Всем привет! На связи Анатолий Карпов.

Вместе с командой Karpov.Courses мы создали онлайн-курс по анализу данных, где делаем упор на задачи, с которыми ежедневно сталкиваются настоящие специалисты.

Близится новый месяц, а значит мы запускаем уже седьмой поток специализации «Аналитик данных».

Хотите сменить профессию или получить новые навыки? За 5 месяцев интенсивного обучения вы освоите спектр Hard Skills, необходимых на позиции аналитика: Python, Git + Airflow, SQL, статистика, A/B тесты, продуктовая аналитика, развитие продукта и, конечно же, визуализация.

Подробнее ознакомиться с программой можно на нашем сайте karpov.courses, а задать свои вопросы – в личные сообщения сообщества.

Старт нового потока уже 1 декабря. До встречи на курсе!

Начиная с сентября, karpov.courses начали активно развиваться в почти всех популярных социальных сетях! Разве что до TikTok еще не дошли 🙂 А пока мы не начали снимать тиктоки, предлагаем поддерживать нас там, где удобнее.

Другие наши соц.сети:
Наш ВКонтакте
Страница Facebook
Канал YouTube

Если вы искали курсы по программированию, то наверняка не раз встречали слово «буткемп». Давайте разберемся, что это такое.

Изначально в Штатах буткемпом называли программы интенсивной подготовки новобранцев в армии. Сегодня же, этот термин используется гораздо шире и чаще ассоциируется с тренировочными лагерями по кодингу. Это неслучайно: время в IT течет гораздо быстрее, чем в других специальностях, и знания быстро устаревают. Иными словами, то, чему вы научитесь сейчас, через два года уже может стать неактуальным.

А как же выпускники технических ВУЗов? Главное отличие «лагерей» от университета кроется в длительности и в практикоориентированности. Никаких общеобразовательных предметов, преподаватели – востребованные специалисты своей области, а программа обучения адаптируется и регулярно обновляется в соответствии с тенденциями IT-рынка.

Karpov.Courses как раз построены по системе буткемпов, ведь чем быстрее и напряженнее программа обучения, тем проще будет влиться в реальную работу и следовать за изменениями.

1 декабря у нас старт нового потока – узнайте, что такое буткемп на собственном опыте! Вам обязательно понравится :)

Несколько месяцев назад мы проводили открытый вебинар про GLM, где знакомились с обобщенными линейными моделями. Это знание значительно улучшило уровень жизни при подборе правильного распределения.

Однако в реальном мире не существует истинно линейных взаимосвязей. Хотя для коротких промежутков данных допущение линейности иногда работает, на практике же легко могут попасться такие переменные, взаимосвязи между которыми нельзя анализировать с использованием этого допущения.

На вебинаре «Шум и GAM: обобщённые аддитивные модели» мы узнаем:
● Как нелинейность взаимосвязи портит наши данные?
● Как моделировать нелинейные взаимосвязи, оставаясь в регрессионном контексте?
● Что такое лекало и какое отношение это имеет к вопросу?
● Какие похожие регрессионные методы могут встретиться в работе аналитика?

Занятие проведет Манаенков Александр, ментор KarpovCourses и выпускник кафедры психофизиологии факультета психологии МГУ.

Ждем всех в этот четверг, 3 декабря, в 20:00

Запись по ссылке

Скоро начинаем! Уже в 20:00 Александр Манаенков, ментор Karpov.Courses, расскажет про нелинейные взаимосвязи и особенности работы с ними.

Присоединяйтесь!

Вчера вечером, сквозь небольшой сумбур Александр Манаенков провел вебинар по GAM, где рассказал и о лекалах, и о сплайнах, и об использовании их на практике.

Спасибо всем, кто был на трансляции и комментировал! Это всегда очень поддерживает наших лекторов :)

Как и обещали, прикрепляем ниже презентацию и ноутбук.

P.S. запись лекции доступна по ссылке

Презентация

Ноутбук с вебинара

Алгоритмы машинного обучения – это одни из самых популярных инструментов дата-аналитиков. Однако большинство нейронных сетей используются как black-box: люди даже не знают, как они работают. Например, нейросеть умеет классифицировать породы собак, но делает она это опираясь на знание, что одни породы чаще сфотографированы дома, а другие – на лужайке.

Как определить, опираясь на какие параметры работает нейросеть? Читаем в статье «Интерпретация моделей машинного обучения в python: shap» от Екатерины Скрипцовой, младшего аналитика ВКонтакте и ментора Karpov.Courses.

Не за горами запуск 10-го потока, а значит пора поделиться, что же происходит на специализации «Аналитик данных». Каждую неделю мы будем рассказывать о преподавателях karpov.courses и модулях, которые они ведут.

Сегодня начнем, разумеется, с основателя и лектора первых модулей – Анатолия Карпова. Мы уже рассказывали о пути Анатолия в дата аналитику, так что сразу перейдем к его роли как преподавателя курсов. Анатолий читает лекции по самому первому модулю «Python», где закладывается фундамент: основы программирования, знакомство с библиотеками для анализа данных, визуализации и работы с файловой системой.

Зачем же нужен Python начинающего аналитику? Отвечает Анатолий Карпов:

«Python на сегодняшний день – один из самых популярных языков для работы с данными и незаменимый инструмент для аналитика. При помощи Python вы научитесь автоматизировать рутинную работу, применять статистику и строить модели машинного обучения».

Первые три лекции по Python доступны в демо-версии курса.

Трудно поверить, но ровно год назад маленькая команда из трех человек запустила интенсив по Python, недолго думая, назвав проект karpov.courses.

Небольшой проект вырос до полноценной специализации, команда — до 26 человек, а количество студентов уже достигло отметки 315 человек.

Верим, что это только начало. Мы продолжим делать душевный и полезный EdTech, а наши выпускники будут работать там, где захотят. Ура!

Если вдруг у вас нет планов на вечер, то присоединяйтесь слушать подкаст о связи работы в индустрии и образовательных проектов вместе с командой ВКонтакте. Если планы есть, то скорее освобождайтесь и тоже подключайтесь 🙂

Видео дня – новое интервью karpov.courses!

Наш гость – Максим Годзи, создатель инструментов аналитики Retentioneering, а ранее – исследователь в университете UPENN США, аналитик Yandex Такси и руководитель ML, аналитики и Data Science в App in the Air.

Помимо пути Максима из биофизики в аналитику, в интервью вы узнаете:
● Как машинное обучение и математика помогают по-новому взглянуть на аналитические процессы?
● Чем оптимизация бизнес моделей стартапов напоминает оптимизацию структур белков?
● Как подбирать и проверять продуктовые параметры через симуляцию?
● Как создавался Retentioneering и во имя чего?

Это всего лишь первая часть нашего большого диалога, так что пишите свои вопросы в комментарии к видео и stay tuned!

Если заимствовать чужие привычки, то непременно у лучших специалистов выбранной области. Дата аналитика – не исключение, поэтому мы спросили Анатолия Карпова, что он читает, чтобы оставаться в курсе последних тенденций мира анализа данных.

● Блог EXPF

В этом блоге можно найти всю необходимую информацию о продвинутых А/Б-тестах и статистике.

● «Мы читаем статьи»

Ламповый блог в VK Артема Попова, тим-лида отдела машинного обучения «ВКонтакте». Тут разбираются самые свежие статьи и доклады с конференций из области Data Science и Machine Learning.

● «Мамкин Data Scientist»

Эпатажный телеграм-канал об учебе в сфере data science. Масса полезных материалов о построении карьеры в DS, приправленная иронией автора.

Ну и, конечно, блог нашей команды, но это уже другая история :)

Длинные интервью с востребованными дата-аналитиками – это, конечно, хорошо, но выделить время на просмотр удается далеко не всегда. Так мы решили публиковать выжимки из самого-самого! Сегодня начнем с обсуждения разницы зарплат аналитиков в России, Европе и США.

