A képzés bár 100% online, a legelején szeretnék tartani egy "ismerkedő estet" is. Itt aki szeretne, élőben is találkozhat a csoport többi tagjával és velem is. Ez az alkalom Budapest belvárosában lesz (természetesen opcionális, nem kötelező eljönni rá) -- a tematikájáról több részletet a kurzusrésztvevők kapnak.

Az első modul a Data Science alapjainak a megismeréséről fog szólni. Lesz szó arról, hogy mit kell megtanulnod és miért, mire lehet használni manapság a data science-et, hogyan lehet hatékonyan tanulni, hogy néz ki egy konkrét projekt, stb, stb.

A kódolós blokkban, az SQL alapjaiban fogunk elmerülni. (Időben, ez lesz a hangsúlyosabb rész ebben a modulban.) Itt alap-SQL-lekérdezéseket fogok megmutatni és ezekhez kapsz gyakorló feladatokat (és megoldásvideókat is.)

Az előadás rész ezúttal a legfontosabb adatelemző módszertanokat fogja lefedni. Olyan elemzési elveket mutatok (elemzési típusok, mérőszámok beállítása, modellek), amiket egy valós munka során valószínűleg nagyon sokat fogsz majd használni.

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

Ebben a modulban kapsz egy bónusz SQL-es anyagot is, amiben 20 junior data scientist szintű állásinterjú-szerű SQL feladattal tesztelheted frissen megszerzett tudásod.

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. Szokás szerint: megadott cikkekből szedheted fel az elméletet -- és gyakorlati feladatokon és videómegoldásokon keresztül betonozhatod be az új tudáselemeket.

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. Ebben a modulban az SQL-hez hasonlóan, először az alapdolgokkal kezdünk... A következő modulokban pedig erre építünk majd.

Ha a statisztika érdekes, akkor a Machine Learning és a prediktív analitika kész detektívregény. Ezen az alkalmon az ML módszertanok alapjaiba vezetlek be. (Amelyek közül néhányat a hatodik alkalmon és a képzés második felében is használni is fogunk.)

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

A modul végén kapsz majd néhány házi feladatot, aminek a többi résztvevővel tudsz majd ötletelni. Természetesen a hatodik modulban a megoldást is megmutatom majd.

Az utolsó alapozó modulban 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 az előző modul házi feladatainak a megoldásairól -- illetve a Python fejlett analitikai eszközeinek a megismeréséről fog szólni. Itt már érintjük a machine learning-es részeket is. Kapni fogsz három előkészített Python script-et (regresszió, random forest, deep learning), amiket lépésről lépésre le tudsz futtatni a saját gépeden is. Én pedig egy videóban elmagyarázom, hogy ezek miért, hogyan és mit csinálnak.

A képzés második 6 hete arról fog szólni, hogy egy valószerű gyakorlaton keresztül elmélyíts mindent, amit az első 6 hétben tanultunk. Ez a videókurzus összefüggő 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. Majd különböző kihívásoknak kell majd megfelelned. (Részletek a lenti videóban.)

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

A kurzus egy nagy tesztfeladattal zárul, amelyet egy junior data scientist állásinterjú feladatának a szintjére lőttem be. Ha elküldöd a megoldásodat nekem, akkor személyesen (egy egy órás 1-on-1 Skype beszélgetésben) értékelem azt. Ez alapján egész pontos visszajelzést fogsz kapni arról, hogy milyen szintre jutottál el a 3 hónapos képzés végére.

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 ~120-150 órányi beletett önálló munkára lesz szükség a Te oldaladról. 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) Online képzés -- de mégis élő. Az elmúlt évek tapasztalata alapján arra jutottam, hogy az online képzés sokkal jobb formátum mint az élő. Online mindenki a saját ritmusában tud haladni. Valaki munka után csinálná a képzést, valaki munkaidőben, valaki hétvégén. Valaki egy órás blokkokban dolgozik az anyagokon, valaki egy teljes napot szán rá egyszerre. Valaki gyorsabban halad, valaki lassan és többször újranéz egy-egy videót. Ezekre csak az online képzés formátum ad lehetőséget...

Viszont egy dolgot nem szeretek az online képzésekben: a személyesség hiányát. Ezt próbálom ellensúlyozni az 1-on-1 Skype-okkal, az élő találkozóval, az élő webináriumokkal és a legfontosabb dologgal: a folyamatos support-tal (e-mail-ben és Slack-en). Ezek az élő elemek jól pótolják az online kurzusok hiányosságait. (Egyébként ez élő elem az oka a létszám limitnek is: szeretném, ha mindenki kérdéseire jutna elég idő.)

Így a kettő elem együtt, úgy érzem, hogy egy jó egészt alkot.

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 Akadémiával 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.)