Уважаемый посетитель! Вы используете устаревший браузер, чтобы страница работала правильно, рекомендуется использовать современный браузер.

за 6 месяцев

в месяц

Дипломный проект

6 месяцев 

лекторы

В финальном проекте вы сможете применить полученные знания к реальным данным в электронной коммерции, социальных медиа, информационном поиске, бизнес-аналитике. Вы пройдете все этапы анализа данных — от подготовки до построения финальной модели и оценки её качества. В результате в портфолио появится проект, который смело можно указать в резюме и показать работодателю на собеседовании.

Дипломный проект, 
применимый на практике

Дистанционно

Обучение проходит в формате МООС     : вы смотрите лекции в удобное для вас время и получаете различные форматы заданий в виде тестов и перекрестных проверок. 

Вы можете пройти курс с персональным ментором для более глубокого погружения в тему. А сдав дополнительную итоговую аттестацию, слушатель имеет возможность получить удостоверение МФТИ о повышении квалификации.

преподаватель ВМК МГУ, ВШЭ, ШАД, руководитель исследовательской группы Yandex Data Factory

кандидат физико-математических наук, доцент МФТИ, преподаватель ВМК МГУ, ШАД, data scientist Yandex Data Factory

преподаватель ФИВТ МФТИ, РУДН, руководитель исследовательской группы
Yandex Data Factory

старший преподаватель ФИВТ МФТИ, преподаватель ШАД, руководитель исследовательской группы Yandex Data Factory

Программа обучения

64%

В течение 10 лет Data Scientist станет самой популярной профессией века

Средняя зарплата 
специалиста в Москве 
140 000 руб.

64% российских компаний
со штатом от 500 человек 
имеют аналитика

Для кого эта
специализация

Расскажи друзьям

Data 
Scientist 

Для 
директоров
компаний

инженерных, технических 
и естественно-научных факультетов,
которые не изучали анализ данных, 
но хотят получить востребованную специальность и хорошо зарабатывать

которые хотят решать новые, более сложные задачи или оптимизировать существующие  

которые понимают важность анализа данных и хотят обучить сотрудников, чтобы повысить их эффективность

Для 
выпускников 
и студентов

Для 
профессиональных
аналитиков 

Особенности
специализации

Финансовая 
помощь

Если вы хотите пройти специализацию, но не можете оплатить, заполните заявку на получение помощи от Coursera по программе Coursera Financial Aid.

Место проведения — Coursera

Стоимость Специализации

Отзывы
студентов

Партнеры курса

Автор курса

  • Алексей
    Швец

    Очень хороший старт, позволил многое вспомнить и систематизировать. Если есть понимание из мат. анализа, линейной алгебры и статистики, то можно смело браться за курс, если нет, то лучше где-то приобрести перед началом. Команде, работавшим над курсом хочется сказать слова благодарности и пожелания не снижать планку в дальнейшем.

  • Вадим
    Аюев

    Отличный курс от одного из лучших учебных заведений России. Прекрасно подойдёт для желающих начать изучение Machine Learning. В достаточной степени образно объяснены базовые понятия, приведены примеры и ссылки для дальнейшего самостоятельного изучения материала (или повторения забытого после вуза). Практические задания просты и снабжены исчерпывающими примерами. Курс рассчитан на аудиторию с навыками программирования, хотя задания более чем на 20 строк кода здесь не встречаются.

  • Степан
    Леонтенко

    Курс позволяет освежить в памяти основы математики, которые были успешно забыты после полученных зачетов и экзаменов в институте. Позволяет изучить что-то новое как для меня была статистика и Python. И всё в курсе очень профессионально и доступно подано, так что хочется учиться и выполнять проверочные работы, что, например, не всегда наблюдается в том же институте. Остался очень доволен курсом и планирую дальше продолжать специализацию.

  • Анна
    Зверева

    Отличный курс от одного из лучших учебных заведений России.
    Прекрасно подойдёт для желающих начать изучение Machine Learning. В достаточной степени образно объяснены базовые понятия, приведены примеры и ссылки для дальнейшего самостоятельного изучения материала (или повторения забытого после вуза). Практические задания просты и снабжены исчерпывающими примерами.
    Курс рассчитан на аудиторию с навыками программирования, хотя задания более чем на 20 строк кода здесь не встречаются.


