Академија за
Data Science
Math & Statistics | Deep Learning | Python | Machine Learning
• Работа на реални проекти
• Асистенција во барање на работа
• Пријатна атмосфера за учење и тим


Академија за Data Science
Math & Statistics | Deep Learning | Python | Machine Learning
• Работа на реални проекти
• Асистенција во барање на работа
• Пријатна атмосфера за учење и тим
Зошто Data Science во Brainster?

Дигитална платформа за учење
Централизирано место за споделување на сите материјали, задачи, проекти, известувања во рамки на и по завршување на програмата. Алатка која го олеснува процесот на далечинско учење на студентите, а воедно и процесот на пренесување на знаењето од страна на инструкторите.
Менторски пристап
При учење, при решавање на предизвици и при работа на реални проекти студентите имаат во континуитет менторска поддршка од страна на нивните инструктори со цел да го утврдат знаењето кое го стекнуваат и да развиваат дополнителни вештини во областа која ја учат.
Градење на mindset
Развивање на начин на размислување и пристап кон проблеми преку многу предизвици, hands-on учење и работа на реални проекти. Охрабрување на истражувачки дух кај студентите и mindset на континуирано подобрување и доживотно учење.
Кариерна подготовка
Модул во рамки на секоја програма составен од работилница, сесии и симулации преку кои студентите учат од гостински предавачи - HR професионалци како најдобро да ги демонстрираат своите знаења и вештини во процесот на апликации за работа или пракса, како да ги развијат своите меки вештини и како да работат и комуницираат со клиенти и различни профили на професионалци.
ДИГИТАЛНА ПЛАТФОРМА ЗА УЧЕЊЕ
Централизирано место за споделување на сите материјали, задачи, проекти, известувања во рамки на и по завршување на програмата. Алатка која го олеснува процесот на далечинско учење на студентите, а воедно и процесот на пренесување на знаењето од страна на инструкторите.
ГРАДЕЊЕ НА MINDSET
Развивање на начин на размислување и пристап кон проблеми преку многу предизвици, hands-on учење и работа на реални проекти. Охрабрување на истражувачки дух кај студентите и mindset на континуирано подобрување и доживотно учење.
МЕНТОРСКИ ПРИСТАП
При учење, при решавање на предизвици и при работа на реални проекти студентите имаат во континуитет менторска поддршка од страна на нивните инструктори со цел да го утврдат знаењето кое го стекнуваат и да развиваат дополнителни вештини во областа која ја учат.
КАРИЕРНА ПОДГОТОВКА
Модул во рамки на секоја програма составен од работилница, сесии и симулации преку кои студентите учат од гостински предавачи – HR професионалци како најдобро да ги демонстрираат своите знаења и вештини во процесот на апликации за работа или пракса, како да ги развијат своите меки вештини и како да работат и комуницираат со клиенти и различни профили на професионалци.
Зошто кариера во Data Science?
56%
отворени работни места
топ 6
$130k
на интернационално ниво
Твојот профил е совршен за академијата ако си:




Зошто Brainster?



