономического факультета МГУ по специальности «Математические методы анализа экономики». Преподает высшую математику и математический анализ.

Артем Зраев
Data scientist в игровой студии Creative Mobile

Создает внутриигровые системы рекомендаций и автоматизирует распределение бюджетов рекламных кампаний. До этого строил поведенческие профили пользователей в Mail.ru Group и прогнозировал отток клиентов в МТС. Преподаватель в МГУ.

Программа обучения

Наша программа одна из самых объёмных и содержательных. В то же время её легко понять, потому что знания даются постепенно: от базы к продвинутым инструментам.

262

часов обучающего контента

534

часов практики

2-3

вебинара в неделю

I год

I четверть

Программирование

Освоите Python, восполните знания по математике, познакомитесь с библиотеками NumPy, Matplotlib, Scikit-learn и Pandas.

Курсы

Основы языка Python
  • Знакомство с Python. Функции, инструменты, операции с файлами и встроенными типами
  • ООП — объектно-ориентированное программирование
  • ООП. Продвинутый уровень
4 недели— 8 уроков
12 часов обучающего контента, 24 часов практики
Введение в высшую математику
  • Элементарная алгебра
  • Введение в линейную алгебру и  аналитическую геометрию
  • Элементы теории вероятностей
4 недели — 9 видеоуроков
14 часов обучающего контента, 24 часов практики
Библиотеки Python для Data Science
  • Вычисления с помощью NumPy. Работа с данными в Pandas
  • Визуализация данных в Matplotlib
  • Обучение в Scikit-learn с учителем
  • Обучение в Scikit-learn без учителя. Введение в итоговый проект
  • Консультация по итоговому проекту
4 недели — 10 уроков
15 часов обучающего контента, 30 часов практики
Основы реляционных баз данных и MySQL
  • Установка окружения
  • DDL-команды
  • Управление базами данных. Язык запросов SQL
  • Проектирование баз данных
  • CRUD-операции
  • Операторы, фильтрация, сортировка и ограничение
  • Агрегация данных
  • Сложные запросы, часть 1. Подходы к построению многотабличных запросов
  • Сложные запросы, часть 2. Практика по построению многотабличных запросов 
  • Транзакции,переменные и представления
  • Администрирование, хранимые процедуры и функции
  • NoSQL — система управления базами данных
  • Оптимизация запросов
6 недель — 12 уроков
24 часа обучающего контента, 36 часов практики

Проекты

  • Модель предсказания цены на недвижимость
  • База данных на основе анализа интерфейса одного из существующих сервисов, либо на основе своего личного проекта
II четверть

Сбор данных и статистическое исследование

Освоите технические основы профессии: поиск информации, операции с файлами и оптимизация запросов.

Курсы

Как собирать и обрабатывать данные из интернета
  • Основы клиент-серверного взаимодействия. Парсинг API
  • Парсинг HTML. BeautifulSoup, MongoDB
  • Системы управления базами данных MongoDB и SQLite в Python
  • Парсинг HTML. XPath
  • Фреймворк Scrapy. Парсинг фото и файлов
  • Selenium в Python
  • Работа с данными
4 недели — 8 уроков
12 часов обучающего контента, 24 часа практики
Библиотеки Python для Data Science: продолжение
  • Введение в задачу классификации. Постановка задачи и подготовка данных
  • Анализ данных и проверка статистических гипотез
  • Построение модели классификации
  • Оценка и интерпретация полученной модели. Обсуждение курсового проекта.
4 недели — 4 урока
6 часов обучающего контента, 12 часов практики
Введение в Linux и облачные вычисления
  • Установка Linux
  • Знакомство с интерфейсом командной строки
  • Пользователи. Управление пользователями и группами
  • Загрузка ОС и процессы
  • Устройство файловой системы Linux. Понятие файла и каталога
  • Введение в скрипты bash Планировщики задач crontab и at
  • Управление пакетами и репозиториями. Основы сетевой безопасности
  • Введение в docker
4 недели — 8 уроков
12 часов обучающего контента, 24 часов практики

