Три профессии будущего от Geekbrains

Инженер умных устройств

После курса вы станете специалистом в сфере интернета вещей (IoT) и научитесь создавать сеть умных гаджетов. Для этого предстоит изучить язык C, а также механизмы отладки и программирования микроконтроллеров (STM32, Arduino). Кроме того, вы узнаете, как работать с Wi-Fi, Bluetooth и LoRa для построения современных embedded-систем.

Курс подойдет:

• новичкам, которые хотят научиться разрабатывать устройства на базе микроконтроллеров и самостоятельно создавать сеть умных гаджетов;
• специалистам из других сфер ИТ, которые хотят освоить навыки инженерии, получить специализацию в IoT, перейти в перспективное направление и повысить уровень дохода;
• инженерам и специалистам по ремонту, которые хотят дополнить свои знания, освоить C, разработку и отладку ПО.

После обучения вы научитесь:

• программировать на С;
• понимать особенности работы и применения операционных систем реального времени (RTOS);
• работать с вычислителями на основе архитектуры ARM;
• использовать популярные коммуникационные интерфейсы (протокол TCP/IP, USB, Ethernet, LoRa, IP-адресацию);
• макетировать и прототипировать устройства на интегральных микросхемах;
• взаимодействовать с ОС Linux во встраиваемых системах;
• работать в средах разработки EasyEDA, STM32CubeMX и CLion.

Записаться на курс

Факультет искусственного интеллекта

По данным HeadHunter, за два года спрос на специалистов по Data Science вырос в два раза. Применяя методы машинного обучения, они строят прогнозы и повышают эффективность бизнес-процессов во многих отраслях. Курс от GeekBrains не привязан к конкретной сфере и даже направлению: после учебы вы сможете стать Data Scientist, дата-аналитиком, инженером в сфере машинного обучения, экспертом по компьютерному зрению или системам распознавания речи.

У курса два формата обучения: живые вебинары и видеолекции в записи. Везде предусмотрены домашние задания и их проверка преподавателем.

После обучения у вас будет:

• опыт участия в соревнованиях по Data Mining (Kaggle);
• опыт построения моделей прогнозирования цен и спроса;
• опыт сегментации, кластеризации и классификации клиентской базы;
• знание методов прикладной статистики, теории вероятностей;
• опыт построения скоринговых моделей;
• опыт формирования отчетов анализа данных;
• опыт построения рекомендательных систем;
• знание алгоритмов и структур данных;
• знание библиотек для машинного обучения (Scikit-learn, XGBoost, Vowpal Wabbit);
• умение писать «чистый» код.

Записаться на курс

Факультет Data Engineering

Вы научитесь собирать и обрабатывать данные, проектировать хранилища и работать с различными инфраструктурами. Дата-инженеры помогают аналитикам своевременно получать качественные данные, на основании которых принимаются бизнес-решения и создаются конкурентоспособные продукты на базе машинного обучения.

После учебы вы сможете работать как дата-инженер;,инженер дата-центра, DWH-аналитик, инженер пайплайнов данных для машинного обучения (ML Engineer), а также получите компетенции DevOps-специалиста.

Курс подойдет:

• всем, кому интересно работать с данными (вы научитесь обрабатывать разные источники и форматы данных, освоите обработку больших массивов данных на распределенных системах, максимизируете пользу, извлекаемую из данных);
• начинающим аналитикам и разработчикам (у вас будет всё для ускоренного карьерного роста: комплексные знания и опыт работы с продвинутыми инструментами, методологиями и стандартами. Прокачаете свои навыки для выхода на новый уровень);
• практикующим IT-специалистам (рассмотрите знакомые темы с новых углов, приумножите имеющиеся знания, подскажете, как перейти в востребованное направление и зарабатывать больше).

После обучения у вас будет:

• знание разработки, поддержки и оптимизации пайплайнов обработки данных и машинного обучения на Python и Spark;
• опыт проектирования аналитических систем хранения и обработки больших данных;
• знание принципов работы БД (SQL/noSQL) и методологий моделирования;
• опыт работы с Airflow и другими инструментами для запуска регулярных задач;
• опыт с DevOps-инструментами (Docker, Kubernetes);
• понимание принципов машинного обучения и подготовки данных для ML-приложений;
• опыт работы с ОС Linux;
• опыт сбора процессов очистки и валидации данных;
• опыт работы с ETL-инструментами и сервисами;
• опыт работы с пакетной и потоковой выгрузкой данных в аналитическое хранилище;
• навык разработки витрин данных для бизнес-пользователей аналитики;
• опыт работы с Hadoop кластером и HDFS.

Записаться на курс