U ovoj sekciji možete pronaći nejčešće postavljana pitanja:
Zašto DS?
Data scientist je najtraženiji IT posao u 2017. i 2018. godini. I prvi na listi najboljih poslova po glassdoor izveštaju.
Razlika između developer i data scientist pozicija?
DS piše kod da bi došao do rešenja a developer da bi izgradio posao. DS skoro nikada nije trivijalan posao (nema crtanja formi, pukog čitanja i upisivanja u DB).
Razlika u plati?
Glassdoor daje 20% veću platu za DS nego SE. Prosek na freelancer marketplace-ovima je za oko 40% veći po satu za DS po www.salary1.com. Medijan godišnjih plata u US je preko 110.000 USD.
Da li je DS za mene?
Ako volite podatke i matematiku više od kuckanja koda ili crtanja interfejsa — DA. Ako volite da rešavate kompleksne probleme — DA. Ako mislite da je kod samo alat a ne svrha sistema — DA. Ako volite domenske više od infrastrukturnih problema — DA. Ako vam je dosadilo da radite na transakcionim sistemima — DA.
Da li je potrebno duboko znanje matematike?
Ne. DS operiše na nivou razumevanja i uklapa i optimizuje postojeće metode. Početni, univerzitetski, nivo razumevanja makar i inunuitivnog je dovoljan. Potrebno je da znate da čitate formule da znate šta je vektor, šta matrica, šta je verovatnoća…
Šta treba da znam da bi uspešno pratio kurs?
Osnove programiranja Python-a. Osnovna razumevanja matematičkih formula. Razumevanje podataka i osnovne operacije maninuplacije podataka. Razumevanje šta je baza podataka, šta je csv fajl, šta su tipovi podataka, šta je funkcija, osnove objektno-orijentisanih sistema.
Šta dobijam posle kursa?
Dovoljno znanja i referenci za početak DS karijere. Bilo to kroz pronalaženje novog data science posla ili pokretanje data science projekata u Vašoj organizaciji. Kroz praktične primere bićete u stanju da uspešno rešavate probleme na intervijuima za DS posao; a kroz data-hackatlon razvićete projekat koji pruža uvid u Vaša znanja.
Koliko vremena zahteva kurs?
Predavanja su vikendom, subota ceo dan (tri dela od oko 9-10 časova) i nedelja do popodne (oko 4-5 časova). Tokom nedelje opterećenje za domaće zadatke je oko 2-3 sata. 1-na-1 mentorski rad je 2 časa svake 2 nedelje.
Zašto vikendom i toliko dugo?
DS je kompleksna oblast i potrebno je vreme da se razumeju i slegnu detalji. Intenzivna predavanja (celodnevna) sa dužom pauzom (nedelju dana) između pokazala su se kao rešenje koje ostavlja najmanje nedoumica u početnom data sceince radu. Mentorski rad je specifično dizajniran da pomogne polaznicima da razumeju sve detalje koje su im bili nejasni u toku kursa i pomogne oko zadataka.
Zašto hakatlon?
Jedan od čestih slučajeva u traženju DS pozicija je zahtev za prikazivanjem i demonstriranjem vašeg rada. Kroz dvodnevni hakatlon želimo da naši polaznici imaju konkretan, završen i kvalitetan projekat koji mogu uvek da prikažu zainteresovanim poslodavcima ili intreno demonstriraju.
Ko su predavači?
Predavači imaju bogato iskustvo u DS uključujući doktorate u oblasti sa nekih od najboljih univerziteta u svetu. Svi su na dnevnoj bazi ukljuceni u izgradnji živih large-scale data science sistema.
Za koga?
Kamp je namanjen ljudima iz prakse (developerima, analitičarima) koji dolaze za nekim predznanjem iz programiranja, matematike, i rada sa podacima. Nekakav profil ljudi za koje je kurs namenjen je:
- 2-5 godina radnog iskustva kao programer (nije bitno da kakav profil), analitičar (neko ko koristi više od sabiranja u ekselu);
- osnovno poznavanje programiranja (Python); kurs se nćce baviti osnovnim programerskim stvarima i očekujemo da ljudi znaju da napišu, pokrenu i razumeju kod.
- određeni nivo znanja iz oblasti matematike; kurs se neće baviti objašnjavanjem nekih osnovnih matematičkih pojmova (tipa šta je linearni sitem jednačina, kako se rešava; šta je matrica, šta vektor i slično; ovi pojmovi će se koristiti a podrazumevano je da polaznici znaju o čemu se priča)
- ovi uslovi su negde izmedju strogih i fleksibilnih i ukoliko je neko spreman da paralelno ili unapred nadoknadi ili se podseti o nekim temama to je u redu, ali nece biti obuhvaćeno u okviru kursa;
Šta se nudi polaznicima:
- operativno znanje iz DS u početnom nivo dovoljnom da se funkcionalno radi/konkurise na junior DS pozicije
- sposobnost da se samostalno (ili u okviru organizacije) pokrene i implementira smisleni i usmereni DS projekat
- mentorisani (nadgeldani) projekat koji ce se hostovani od strane kampa za prikaz stečenih znanja korisnika
Stečena znanja:
- Eksplicitne tehnologije: sckit-learn, numpy, spark, elasticsearch, ipython, mlib
- Rešavanje problema: predviđanja i klasifikacije podataka (automatic data classification and prediction) , grupisanja i opisivanja podataka (description, clustering and segmentation),search engines i obrada prirodnog jezika (natural language processing, elasticsearch), recommender systems (sistemi za preporučivanje).
Prijavu za kurs možete popuniti klikom na link PRIJAVI SE!