  • Большое спасибо за курс!
    Я в данный момент приближаюсь к завершению своей подготовки по машинному обучению и вскоре буду искать работу. Ваша серия курсов очень помогла в освоении этого тернистого пути. Хотелось получить именно глубокое понимание обсуждаемых тем. И 41 из 1058 (надеюсь, только пока) место в конкурсе kaggle от Bosch, на мой взгляд, подтверждает высокое качество освоения материала.
    К сожалению, лично для меня освоение такой масштабной области как машинное обучение, оказалось физически и психически слишком неподъёмным при совмещении с основной работой. Поэтому бросил работу и последние месяцы плотно занимаюсь обучением. О чём кстати не жалею. Качество усвоения намного выше, чем при учёбе только по выходным.

  • Василий
    Гречихин

    Хочу поделиться несколькими мыслями о курсе "Математика и Python для анализа данных".
    Я увидел рекламу этой специализации на хабре и решил пройти её в качестве знакомства с анализом данных и машинным обучением.
    Очень понравилась адекватная разбивка по неделям, удается идти по графику без спешки, в отличие от многих других курсов.
    Большое спасибо за курс!

  • Иванов
    Александр

    Шикарный курс. Особо благодарен за задачу про червивые яблоки из Турции. Благодаря ей я до сих пор не помню формулу Байеса, но теперь пониманию и в любой момент могу воспроизвести. Почему-то это главный восторг. Спасибо, Евгений. Так же хочется еще раз поблагодарить Евгения за отзывчивость в слэке и объяснение отличий доверительных интвервалов от предсказательных.
    Помимо статистики, очень классное и внятное объяснение математики было в целом. Может только про определитель и свд западает, я скоро забуду опять, как-то интуитивного понимание не сложилось в голове. Зато понял методы оптимизации и матричные операции. Спасибо!

  • Андрей
    Лаврененко

    Хочу поблагодарить преподавателей за очень и очень приятную подачу, приятную в том плане, что они рассказывают достаточно доступно, интересно и в то же время после просмотра ты понимаешь, что узнал что-то реально полезное и, по обычным меркам, сложное, хотя вот сложность из-за подачи как раз и не ощущается, потому что приводятся очень хорошие примеры и аналогии. Приятно, что преподаватели сами по себе очень компетентные люди, интересующиеся тем, чем занимаются. Понравился раздел "Дополнительные материалы", где приводятся различные интересные ссылки на ресурсы, статьи и картиночки. В общем, огромное Вам СПАСИБО!

  • Foreign
    student

    As a former MIPT alumni, I enjoyed with brilliant teaching of Emely Drayl, Viktor Kantor, Evgeniy Sokolov and Evgeniy Ryabchenko. They helped me to brush up my knowledge in Linear Algebra and Probability and begin to learn Python at last (currently I work on C++). Great thanks!
    Hope to prolong this spec study with enthusiasm, hope to realize my future projects with help of taken courses.

  • Дмитрий
    Васильев

    Были очень интересные практические задания. Некоторые из них потребовали довольно много времени, но это того стоило. Параллельно пришлось подтягивать математику, что очень полезно само по себе. Тем, кто будет проходит этот курс в будущем, рекомендую освежить знания по статистике и теории вероятностей - это сильно пригодится.
    Из преподавателей отдельно отмечу Евгения Соколова, который очень просто и доступно объяснил тему решающих деревьев. Еще запомнилась одна из лекций Эмели Драль, где она на примерах показала типичные ошибки начинающих специалистов по анализу данных. Остальные ребята тоже отлично справились со своим делом.
    Курс очень крутой. Ни разу не пожалел, что записался.

1 курс

«Математика и Python для анализа данных»

Неделя 1
Введение

Неделя 2
Библиотека Python и линейная алгебра.

Неделя 3
Оптимизация и матричные разложения.

Неделя 4
Случайность

Анализ данных и машинное обучение опираются на результаты из математического анализа, линейной алгебры и теории вероятностей. Без фундаментальных знаний по этим наукам невозможно понять методы анализа данных.
Первый курс сформирует этот фундамент. Мы без сложных формул и доказательств раскроем смысл математических понятий и объектов.

2 курс

«Обучение на размеченных данных»

Неделя 1
Машинное обучение и линейные модели

Неделя 2
Линейные модели и оценка качества

Неделя 3
Решающие деревья и композиции моделей

Неделя 4
Нейронные сети и обзор методов

Обучение на размеченных данных или обучение с учителем — это возможность предсказать величину для любого объекта, имея конечное число примеров. Например, уровень пробок на участке дороги, возраст пользователя по его действиям в интернете, цену на подержанную машину. На этом курсе вы научитесь формулировать и решать такие задачи.