Brainster низ бројки

Искуството во Brainster










Реални проекти
Computer Vision
Проектот опфаќа модел што препознава лица со и без маски во живо и притоа им ја утврдува возраста. Кодот кој тимот го искуца, како бесплатен ресурс, може да се имплементира за препознавање на лице што носи маска во реално време во систем за надзор и ќе помогне во следење на однесувањето на носењето маска на јавни места, како што се трговски центри, супермаркети, институции итн.
NLP Chatbot - Rubik
Мотивот за развој на Рубик е потребата да се обезбеди повисоко ниво на услуга за потенцијалните клиенти на Brainster. Успешната имплементација ќе значи одговор на прашањата на потенцијалните клиенти автоматски во реално време што ќе ослободи време на вработените да се посветат на поквалитетни работни задачи. Преку усвојувањето на модерни технологии во работењето Brainster ќе се потврди во улога на ”early adopter” и добар пример за компаниите кои работат на македонскиот пазар.
Bank Marketing со социо-економски контекст
Целта на проектот беше да се направи модел со кој ќе се предвиди дали одреден клиент ќе склучи договор за депонирање средства или не. (Тоа го добивме со користење на повеќе алгоритми.) Од друга страна, пак, доколку би се вовела повторно телемаркетинг кампања таа би таргетирала клиенти кои најверојатно би депонирале средства, а и самата кампања би се одвивала во оние временски периоди најповолни за депонирање, според историските податоци од претходната кампања.
BI Analysis
Business Intelligence е еден од најатрактивните модули на Академијата за Data Science порaди фактот што наоѓа примена во сите домени на работење. Како доказ за тоа колку се големи BI можностите, во оваа блог објава ви го претставуваме проектот изработен од Филип и Александар, студенти од нашата Академија за Data Science, кој има за цел преку детална анализа на податоците објективно да реши една од најголемите спортски дилеми на денешницата – Кој е кошаркарскиот G.O.A.T меѓу Мајкл Џордан и Леброн Џејмс, но во моментите кога тоа е најпотребно?
Компании партнери за ко-иновирање и вработување



























Co-innovation
Во делот на ко-иновирање, компаниите и организациите имаат можност да аплицираат со идеја и да добијат тимови на наши талентирани студенти, кои со поддршка од искусни ментори, ќе ја преточат таа идеја во иновативно решение подготвено за користење.

Hiring
Во делот за вработување, компаниите имаат можност да пристапат кон нашата огромна база на талентирани студенти од различни области или пак директно да нè контактираат, со цел да добијат персонализиран избор на студенти во согласност со потребите на компанијата.

Co-innovation

Hiring
Во делот за вработување, компаниите имаат можност да пристапат кон нашата огромна база на талентирани студенти од различни области или пак директно да нè контактираат, со цел да добијат персонализиран избор на студенти во согласност со потребите на компанијата.
Детали за академијата
Достапни термини
УПИСИ ВО ТЕК
2450€
ПОЧЕТОК
25-ти Октомври 2021
- Уште 1 слободно место
Закажи повик
Алатки кои ќе ги научиш на академијата




Модули на академијата
-
Модул 1
Инженерство со податоци (SQL)
Вовед во релациони податочни бази Техники за манипулирање на податоци Креирање на процедури и функции за автоматизирање на податоци Креирање на податочни бази Разбирање на природата на податоците за правење на подобри анализи Проект
Времетраење: 4 недели -
Модул 2
Python за Data Science
Вовед во Python и работната средина за Python код Методи и практики за манипулација со податоци Импортирање на библиотеки како што се Numpy, Pandas, Seaborn, Matplotlib Имплементирање на алгоритми при анализа на податоци и машинско учење. Практични вежби и проект Алатки кои ги вклучува овој модул се:
Времетраење: 8 недели -
Модул 3
Математика и статистика
Вовед во линеарна алгебра, калкулус, интеграции, дескриптивна статистика, хипотези и работење со интервали на доверба
Работење со математички алатки за разбирање на машинското учење и развивање дополнителни вештини.
ПроектВреметраење: 8 недели
-
Модул 4
Машинско учење
Вовед во машинско учење и каде може да се користи Supervised, unsupervised and reinforcement learning Вовед во табуларни податоци, регресија и класификација Hands-on длабоки невронски мрежи (DNN) и компјутерската визија (препознавање, идентификување, класифицирање и реагирање на објекти со помош на AI) и NLP (Natural Language Processing). Времетраење: 12 недели
-
Финален проектВреметраење:
3 недели
-
Модул 1
Инженерство со податоци (SQL)
Вовед во релациони податочни бази Техники за манипулирање на податоци Креирање на процедури и функции за автоматизирање на податоци Креирање на податочни бази Разбирање на природата на податоците за правење на подобри анализи Проект Времетраење: 4 недели
-
Модул 2
Python за Data Science
Вовед во Python и работната средина за Python код Методи и практики за манипулација со податоци Импортирање на библиотеки како што се Numpy, Pandas, Seaborn, Matplotlib Имплементирање на алгоритми при анализа на податоци и машинско учење. Практични вежби и проект Алатки кои ги вклучува овој модул се: Времетраење: 8 недели
-
Модул 3
Математика и статистика
Вовед во линеарна алгебра, калкулус, интеграции, дескриптивна статистика, хипотези и работење со интервали на доверба
Работење со математички алатки за разбирање на машинското учење и развивање дополнителни вештини.
ПроектВреметраење: 8 недели
-
Модул 4
Машинско учење
Вовед во машинско учење и каде може да се користи Supervised, unsupervised and reinforcement learning Вовед во табуларни податоци, регресија и класификација Hands-on длабоки невронски мрежи (DNN) и компјутерската визија (препознавање, идентификување, класифицирање и реагирање на објекти со помош на AI) и NLP (Natural Language Processing). Времетраење: 12 недели
-
Финален проектВреметраење:
3 недели
Типична работна недела на Академијата


