Az első alkalom az ismerkedésről szól. Nemcsak a csoporttársaidat (és engem) ismerhetsz meg, de természetesen a Data Science alapjait is. Lesz szó arról, hogy mit kell megtanulnod, milyen fórumokon érdemes kutakodni és természetesen, hogy miért és hogyan lesz ez az egész hasznos számodra.

Utána, a gyakorlati blokkban, az SQL alapjaiban fogunk elmerülni. A nap vége egy workshop lesz, ahol a megszerzett tudást mélyítheted tovább.

Az előadás rész ezúttal a legfontosabb adatelemző módszertanokat fogja lefedni. Olyan dolgokat mutatok, amiket egy valós munka során (a Data Scientist karrieredben) valószínűleg nagyon sokat fogsz majd használni.

A kódolós részben folytatjuk az SQL megismerését és haladóbb módszertanokat gyakorlunk majd.

A workshop részben pedig egy valósághoz igen közeli startup adatait elemezhezed majd. (SQL-ben.)

A harmadik alkalom előadása az automatizálást és adatgyűjtést járja körül. Beszélünk ennek fontosságáról és gyakorlati megvalósításáról is.

Ehhez kapcsolódóan a programozói blokkban egy egyszerű, ámde igen hasznos nyelvet fogsz megtanulni: ez pedig a bash.

A workshop, szokás szerint, az órán tanultakat mélyíti majd el.

Az elméleti blokk ezúttal egy nagyon érdekes téma köré csoportosul majd, ami a: statisztika. Igen, direkt írtam, hogy érdekes, mert az. Csak az egyetemen és a középiskolában rosszul van tálalva. Megmutatom a legfontosabb koncepciókat és elméleteket, amiket ismerned kell - érthetően, példákkal.

Utána a gyakorlati szekcióban rátérünk az egyik legnépszerűbb data science nyelvre: a Python-ra. Ezúttal az alapokat vesszük és gyakoroljuk végig.

A workshop-ban továbbra is az órán tanultakat fogjuk elmélyíteni.

Ha a statisztika érdekes, akkor a Machine Learning és a prediktív analitika kész detektívregény. Ezen az alkalmon az összes trendi ML módszertant. (Amelyek közül néhányat a hatodik alkalmon és az online kurzusban használni is fogunk.)

Aztán pedig folytatjuk a Python tanulmányokat. Ezúttal a haladóbb részekre koncentrálva.

Az utolsó élő alkalmon szót ejtek majd az adatos szakember kommunikációs készségeinek a fontosságáról. Mutatok pár jól bevált módszert és trükköt, amivel hatékonyan tudod prezentálni és kommunikálni az adataidat.

A kódolós rész pedig a Python fejlett analitikai moduljainak a megismeréséről fog szólni. Az órán fogunk használni Machine Learning és prediktív analitikai modulokat is.

A végén, szokás szerint workshop-pal zárunk.

Az online kurzus szakasz arról fog szólni, hogy egy valószerű gyakorlaton keresztül elmélyíts mindent, amit az órákon tanultunk. Ez a videókurzus összefüggű feladatok sorozata, amelyek folyamatosan tesztelik és fejlesztik mind az üzleti, mind a kódolói tudásodat.

Az egész hat hetes gyakorlat koncepciója, hogy megkapod egy Send-A-Tree nevű startup teljes adathalmazát és mintha egy Junior Data Scientist lennél ennél a cégnél, különböző kihívásoknak kell majd megfelelned. (Részletek a lenti videóban.)

Minden héten 3 feladatot fogsz kapni. (Hétfőn, szerdán és pénteken.) Egy-két napod lesz, hogy megoldd őket - utána pedig küldöm a megoldást videó formátumban. (Felvétel, szóval akármikor megnyithatod.) Ha jól teljesítettél az élő workshop-okon, akkor ezek a feladatok nem fognak gondot okozni. (Azért kihívás lesz bennük.)

A kurzus egy nagy tesztfeladattal zárul, amelyet egy Data Science állásinterjú tapasztalatai alapján raktam össze.

Ez a kurzusrész angolul lesz -- ha többet akarsz tudni róla, nézd meg ezt a videót:

Az elmúlt években sok egy vagy két napos képzést tartottam. Bár nagyon szeretem ezeket az alkalmakat, az mindig zavart kicsit, hogy ennyi idő alatt nem lehet komplex tudást átadni.

Ez a 3 hónapos képzés más. Sok tekintetben összegzi az összes eddigi tréningem anyagát és tanulságát, de túl is mutat azokon. Úgy gondolom, hogy 3 hónap már elég ahhoz, hogy a résztvevő (ha beleteszi a saját részét is természetesen) jelentős fejlődést és szemléletváltást érhessen el. Egy olyat, ami egész karrierje során elkísérheti.

Látom a magyar (és a nemzetközi) data science tréningpiacot. Tisztában vagyok a többiek áraival, tematikájával és minőségével. Vannak hosszabb, rövidebb, drágább (és még drágább), jobb, rosszabb képzések...

Én három dologban szeretném megkülönböztetni ezt a képzést másokétól:

1) 100%-os gyakorlat orientáltság. Ha végignézted a tematikát, akkor látod, hogy a kurzushoz ~80 órányi munkára lesz szükség a Te oldaladról. (Az élő, az online kurzus és a házi feladatok összesen.) Ez csak akkor lehet elég egy data science mélységű téma elsajátítására, ha fókuszált a képzés. Én úgy döntöttem, hogy a gyakorlatra fogok fókuszálni. Azokra a dolgokra, amelyekre egy Data Science-es munka során ténylegesen szükséged lesz. Természetesen fogok ajánlani könyveket elolvasásra, amivel kipótolhatod az elméleti hiányosságokat, de a képzés maga a praktikus dolgokra koncentrál.

2) Kiscsoport. Én azt szeretem, ha mindenkire jut elég figyelem. Ha érzem, hogy minden egyes résztvevő megértette az anyagot és úgy megy haza, hogy minden kérdése meg van válaszolva. Az is fontos számomra, hogy ismerjem a csoport résztvevőket, tudjam, hogy hol tartanak, mi az erősségük és a gyengeségük - kinek miben kell többet vagy kevesebbet segíteni. Ezt egy 30, 40, 50 fős csoportnál lehetetlen. Ezért engedek csak 8 résztvevőt erre a képzésre.

3) Ár. Ha körbenézel a piacon, akkor a 245.000 Ft + ÁFA-s ár kevésnek tűnhet. Mégis emellett az ár mellett döntöttem. Azért, mert azt szeretném, hogy a képzés magánszemélyeknek is elérhető legyen, ne csak cégek számára.
(Magánszemélyként talán pont, hogy drágának tűnhet a képzés, de bízom benne, hogy aki magának fizet be, fel tudja mérni, hogy milyen gyorsan megtérülő befektetésről van itt szó. Ha az itt megszerzett kódolói készségeidnek köszönhetően csak egy 30.000 Ft-os fizetésemelést ki tudsz alkudni magadnak - ami persze elég minimális a készségek tényleges értékéhez viszonyítva - már akkor ~7 hónap alatt visszajön a képzés ára.)

Összességében a Junior Data Scientist Mesterkurzussal egy célom van: hogy ez legyen a legjobb gyakorlati data science képzés kezdőknek. Ezért dolgoztam az elmúlt években és ezért fogok dolgozni az egész képzés alatt. (És utána is.)