Узнаете основные понятия реляционных
баз — данных и их отличия от нереляционных

Познакомитесь с основными объектами
баз данных и их применением

Освоите структуру SQL-запросов
и правила их формирования

Познакомитесь с основными способами
оптимизации выполнения SQL-запросов

Научитесь писать сложные
аналитические SQL-запросы

Научитесь работать с VSCode

Освоите синтаксис Python, базовые
конструкции языка и его особенности

Изучите ряд продвинутых тем, включая
декораторы, генераторы и итераторы

Научитесь работать с веб-фреймворком FastApi

Познакомитесь с основами архитектурного
планирования приложений

Освоите написание тестов, обработку ошибок

Познакомитесь с библиотеками numpy и scipy
для работы с многомерными массивам
и выполнения научных и инженерных расчётов

Изучим библиотеки Pandas, Polars,
pyarrow – библиотеки для работы
с таблицами и временными рядами

Научитесь собирать данные из внешних
источников с помощью scrapy и beautifulsoup

Усвоите основные математические аспекты,
которые явным образом фигурируют
в работе аналитиков/дата-саентистов

Свяжете теорию с практикой и получите
необходимый теоретический и практический
базис по статистике для легкого
вкатывания в работу аналитиком

Научитесь делать хороший и качественный EDA

Научитесь основным и продвинутым
приемам визуализации

Научитесь искать и получать
внешние данные под ваши задачи

Осознаете, что такое data-driven подход,
A/B тестирование, и как оно помогает
принимать решения в компаниях

Углубитесь в математические аспекты
A/B тестирования и подходы,
которые являются наиболее
важными для проверки гипотез.

Сможете строить модели ML в соответствии
с бизнес-задачами и поймёте как связаны
ml-метрики и бизнес-метрики

Научитесь готовить данные для моделирования

Освоите алгоритмы ML: деревья решений,
Random Forest, Boosting и другие

Узнаете, как снижать размерность
и делать кластеризацию

Научитесь учитывать ограничения
при построении моделей и определять
их границы применимости

Сможете отличить Big Data
от не очень больших

Узнаете как хранятся и используются
данные в распределенных файловых
системах, вроде HDFS и S3

Научитесь запускать расчеты с помощью
концепции распределенных вычислений —
Map Reduce

Сможете разместить свои данные
в NoSQL базах для Big Data,
таких как Apache HBase и Cassandra

Освоите архитектуру типичного Spark-приложения

Узнаете как выявить узкие места,
такие как shuffle-операции и spill

На практике оптимизируете spark-запросы

Построите сложное решение
для обработки данных в batch
и realtime с помощью Spark и Kafka

Научитесь писать код PyTorch
для работы с нейронными сетями

Получите опыт в решении CV задач

Получите опыт в решении NLP задач

Поймете принципы работы трансформеров

Узнаете теорию современных LLM моделей

Разберетесь с простыми моделями —
top popular/personal, item-based/
user_based knn, ease/slim;

Реализуете EASE на готовом датасете

Разберетесь с архитектурой, компонентами
(оркестратор, feature store, model registry),
мониторингом и пайплайнами

Напишете реализацию метрик качества

Сомневался, что смогу пройти отбор, но после тестового задания меня взяли!
Сначала учился в статусе слушателя, а через два месяца за активную работу перевели в группу участников — с проверками домашек, дипломом и доступом к крутому комьюнити. Было очень радостно на душе, хотя я уже давно не студент!

В офисе МТС на Технопарке познакомился с классными ребятами из топовых вузов, общаемся до сих пор.

За время учебы освоил кучу инструментов, к которым раньше не прикасался: библиотеки ambrosia, FastAPI, scrapy и Docker. Под конец пошли сложные темы — разбирались в рекомендательных системах, работали с BigData на выделенном кластере, настраивали PyTorch и много времени отдали решению итоговой работы в команде.

Курс однозначно рекомендую. Он помогает не просто получить диплом, а понять, в какую сторону стоит двигаться для достижения этой цели!

Хочу поблагодарить команду за эту программу! Я пришла на обучение совсем новичком, меняла профессию в 35 лет и очень сомневалась: стоит ли, справлюсь ли? Сейчас могу сказать точно, что это было одно из лучших решений.

Программа насыщенная и очень практичная, материал дается не ради теории, а сразу с применением на реальных задачах. Преподаватели — практики, которые делятся живым опытом, а не просто пересказывают учебники. Домашние задания помогают по-настоящему разобраться в теме и закрепить знания.

Самое ценное для меня в том, что знания действительно пригодились. Результат превзошел мои ожидания. Эта программа даёт реальные навыки, с которыми можно двигаться дальше!

Всем, кто интересуется анализом данных и хочет расти в этом направлении, я определенно советую Школу аналитиков данных. Это отличная возможность получить новые знания, познакомиться с интересными людьми и погрузиться в профессиональную среду.

Благодаря команде проекта, которая отвечает не только за учебу, но и за классные ивенты, я комфортно вошел в сложную сферу, получил базу и сразу начал тестировать навыки на реальной практике. Атмосфера внутри программы потрясающая: здесь действительно чувствуешь себя частью сообщества, где можно открыто общаться, обмениваться опытом и развиваться вместе.

До Школы аналитиков данных МТС я мечтал о заниматься машинным обучением и ИИ. А теперь я и сам стал выпускником.

За время обучения я получил новые знания и практические навыки. Изменилась и моя работа: раньше я руководил ИТ-проектами, а теперь руковожу ИИ-проектами. Особенно ценно для меня то, что программа знакомит с разными подходами и примерами решения реальных задач. Такая насмотренность помогает не только в самостоятельной работе, но и во взаимодействии с командой.

Отдельно хочется отметить людей. Открытость преподавателей и поддержка кураторов помогали двигаться вперёд даже тогда, когда материал давался непросто.

Попасть на стажировку не было моей целью, но будущим студентам стоит знать, что программа дает и такую возможность, а в дальнейшем и шанс трудоустроиться в МТС.

Тем, кто только собирается учиться, желаю верить в свои силы и не отказываться от цели, даже когда становится сложно. Когда-то я слушал чужие истории об учёбе, а теперь могу рассказать свою. Надеюсь, для кого-то она станет поводом сделать первый шаг!