AboutData публикует список образовательных курсов и полезных ссылок для тех, кто хочет развиваться в сфере анализа больших данных.
Бакалавриат
Бакалавриат «Анализ данных» МФТИ и «Яндекса»
Поступить может любой студент ФИВТ (Факультет инноваций и высоких технологий в МФТИ), окончивший 2 курс и прошедший конкурсный отбор по среднему баллу обучения.
Технопарк Mail.ru Group и МГТУ им. Баумана
Поступить могут студенты или аспиранты любого курса и факультета МГТУ.
Магистратура
МГУ, магистерская программа «Интеллектуальный анализ больших данных»
Поступить может бакалавр или специалист (желательно по направлениям прикладной математики, информационных технологий и программирования).
МГУ, магистерская программа «Большие данные: инфраструктуры и методы решения задач»
Поступить может бакалавр или специалист (желательно по направлениям прикладной математики, информационных технологий и программирования).
ВШЭ, магистерская программа «Науки о данных»
Поступление на программу возможно на общих основаниях (по результатам вступительных экзаменов) или по олимпиаде для студентов и выпускников вузов. Олимпиада проводится ежегодно в феврале-марте, в ней могут принять участие студенты, завершающие обучение по образовательным программам высшего профессионального образования, а также лица с высшим образованием, имеющие степень бакалавра или специалиста.
ВШЭ, магистерская программа «Интеллектуальный анализ данных»
Поступление на программу возможно на общих основаниях (по результатам вступительных экзаменов) или по олимпиаде для студентов и выпускников вузов. Документы принимаются с 1 июня по 20 июля 2017 года включительно. Участие в Олимпиаде бесплатное. Время проведения: 18-19 марта 2017 года. Регистрация откроется в декабре 2016 года.
ВШЭ, магистерская программа «Системы больших данных»
Обучение ведется на английском языке. Поступление на программу возможно на общих основаниях (по результатам вступительных экзаменов) или по олимпиаде для студентов и выпускников вузов. Олимпиада проводится ежегодно в феврале/ марте, в ней могут принять участие студенты, завершающие обучение по образовательным программам высшего профессионального образования, а также лица с высшим образованием, имеющие степень бакалавра или специалиста.
Магистратура «Анализ данных» МФТИ и «Яндекса»
Поступить в магистратуру может любой студент, имеющий диплом бакалавра или специалиста и прошедший отбор в Школу анализа данных «Яндекса».
ИТМО, Экстренные вычисления и обработка сверхбольших объемов данных
Обучение ведется на английском языке. Поступить может бакалавр или специалист (желательно по направлениям прикладной математики, информационных технологий и программирования), владеющий численными методами и технологиями программирования. Зачисление производится на конкурсной основе по результатам сдачи междисциплинарного экзамена.
СПБГУ, магистратура «Исследование операций и системный анализ»
Поступить может бакалавр или специалист, владеющий численными методами и технологиями программирования.
МФТИ, магистратура кафедры «Интеллектуальные системы»
Правила приема студентов описаны здесь.
Профессиональная переподготовка
Онлайн-программа профессиональной переподготовки от Санкт-Петербургского Академического университета РАН и Института биоинформатики
Чтобы поступить на программу достаточно иметь аккаунт на платформе Stepik.org и оплатить обучение. Студенты получают диплом о профессиональной переподготовке СПбАУ РАН. Диплом выдается только при наличии документа о высшем или среднем специальном образовании на момент завершения программы. В дипломе будет указано, что получивший может вести профессиональную деятельность по специальности «Анализ данных».
Офлайн-курсы
Школа анализа данных «Яндекса», отделения «Анализ данных», «Компьютерные науки» и «Большие данные»
Рассчитана на студентов и выпускников инженерных и математических специальностей, готовых несколько раз в неделю посещать вечерние занятия. Требуется хорошая математическая подготовка. Можно учиться заочно.
Программа «Специалист по большим данным» New Professions Lab в Digital October
Для поступления необходимо уметь программировать на языках высокого уровня (в частности на Python 2), базовые знания Linux, понимание принципов работы языка запросов SQL и знание теории вероятностей и статистики в объеме 1-2 семестров технического вуза.
Онлайн-курсы
Новичкам
- Курсы на Dataquest — бесплатно
- Курсы на DataCamp — бесплатно
- Курсы на Stepik — бесплатно
На русском языке
- Ключевые концепции анализа данных от ВШЭ — бесплатно
- 9 курсов по data science от Университета Джонса Хопкинса — платно
- Анализ данных в R — бесплатно
- Машинное обучение и анализ данных от МФТИ — платно
- Нейронные сети — бесплатно
На английском языке
- Месячный курс по big data от MIT — платно
- Введение в науку о данных от MIT — бесплатно
- Введение в big data от Калифорнийского университета в Беркли — бесплатно
- Магистратура информации и науки о данных Калифорнийского университета в Беркли — платно
- Введение в науку о данных Вашингтонского университета — бесплатно
- Курс Гарвардского университета по data science — бесплатно
- 5 курсов по data mining от Иллинойского университета — бесплатно
- Курс Эндрю Энга из Стэнфордского университета по машинному обучению — бесплатно
- Введение в data science — бесплатно в триал-версии
- Машинное обучение —бесплатно
- Анализ данных — совместный проект Udacity и Facebook — платно
- Визуализация данных и D3.js на Udacity — бесплатно
- Введение в Hadoop и MapReduce — бесплатно
- Анализ данных в R — бесплатно
- Пересечение данных MongoDB — бесплатно
Полезные ссылки новичкам
- Вводная статья по Data Science от проекта Kaggle
- IBM Hub
- Fivethirtyeight
- R-Bloggers
- Simply Statistics
- Edwin Chen
- Hunch
- Open Source Data Science Masters
- Datatau
- Data Science Weekly
- Исследования Уортонской школы бизнеса при Пенсильванском университете
Сообщества
- Российское сообщество MLClass.ru
- Хаб на Habrahabr
- Massive Data от «Сбербанка»
- Kaggle
- Data Science на Quora
- Machine Learning на Reddit
- Cross Validated
- Metaoptimize
- KDNuggets
Книги
На русском языке
- «Статистика для всех» Сары Бослаф
- «Большие данные» Виктора Майер-Шенбергера и Кеннета Кукьера
- «Нейронные сети. Полный курс» Саймона Хайкина
- «Просчитать будущее: Кто кликнет, купит, соврёт или умрёт» Эрика Сигеля
- «Наглядная статистика. Используем R!»
На английском языке
Статистика и машинное обучение:
- James, Witten, Hastie, Tibshirany. Introduction into Statistical Learning (PDF)
- Hastie, Tibshirany, Friedman. Elements of Statistical Learning (PDF)
- C.M.Bishop. Pattern Recognition and Machine Learning
- K.Murphy. Machine Learning: a Probabilistic Perspective
Временные ряды:
- Ch.Chatfield. The Analysis of Time Series: An Introduction. 6th edition. 2003
- Ch.Chatfield. Time series forecasting. 2000
Нейронные сети: