Запрет складчины

​

Полный курс по работе с базой данных PostgreSQL
Курс включает в себя все инструменты, которые могут пригодиться как разработчику, так и администратору: управление доступом, резервное копирование, репликация, журналирование, работа со статистикой, способы масштабирование, а также работа PostgreSQL в облаках (AWS, GCP, Azure) и в Kebernetes

Курс обеспечивает глубокое погружение в PostgreSQL, чтобы проектировать базы данных так, чтобы впоследствии не приходилось тушить пожары в результате не оптимально заложенных основ.

Цель курса — научить слушателя эффективно работать с PostgreSQL:

В результате обучения выпускники смогут уверенно работать с PostgreSQL, создавать оптимальные запросы и разбираться с некорректными, работать с индексами, оптимизировать, профилировать и обновлять базы данных.

1. Получите навыки которые позволят работать в качестве PostgreSQL DBA - устанавливать, настраивать, поддерживать и развивать БД под управлением PostgreSQL;
2. Научитесь работать с PostgreSQL в различных средах - на базе собственной физической и виртуальной инфраструктуры, в кластере Kubernetes, в публичном облаке (AWS, GCP,Яндекс, Azure)

Для кого:

• для администраторов Linux, которые хотят овладеть или улучшить навыки PostgreSQL DBA;
• для администраторов MySQL/MS SQL/Oracle Server, которые хотят овладеть навыками PostgreSQL DBA;
• для DevOps/SRE, которые хотят улучшить навыки работы с PostgreSQL и научиться новым способам работы с СУБД - Kubernetes, облака

На курсе вы:

• научитесь проектировать базы данных и создавать оптимальную структуру их хранения;
• освоите синтаксис и особенности работы в PostgreSQL;
• сможете оптимизировать медленные запросы.

Преподаватели:
Валерий Безруков
Алексей Цыкунов
Кристина Кучерова

​

Этот курс позволит вам овладеть базовым набором знаний и навыков, необходимых для старта карьеры разработчика на С++ и подготовки к основному курсу «Разработчик С++». По окончанию курса слушатели смогут пройти входной тест курса «Разработчик C++» и получить доступ к обучению. Слушатели смогут самостоятельно разрабатывать программы на языке C++.

Материалы курса представляют собой предварительно записанные в студии лекции с теоретической частью и наглядной практической работой. После каждой темы вам будет предложен тест для проверки усвоенного материала.

Введение в язык C++.
Тема 1.1. Что такое современный C++.
Тема 1.2. Базовый синтаксис языка C++.
Тема 1.3. Такие разные функции. Модульность.

Классы и алгоритмы.
Тема 2.1. Структуры и классы.
Тема 2.2. Полиморфизм и все-все-все.
Тема 2.3. Шаблоны классов и функций.

Стандартная библиотека и полезные алгоритмы.
Тема 3.1. Общий обзор стандартной библиотеки.
Тема 3.2. Подробнее о контейнерах и вводе-выводе.
Тема 3.3. Алгоритмы, которые лучше знать лучше.

Обо всём на свете, но больше всё-таки о C++.
Тема 4.1. Зачем в процессоре более одного ядра или разговор о многопоточности.
Тема 4.2. Исключения есть всегда и C++ не исключение.
Тема 4.3. Модель клиент-сервер и разбор реализации.

При успешном прохождении курса вы получите приглашение в Slack сообщество и возможность приобрести со скидкой основной курс «Разработчик С++» без прохождения вступительного теста (при 80 % и более правильных ответов на тесты подготовительного курса).

[Otus]с минимальными знаниями программирования, которые хотят начать свою карьеру в разработке на языке С++.

Курс поможет выработать базовые навыки разработки программного обеспечения на языке C++, сборки проектов в различном окружении, решения часто встречающихся при разработке проблем.

Данный курс позволит вам овладеть базовым набором знаний и навыков, необходимых для старта карьеры разработчика на С++ и подготовки к основному курсу «Разработчик С++».
По окончанию курса слушатели смогут пройти входной тест курса "Разработчик C++" и получить доступ к обучению.
Слушатели смогут самостоятельно разрабатывать программы на языке C++.

Материалы курса представляют собой предварительно записанные в студии лекции с теоретической частью и наглядной практической работой. После каждой темы вам будет предложен тест для проверки усвоенного материала.

Курс состоит из 4 модулей, в рамках которых рассмотрены следующие темы:

Введение в язык C++.
Тема 1.1. Что такое современный C++.
Тема 1.2. Базовый синтаксис языка C++.
Тема 1.3. Такие разные функции. Модульность.

Классы и алгоритмы.
Тема 2.1. Структуры и классы.
Тема 2.2. Полиморфизм и все-все-все.
Тема 2.3. Шаблоны классов и функций.

