Решите задания из обоих направлений и поймите что подходит именно вам!

Почему нужно прийти на интенсив:

• Узнаете о двух востребованных профессиях из области науки о данных и самых доступных точках входа в IT
• Опробуете свои силы в практических заданиях из обоих сфер
• Решите, что подходит лично вам: разрабатывать нейросети или анализировать данные?
• Получите подарки и обратную связь от практикующего эксперта

Кому подойдет интенсив:

Новичкам

Познакомитесь с профессиями дата-аналитика и дата-сайентиста изнутри. Узнаете на практике, интересно ли вам одно из этих направлений

Разработчикам

Получите теорию и практику в новой области. Внедрите аналитику в вашу рабочую практику

Начинающим аналитикам

Повысите свой уровень компетенций и расширите инструментарий, получите мотивацию расти в профессии

Специалистам в любой сфере

Попробуете себя в IT — решите практические задачи и поймите какое направление вам нравится больше

Вы научитесь

1. Различать задачи и инструменты Аналитика Данных и Data Scientist, а также сравните плюсы и минусы профессий
2. Определять широту применения знаний из Науки о Данных
3. Проводить A/B тестирование вручную
4. Корректно оценивать прирост качества до внедрения нового решения в проект
5. Проводить A/B тест с помощью Python

Программа

День 1, 15 февраля. Задачи, которые могут решать аналитики

• Чем занимаются аналитики данных?
• Что отличает хорошего аналитика от обычного?
• Инструменты, которые нужны аналитику для успешной работы
• Что такое A/B тест?
• Из каких этапов состоит A/B тестирование
• Какие есть способы разбиения выборки для проведения A/B теста
• По каким критериям можно определить «полезность» предложенного решения?
• Основные математические понятия, необходимые для проведения A/B тестов
• Пример проведения A/B теста
• Ответы на вопросы участников

Домашнее задание: на основе предложенных данных провести A/B тест.

День 2, 16 февраля. Чем занимаются дата-сайентисты

• Чем отличаются профессии аналитика и дата-сайентиста
• Инструменты, необходимые Data Scientist для успешной работы
• Пример ML задачи
• Какие бывают метрики для измерения качества?
• Зачем нужны сложные инструменты для оценки качества ML-решения?
• Подготовка данных для проведения A/B теста
• По каким критериям можно определить «полезность» предложенного решения?
• Пример проведения A/B теста
• Ответы на вопросы участников

Домашнее задание:

На основе данных одной из предложенных статей повторить A/B тест. Сравнить качества нового решения и существующего и объяснить его.

День 3, 17 февраля. Подводим итоги

• Разбор домашних работ
• Знакомство с Python
• Ответы на вопросы участников
• Награждение подарками

Эксперт онлайн-интенсива

Василиса Серякова

• Data Scientist Blockchain.com
• ex-Data Scientist Yandex
• Делала Матчинг в Яндексе, сейчас занимается задачей Finance Reconciliation (Проверка и утверждение банковских транзакций) в Blockchain

Для практики вам нужны

• компьютер (ноутбук подойдет)
• доступ к интернету

Все ссылки для работы на онлайн-платформах вам пришлют во время интенсива

Время: 19:00

Участие бесплатное!

Регистрация