Проект

  • Модель кредитного скоринга для банка
III четверть

Математика для Data Scientist

Научитесь проверять статистические гипотезы и решать задачи по оптимизации

Курсы

Введение в математический анализ
  • Множество. Последовательность
  • Предел функции
  • Производная функции одной переменной
  • Производная функции одной переменной
  • Интеграл. Ряды
4 недели — 11 уроков
16 часов обучающего контента, 33 часа практики
Линейная алгебра
  • Линейное пространство
  • Матрицы и матричные операции
  • Линейные преобразования
  • Системы линейных уравнений
  • Сингулярное разложение матриц
4 недели — 5 уроков
7 часов обучающего контента, 15 часов практики
Видеокурс по теории вероятностей и математической статистике. 
  • Случайные события. Условная вероятность. Формула Байеса. Независимые испытания
  • Дискретные случайные величины. Закон распределения вероятностей. Биномиальный закон распределения. Распределение Пуассона
  • Описательная статистика. Качественные и количественные характеристики популяции. Графическое представление данных
  • Непрерывные случайные величины. Функция распределения и плотность распределения вероятностей. Равномерное и нормальное распределение. Центральная предельная теорема
  • Проверка статистических гипотез. P-значения. Доверительные интервалы. A/B-тестирование
  • Взаимосвязь величин. Параметрические и непараметрические показатели корреляции. Корреляционный анализ
  • Многомерный статистический анализ. Линейная регрессия
  • Дисперсионный анализ. Логистическая регрессия
4 недели — 8 уроков
12 часов обучающего контента, 24 часа практики

Проект

  • Визуализация и первичный анализ данных
IV четверть

Машинное обучение

Научитесь решать бизнес-задачи: предсказывать количество заказов, прогнозировать отток клиентов, оценивать эффективность моделей и повышать их качество.

Курсы

Алгоритмы анализа данных
  • Алгоритм линейной регрессии. Градиентный спуск
  • Масштабирование признаков. L1- и L2-регуляризация. Стохастический градиентный спуск
  • Логистическая регрессия. Log Loss
  • Алгоритм построения дерева решений
  • Случайный лес
  • Градиентный бустинг (AdaBoost)
  • Классификация с помощью алгоритма ближайшего соседа (KNN). Кластеризация K-means
  • Снижение размерности данных
4 недели — 8 уроков
12 часов обучающего контента, 24 часов практики
Машинное обучение в бизнесе
  • Data-driven-подход на примере задачи маршрутизации заявок в helpdesk
  • Профилирование пользователей. Сегментация: unsupervised learning (clustering, LDA/ARTM), supervised (multi/binary classification)
  • Связь бизнес-показателей и DS-метрик
  • Uplift-моделирование
  • Задача оттока: варианты постановки, возможные способы решения
  • Задача lookalike
  • Интерпретация прогнозов модели (SHAP)
  • Проверяем работу модели на практике: A/B-тестирование
  • Интеграция. Итоговый проект
4 недели — 9 уроков
13 часов обучающего контента, 27 часов практики

Проект

  • Прогнозирование среднего балла на ЕГЭ
  • Rest API сервис в Docker с возможностью подключения внешних клиентов. Он помогает получать прогнозы для новых данных

II год

I четверть

Нейронные сети

Познакомитесь с нейронными сетями и освоите работу с рекомендательными системами. Также вы закрепите знания алгоритмов машинного обучения на кейсах от МегаФона.

Курсы

Рекомендательные системы
  • Введение в рекомендательные системы: примеры задач, бизнес- и ML-метрики
  • Бейзлайны и детерминированные алгоритмы item-item
  • Коллаборативная фильтрация
  • Рекомендательные системы на основе контента
  • Поиск похожих товаров и пользователей. Гибридные рекомендательные системы
  • Двухуровневые модели рекомендаций
  • Рекомендательные системы в бизнесе
  • Консультация по курсовому проекту
4 недели — 8 уроков
12 часов обучающего контента, 24 часов практики
Видеокурс от МегаФона и курсовой проект
  • Видеотеория
  • Курсовой проект
4 недели — 2 урока
Введение в нейронные сети
  • Основы обучения нейронных сетей
  • Библиотека Keras
  • Библиотека TensorFlow
  • Свёрточные нейронные сети
  • Рекуррентные нейронные сети
  • Сегментация
  • Детектирование объектов
  • Алгоритм генеративно-состязательной сети (GAN)
4 недели — 8 уроков
12 часов обучающего контента, 24 часов практики

Проект

  • Рекомендательная система товаров
  • Проект от МегаФона: алгоритм для определения вероятности подключения услуги. Он поможет закрепить знание алгоритмов машинного обучения и библиотек Python
II четверть

Специализация

Изучите фреймворк PyTorch и углубитесь в работу с компьютерным зрением и обработкой естественного языка.