Всем привет! На связи Анатолий Карпов.

Приближается конец месяца, а это значит, что скоро запуск нового потока специализации «Аналитик данных».

За 5 месяцев интенсивного обучения вы научитесь работать с данными на языке Python, освоите Git, систему мониторинга рабочих процессов Airflow, базы данных, системы визуализаций, продуктовую аналитику, A/B тесты и основы Soft Skills. Теоретическую часть вы будете осваивать в удобном для вас режиме на платформе Stepik, а закреплять знания – в боевых условиях на вычислительном кластере (всё как в крупных корпорациях!)

После обучения у вас будет весь необходимый набор навыков для работы аналитиком и грамотно составленное резюме. Лучших студентов мы рекомендуем в известные компании.

Подробнее программа курса описана на нашем сайте, а почта student@team.karpov.courses создана для ответов на ваши вопросы.

И да, я в шапке Деда Мороза не просто так: мы дарим скидку в 20 000 рублей на курс при полной оплате!

На этот раз стартуем 15 января. До встречи на курсе!

Уже третью неделю подряд мы рассказываем о команде karpov.courses. Сегодня в программе – Ольга Силютина, аналитик в отделе бизнеса и рекламы ВКонтакте.

Карьера Ольги началась с научной деятельности: социологическое образование поощряет количественные исследования, а учеба в НИУ ВШЭ сопровождалась параллельным прохождением специализации по Data Science. Активное участие в хакатонах, работа в SEMRush, стажировка ВКонтакте, а потом и место в команде ВКонтакте – верим, что это только начало пути!

На специализации «Аналитик данных» Ольга ведет лекции в блоке «Airflow», где знакомит студентов с автоматизацией повторяющихся задач.

Зачем же это дата аналитику?

«В работе часто случаются повторяющиеся запросы, которые хочется автоматизировать и не тратить на их выполнение большое количество времени. Знания об автоматизации рутинных задач и навыки работы с продвинутыми инструментами вроде Airflow сэкономят время начинающим специалистам и откроют новые возможности для всей аналитики в компании».

Вы просили – мы сделали!

1 февраля стартует продвинутый курс по машинному обучению с Валерием Бабушкиным (Facebook, ex Alibaba, X5, Yandex).

Курс рассчитан на тех, кто уже знаком с основами машинного обучения, но хочет повысить свой уровень и решать задачи, востребованные бизнесом.

Вас ждёт максимально глубокое погружение в мир ML, не ограниченное созданием модели. Будем изучать сбор и разметку данных, построение пайплайнов поставки данных, обучение и деплой моделей, мониторинг и оценку эффективности алгоритмов.

Три занятия в неделю и постоянная практика на протяжении 6 месяцев, чтобы изучить все процессы в которые вовлечен инженер по машинному обучению. Вместе мы освоим:

● Динамическое ценообразование
● Matching
● Uplift-моделирование
● A/B-тестирование при помощи ML
● Поддержание жизни ML-модели

Вашими наставниками будут ведущие Data Scientists из Facebook, Yandex, Mail.ru, X5.

Изучить программу подробнее можно на сайте

NB! Специальное предложение:

Для студентов первого потока будут особые опции:
– Бесплатное продление прохождения курса на 2 месяца, если почувствуете, что вам нужно больше времени на обучение
– Доступ к обновлениям в течение года, если в программе произойдут изменения.

Вчера произошел анонс долгожданного курса по машинному обучению!

Подробно ознакомиться с программой можно не только на сайте, но и в небольшом видео от команды ML. Каждый преподаватель рассказывает о своем модуле на курсе: его технических аспектах, в чём уникальность, как используется в мировых IT-гигантах, и даже сколько времени вам понадобится на освоение блока. Must see!

Если вдруг вы пропустили...