Стандартная библиотека и полезные алгоритмы.
Тема 3.1. Общий обзор стандартной библиотеки.
Тема 3.2. Подробнее о контейнерах и вводе-выводе.
Тема 3.3. Алгоритмы, которые лучше знать лучше.

Обо всём на свете, но больше всё-таки о C++.
Тема 4.1. Зачем в процессоре более одного ядра или разговор о многопоточности.
Тема 4.2. Исключения есть всегда и C++ не исключение.
Тема 4.3. Модель клиент-сервер и разбор реализации.

При успешном прохождении курса вы получите приглашение в Slack сообщество и возможность приобрести со скидкой основной курс «Разработчик С++» без прохождения вступительного теста (при 80 % и более правильных ответов на тесты подготовительного курса).

Курс разработан для людей, с минимальными знаниями программирования, которые хотят начать свою карьеру в разработке на языке С++.

Курс поможет выработать базовые навыки разработки программного обеспечения на языке C++, сборки проектов в различном окружении, решения часто встречающихся при разработке проблем.

​

Что даст вам этот курс:
Курс рассчитан на Android-разработчиков с опытом работы от 1 года, со знанием Java или Kotlin.

Вы научитесь:

• Глубоко разбираться в Android SDK. Разница между junior- и senior-разработчиками в том, что первый может реализовать какую-то фичу, а второй может объяснить, что скрывается за каждой строкой кода этой фичи, найти потенциальные проблемные места и оптимизировать их. Вы узнаете, что происходит внутри классов и методов Android SDK, сможете заметно ускорить свое приложение, выбрать оптимальный алгоритм шифрования для вашего приложения, и организовать безопасное хранилище секретных данных.
• Организовывать инфраструктуру. Разворачивать системы continuous integration и continuous delivery, выстраивать git flow, поднимать Docker-контейнеры и Jenkins внутри них. Научитесь внедрять и настраивать линтеры и чекстайлы для проверки качества кода. Сможете писать свои Gradle таски и плагины для автоматизации и оптимизации процессов сборки и тестирования.
• Проектировать архитектуру приложения. Вы узнаете сильные и слабые места паттернов и архитектурных решений, научитесь правильно выбирать архитектурный паттерн для вашего приложения. Освоите GoF, MV* шаблоны для Android и принципы Clean Architecture. Научитесь проектировать мультимодульную архитектуру и проводить рефакторинг legacy кода.
• Тестировать приложения. Недостаточно просто уметь писать тесты. Важно приучиться писать надежный и протестированный код, интеграционные тесты и UI-тесты. Рассмотрим популярные фреймворки для тестирования и подходы к написанию тестов.
• Использовать современные библиотеки и фреймворки На профессиональном уровне освоите Dagger 2 и RxJava 2, сможете правильно организовывать DI в приложении с использованием Dagger 2, писать собственные операторы в RxJava и т.д.Глубокое погружение в промышленную Android-разработку
  Весь курс построен на языке Kotlin
  Много практики и живого общения с преподавателями
  Глубокое изучение Gradle, Dagger 2, RxJava 2, а также процесса тестирования Android-приложений
  Выстраивание инфраструктуры «с нуля»
  Проектирование архитектуры приложений

Необходимые знания:

• Опыт разработки под Android от 1 года
• Знание Java Core или Kotlin
• Знакомство с системой контроля версий git
• Знакомство с популярными фреймворками: Dagger, RxJava, Android architecture components
• Опыт работы с сетью и хранилищами данных в Android
• Понимание принципов RESTful API

3 Architecture

1 Design patterns
GoF паттерны, publisher/ subscriber, LRU etc. После этого занятия вы научитесь применять на практике часто используемые паттерны проектирования из GoF, паттерны многопоточного взаимодействия и синхронизации, кеширования и т.п.

2 MV* patterns in Android
Архитектурные паттерны: MVP/ MVVM/MVI. После занятия вы сможете подбирать нужный архитектурный проект и собирать проект на основе данной архитектуры.

3 Clean Architecture
После занятия вы сможете выстраивать архитектуру в соответствии с принципами Clean Architecture сформулированными Бобом Мартином.

4 Android Architecture
Components LifecycleOwner, LiveData, Room, Paging, ViewModel. После занятия вы сможете применять AAC в своих приложениях, адаптировать их под конкретно выбранную архитектуру.

5 Dagger 2
Dagger2, Dagger2 Android Injector. Вы сможете правильно организовывать DI в приложении, используя Dagger2.

6 RxJava 2
После занятия вы научитесь применять “недооцененные” операторы, писать собственные операторы, узнаете как работают шедулеры.