3 курс

«Поиск структуры в данных»

Неделя 1
Методы кластеризации

Неделя 2
Понижение размерности и матричные разложения

Неделя 3
Визуализация данных и поиск аномалий

Неделя 4
Тематическое моделирование

Из курса вы узнаете об алгоритмах кластеризации данных, с помощью которых можно искать группы схожих клиентов мобильного оператора. Вы научитесь строить матричные разложения и решать задачу тематического моделирования, понижать размерность данных, искать аномалии и визуализировать многомерные данные.

4 курс

«Построение выводов по данным»

Неделя 1
Основы статистики и проверка гипотез

Неделя 2
АБ-тесты: основы планирования, дизайн и интерпретация результатов

Неделя 3
Анализ зависимостей

Неделя 4
Скоринг, биоинформатика

Влияет ли знание методов анализа данных на уровень заработной платы? Работает ли система оценки кредитоспособности клиентов банка? Действительно ли новый баннер лучше старого? Чтобы ответить на такие вопросы, нужно собрать данные. 99% данных содержат "шум", поэтому выводы на их основе не верны, а только вероятны. На этом курсе вы научитесь строить корректные выводы, оценивать параметры, проверять гипотезы и устанавливать причинно-следственные связи.

5 курс

«Прикладные задачи анализа данных»

Неделя 1
Рекомендательные системы

Неделя 2
Прогнозирование временных рядов

Неделя 3
Скоринг, прогнозирование и CTR

Неделя 4
Анализ текстов и другие прикладные задачи

В этом курсе мы разберем прикладные задачи из различных областей анализа данных: анализ текста и информационный поиск, коллаборативная фильтрация и рекомендательные системы, бизнес-аналитика, прогнозирование временных рядов. Вы научитесь сводить задачу заказчика к формальной постановке задачи машинного обучения и поймёте, как проверять качество построенной модели на исторических данных и в онлайн-эксперименте. На каждой задаче мы изучим плюсы и минусы пройденных алгоритмов машинного обучения.

Финальный курс

«Анализ данных: финальный проект»

Финальный проект даст вам возможность применить полученные в рамках специализации знания к задаче из реального мира. Под руководством успешных специалистов в науке о данных вы сможете поработать над актуальным проектом в одной из областей: электронная коммерция, социальные медиа, информационный поиск, бизнес-аналитика и др.

Специализация

«Машинное обучение и анализ данных»

Получите востребованную специальность, решайте более сложные задачи, 
повысьте продуктивность сотрудников.

4 600 

22 966

5 курсов

3-6 часов в неделю

Дистанционное участие

Massive open online course— массовый открытый онлайн курс (одна из форм дистанционного образования).
Coursera.org - платформа онлайн-обучения от ведущих мировых университетов
«64% российских компаний со штатом от 500 человек имеют аналитика. Средняя зарплата специалиста в Москве 140 000 рублей, максимальная — 350 000.
* В течение 10 лет Data Scientist станет самой популярной профессией века»
  • Учебным материалам, оцениваемым заданиям, форумам обсуждений и многому другому
  • Сертификатам, которые можно добавить в резюме или профиль на LinkedIn
  • Круглосуточной поддержке пользователей 

 

Подпишитесь на всю серию и получите доступ к:

Константин Воронцов

Вадим Стрижов

Евгений Рябенко

Евгений Соколов

Виктор Кантор

Эмели Драль

доктор физико-математических наук, профессор РАН, заведующий отделом Интеллектуальных систем ФИЦ ИУ РАН, преподаватель ШАД

доктор физико-математических наук, доцент МФТИ, ведущий научный сотрудник ФИЦ ИУ РАН

Успешно оконченная специализация открывает путь
в передовые компании России и мира. Мы не обещаем сразу топовые позиции, но гарантируем рассмотрение вашей кандидатуры в приоритетном порядке.

Трудоустройство
в топовые компании

140 - 350

Повышение квалификации на базе МФТИ

Практические инструменты

Это отличная возможность получить современные навыки людям, которые предпочитают обучение на русском.

Авторы серии курсов — сотрудники Yandex Data Factory и преподаватели МФТИ. Методики, которым вы научитесь, применяются каждый день в реальной работе.

от А до Я 

Специализация подходит людям, незнакомым с анализом данных. Серия курсов постепенно, от простого к сложному, погружает в предмет. В первом курсе рассказывается о математическом аппарате и основах программирования на Python.

Полностью на русском