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

Обучение в Школе аналитиков данных МТС вызвало исключительно положительные впечатления. Это как раз тот случай, когда организаторам удалось поддерживать оптимальный баланс сложности на протяжении всего курса.

Было заметно, что учебный материал и домашние задания тщательно подбирались с учётом современных требований индустрии. Особенно хочется отметить, что весь преподавательский состав обладал не только глубокими теоретическими знаниями, но и значительным практическим опытом, что, безусловно, способствовало более эффективному усвоению информации!

Было очень сложно, особенно потому, что курс я совмещал с основной работой. Но обучение мне очень понравилось. Я почувствовал, как вырос за этот год и в учебе и на работе, так как и там, и там приходилось постоянно без перерыва решать комплексные и сложные задачи, и многие из них стояли передо мной впервые.

Курс научил меня дисциплине, так как из-за работы приходилось грамотно распоряжаться своим временем, чтобы успевать сдавать ДЗ в дедлайны и не отставать от программы. Также обучение на программе приучило меня учиться: после курса я чувствую, что еще многое нужно закрепить, чтобы подготовиться к собеседованиям и выйти на работу уже в качестве DS, и даже сейчас, когда нам еще не вручили сертификаты, я уже прохожу курсы на Stepik, чтобы закрепить знания, и это дается мне легко (не нужно себя заставлять, потому что уже привык обучаться).

Еще хочу сказать, что курс очень развивает самостоятельность, так как если в универе ты можешь подойти к одногруппнику и все у него списать, то здесь, так как мы в онлайне и не знаем друг друга, так не получится. И мне очень приятно теперь чувствовать, что я все домашки сделал самостоятельно, пусть это и было иногда очень тяжело и занимало все выходные.

В общем, Школа аналитиков данных МТС — это был очень большой рост для меня и я буду рекомендовать это обучение всем интересующимся друзьям/знакомым.

Для меня это обучение открыло абсолютно новый этап в карьере: я смог очень детально изучить ML, имея при этом лишь небольшой бэкграунд в аналитике и бэкенде. Курс был наполнен массой интересных лекций, домашних заданий, мероприятий и возможностей. А на протяжении всего этого пути команда организаторов делала всё возможное, чтобы помочь студентам и сделать опыт обучения ещё лучше.

У программы очень сильная команда как по части менеджмента и организации обучения, так и в области преподавания. Было очень приятно учиться напрямую у лучших специалистов одной из ведущих российских IT-компаний. Наверное, это именно та возможность, за которую я больше всего благодарен программе.