Курсы

Введение в компьютерное зрение от Nvidia
  • Обработка изображений и компьютерное зрение
  • Свёрточные нейронные сети 
  • Продвинутые архитектуры свёрточных нейросетей
  • Семантическая сегментация
  • Детектирование объектов
  • Metric learning
  • Обработка видео
  • Синтез изображений
4 недели — 8 уроков
12 часов обучающего контента, 24 часа практики
Фреймворк PyTorch для разработки искусственных нейронных сетей
  • Введение в PyTorch
  • Распознавание действий человека. Свёрточная нейронная сеть (CNN) и LSTM.
  • Generative adversarial networks (GAN): генеративные сети
  • Сегментация изображений
  • Распознавание лиц и эмоций
3 недели — 5 вебинаров
10 часов теории, 15 часов практики
Введение в обработку естественного языка
  • Предобработка текста
  • Создание признакового пространства
  • Разметка part-of-speech Распознавание именованных сущностей (NER). Извлечение отношений
  • Классификация текста. Анализ тональности текста
  • Свёрточные нейронные сети для анализа текста
  • Рекуррентные нейронные сети. LSTM. Управляемые рекуррентные блоки (GRU)
  • Модель Transformer
  • Модель BERT
  • Консультация по курсовому проекту. Создание чат-бота в Телеграме
4 недели — 10 уроков
15 часов теории, 30 часов практики

Проект

  • Приложение, которое анализирует объекты на камере
  • Чат-бот на основе искусственного интеллекта, который может общаться на любые темы

Курсы со свободной датой старта

Вы можете формировать часть расписания самостоятельно и регулировать интенсивность обучения.

Курсы

Как найти первую работу
  • Профессия программиста. Профориентация
  • Как составить резюме 
  • Как искать работу
  • Собеседование и испытательный срок
  • Фриланс: первые шаги, поиск и выполнение заказов, оплата
  • Специальности в IT
  • Карьерная лестница в IT
4 недели — 8 уроков
2 часа контента
Алгоритмы и структуры данных на Python
  • Введение в алгоритмизацию и простые алгоритмы на Python
  • Циклы, рекурсия, функции
  • Массивы
  • Эмпирическая оценка алгоритмов
  • Коллекции. Модуль Collections
  • Работа с динамической памятью
  • Алгоритмы сортировки
  • Графы
  • Деревья. Хеш-функции
4 недели — 9 уроков
9 часов контента, 27 часов практики

Спортивный анализ данных. Платформа Kaggle
  • Этапы соревнований по машинному обучению
  • Техники построения признаков, визуализации данных, поиска инсайтов, валидации моделей и подготовки стратегии 
8 недель — 8 вебинаров
12 часа теории, 24 часа практики
Язык R для анализа данных
  • Как писать эффективный код
  • Как формулировать гипотезы на основе данных
  • Как извлекать из данных ценную информацию
4 недели

Получите программу курса на email

Нажимая на кнопку, вы даете согласие на обработку своих персональных данных в соответствии с политикой конфиденциальности.
Спасибо!
Программа отправлена на вашу почту.
Oops! Something went wrong while submitting the form.

Освойте современные технологии и компетенции Data Science за полтора года практического обучения

Python
Tensorflow
Keras
PyTorch
Scrapy
MongoDB
Numpy
Pandas
Matplotlib
Scikit-learn
Seaborn
spaCy
Jupyter
SQL
Linux
PyCharm
Beautiful soup
OpenCV
Docker
Git
Опыт выступлений в соревнованиях по Data Mining (Kaggle)
Опыт построения моделей прогнозирования цен и спроса
Опыт сегментации, кластеризации и классификации клиентской базы
Владение методами прикладной статистики, теории вероятностей
Опыт построения скоринговых моделей
Опыт формирования отчетов анализа данных
Опыт построения рекомендательных систем
Знание алгоритмов и структур данных
Знание библиотек для машинного обучения (Scikit-learn, XGBoost, Vowpal Wabbit)
Умение писать «чистый» код

Вы получите диплом о профессиональной переподготовке

Мы проводим обучение на основании государственной лицензии № 040485. Это значит, что у вас будет официальный документ, который подтвердит профессиональную переподготовку. Для работодателя это показатель, что вы разобрались в Data Science и самостоятельно выполнили проекты из вашего портфолио.