Запознај ги инструкторите на Академијата за Data Science
-
Blagoj Kostovski
SQL Instructor
Teach Lead in Seavus with 15+ years of experience in MS SQL Server, design and implementation of data.
-
Filip Nikolovski
Math & Stats Instructor
AP/IB Math & Stats teacher at the St. Cyril and Methodius University with 10+ years of experience in the field.
-
Marko Karbevski
Machine Learning Instructor
Data Scientist from the private sector with 5+ years of experience. Passionate about discovering & learning new theory, and channelling it into concrete solutions for end-users to benefit from.
-
Viktor Domazetoski
Machine Learning Instructor
Researching methods from Machine Learning, Statistics and Complex Networks and their application in Ecology, Neuroscience and Economics with 4+ years of experience.
-
Ivan Stoickov
Python Instructor
Data science and Web developer with demonstrated implementation of Machine Learning Models with 5+ years of experience in Python.
-
Blagoj Kostovski
SQL Instructor
Teach Lead in Seavus with 15+ years of experience in MS SQL Server, design and implementation of data.
-
Filip Nikolovski
Math & Stats Instructor
AP/IB Math & Stats teacher at the St. Cyril and Methodius University with 10+ years of experience in the field.
-
Marko Karbevski
Machine Learning Instructor
Data Scientist from the private sector with 5+ years of experience. Passionate about discovering & learning new theory, and channelling it into concrete solutions for end-users to benefit from.
-
Viktor Domazetoski
Machine Learning Instructor
Researching methods from Machine Learning, Statistics and Complex Networks and their application in Ecology, Neuroscience and Economics with 4+ years of experience.
-
Ivan Stoickov
Python Instructor
Data science and Web developer with demonstrated implementation of Machine Learning Models with 5+ years of experience in Python.
Student Success Центар
- Aктивно учење
- Градење на професионално портфолио
- Кариерна подготовка
- Подготовка на резимеа и апликации за пракса или вработување

Student Success менаџер на Академијата за Data Science
Размислуваш дали Data Science е вистинскиот избор за тебе?

Цена и термини
Достапни термини
УПИСИ ВО ТЕК
2450€
ПОЧЕТОК
25-ти Октомври 2021
- Уште 1 слободно место
Закажи повик
Апликација во 3 лесни чекори

Пополни ја електронската пријава

Договори термин за информативна средба

Започни со учење на бесплатната предпрограма
Сакаш да плаќаш на рати?
No worries, we got your back.
Mожност на плаќање на 20 рати без камата и можност за исплаќање на дел од сумата по вработување
Калкулатор на рати
Плаќање на 20 месечни рати
€2450
Brainster 360°


ЧПП
Q Кој вид на опрема, перформанси, би ми требале за успешен почеток на академијата (компјутер, лаптоп)?
A
Би било добро да имаш процесор кој е I5 + генерација, 8GB + RAM, SSDQ Дали е можно пријавување само online или е потребно да се дојде лично до Скопје за да се поднесе апликацијата со соодветните документи?
A
Може да се пријавиш и online.Q Колку време треба да посветам на учење надвор од рамките на Академијата ?
A
Од 10 до 15 часа неделно