Истории успеха

«Зарабатываю в 2,5 раза больше, чем раньше»
Алексей Старцев
Читать подробнее
«Развиваю бизнес с помощью искусственного интеллекта»
Ярослав Стеценко
Читать подробнее
«Прогнозирую спрос с помощью Data Science»
Константин Воронков
Читать подробнее
«Поменял специальность и избавился от рутины»
Юрий Рябинин
Читать подробнее
«Мир меняется всё быстрее, нужно соответствовать реалиям»
Александр Вайншток
Читать подробнее

Мы дарим подарки всем студентам

Стоимость обучения

Рассрочка до 36 месяцев: удобно вносить небольшие суммы
Полгода обучения за наш счет: разбиваем стоимость и первые полгода платим за вас
0 ₽/месяц
первые 6 месяцев
7 490 ₽/месяц
после полугода учебы
Сэкономьте еще 13%
Вы можете вернуть 13% стоимости через налоговый вычет. Оставьте заявку и спросите об этом менеджера.
Скидка до
-40%
до 12 мая

Записаться на курс и получить бесплатную карьерную консультацию

Начало занятий: 18 мая, 24 мая
Бесплатный звонок по России 8 800 700-68-41
Отправляя заявку,  вы принимаете условия договора-оферты и даете согласие на обработку своих персональных данных в соответствии с политикой конфиденциальности.
Спасибо! 
Ваша заявка принята. Наш менеджер свяжется с вами в ближайшее время.
Упс! Что-то пошло не так

Часто задаваемые вопросы

Как проходит обучение?

Уроки проходят в формате online-трансляций, несколько раз в неделю в вечернее время по Москве. Преподаватель объясняет темы, все его действия отображаются на экране. Студенты задают вопросы и обсуждают материал в чате. В конце каждого урока студенты получают практические задания. Преподаватель оценивает их и обсуждает плюсы и минусы на следующем занятии. Некоторые курсы будут представлены в виде заранее записанных видеолекций.

Что делать, если я не могу учиться онлайн?

Для тех, кто не смог вовремя присутствовать на уроке, мы записываем каждое занятие. Видеозаписи всегда доступны в разделе обучения. Также к каждому уроку мы разработали методички, с помощью которых можно лучше подготовиться к занятиям и получить дополнительные знания.

Можно ли делать перерывы в обучении?

Между курсами можно делать перерывы и регулировать интенсивность своего развития по мере усвоения знаний. Мы рекомендуем не записываться на все курсы сразу, а проходить их последовательно и работать на результат.

Кто преподаёт в GeekBrains?

Преподавать в GeekBrains могут только специалисты с большим опытом реализации проектов. Мы проводим жёсткий отбор кандидатов с помощью программ аттестации и внутреннего обучения. Студенты оценивают уровень преподавателя и качество программы по пятибалльной шкале. Таким образом, мы улучшаем образовательный процесс ежедневно.

Помогаете ли вы с трудоустройством?

Мы помогаем с трудоустройством студентам, которые показывали хорошую успеваемость на протяжении обучения и подали заявку в сервис трудоустройства. Далее вместе с HR-специалистами GeekBrains вы создадите CV и будете рассматривать предложенные нами позиции, самостоятельно откликаться на вакансии и участвовать в поиске идеального места работы. Вместе мы сделаем все, чтобы вы начали строить карьеру и расти профессионально.

Что делать, если у меня проблема или срочный вопрос?

Если вы являетесь студентом платных курсов и у вас возникли вопросы, связанные с образовательным процессом, свяжитесь с нами: sales@geekbrains.ru или 8-800-700-68-41 (звонок бесплатный). По остальным вопросам пишите нам на support@geekbrains.ru.

Какой требуется опыт для обучения?

Наши образовательные программы ориентированы на тех, кто хочет с нуля освоить профессиональные навыки. Для обучения начальной подготовки или базовых знаний не требуется.

Какие минимальные требования к оборудованию и программному обеспечению?

Для учебы вам необходим компьютер с двухъядерным (желательно четырехъядерным) процессором с частотой 1.8 ГГц и выше, и оперативной памятью от 2 Гб (в идеале 4Гб). На нем должна быть установлена любая современная операционная система и настроенная в зависимости от языка программирования среда разработки: для Java — установленный JDK и любая привычная IDE, для Python — установленный интерпретатор с python.org и любая привычная IDE.