7 Multimodule project
Dagger2, Gradle modules. После этого занятия вы научитесь проектировать мультимодульную архитектуру приложения.

8 Code smells + refactoring
После этого занятия вы научитесь находить плохие архитектурные решения, строить roadmap и проводить рефакторинг.

Скрытый текст. Открывается зарегистрированным пользователям.

​

Сегодня разработка архитектуры программного обеспечения является одним из главных навыков специалиста для создания масштабируемых и отказоустойчивых приложений.

Для кого этот курс:
Программа создана специально для разработчиков, Team Lead и администраторов, которые хотят научиться разрабатывать архитектуру программного обеспечения и
сложных распределенных и отказоустойчивых систем.

Фишки курса
В процессе обучения рассматриваются и типичные и не типичные проблемы в проектировании архитектуры ПО. Преподаватели поделятся лучшими практиками и решениями этих проблем. В программу входит много полезной теории, и вся она будет обязательно закрепляться практикой в рамках самостоятельной работы и онлайн-вебинаров.

После курса вы научитесь:
1. планировать архитектуру и создавать масштабируемые, fault-tolerant приложения
2. решать нетривиальные задачи, в рамках распределенных и децентрализованных систем
3. поймете, как решать проблемы в текущей, заложенной архитектуре
4. изучите классические паттерны проектирования (шардирование, репликация, и т.д.)

​

Начало занятий
25 октября, 4 месяца.

Что даст вам этот курс​

Обычно математику в вузах преподают в отрыве от реальных задач, где она в дальнейшем будет применяться. Мы пошли по другому пути. Каждый модуль профессионального курса сбалансирован математической теорией и практическими примерами, которые взяты из реальных кейсов. Вы будете решать задачу регрессии, проводить АБ-тестирование, работать над рекомендательной системой, использовать метод опорных векторов.

Для кого этот курс?
Курс подойдет всем, кто хочет развиваться в сфере Data Science. Он поможет вам освоить весь необходимый математический аппарат для решения задач на позиции Middle/Senior Data Scientist.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

Спойлер: Программа курса :

Длительность курса: 132 академических часа

Модуль 1 Линейная алгебра

1 Введение 1.
Математика в
DataScience
понимание, что быть успешным Datascientist без
знания математики, а главное без ее понимания,
невозможно.
План и структура этого курса.
Знакомство с преподавателем
Математика для Data
Science. Продвинутый
курс
Best Practice по изучению математического аппарата,
необходимого для успешной карьеры в Data Science

2 Введение 2.
Основные
термины и
определения
математического
анализа,
линейной
алгебры и
теории
вероятностей
— Базовые термины матанализа (предел,
непрерывность функции, дифференциал)
— Базовые термины линейной алгебры (вектор,
матрица, ее виды, ранг, определитель)
— Базовые термины теории вероятности
(определение вероятности, мат.ожидание,
дисперсия)
— Установка Python, предоставление рекомендаций
по интерпретатору
— Вычисление базовых задач на Python с помощью
стандартных пакетов
Домашние задания
1 Основы линейной алгебры, мат.анализа и
теории вероятности
Цель: Цель данной домашней работы - развить
практические навыки, полученных в ходе
первого и второго уроков.
Рекомендуется сначала пройти урок 1 и 2.

3 Матрицы.
Основные
понятия и
операции
ключевые определения, операция над матрицами,
определитель, обратная матрица, вычисления
собственных значений и собственных векторов,
квадратичные формы
Домашние задания
1 Посчитать собственные числа и
вектора.

4 Геометрическая
интерпретация в
линейной
алгебре
— Геометрическая интерпретация матричных
преобразований
— Правило Крамера
— Знакоопределенность матрицы. Матрица
Маркова. Жорданова форма

5 Матричные
разложения
— Разложение SVD и ALS
— Неотрицательные разложения
— Заполнения пропусков в матрицах
Домашние задания
1 Разложить матрицу в SVD.
Цель: Для матрицы A=[3 7] выполнить
сингулярное разложение в python с
использованием библиотеки numpy (функция
linalg.svd). Записать получившуюся матрицу
преобразования. [5 2]
1. Установить набор библиотек Anaconda for
Python 3.7: Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
2. Запустить графическую среду Ipython
Notebook (написав в терминале ipython
notebook, либо используя графический
интерфейс Anaconda)
3. Отразить код задания в Ipython Notebook
4. Прислать ссылку на репозиторий, в котором
будет выложен Ipython Notebook с решением
задачи

6 Матричные
производные
— Матричные производные
— Дифференциальные уравнения в матрицах

7 Применение
линейной
алгебры в Data
Science.
классификация данных с SVM и Logistic Regression
Домашние задания
1 Повторить вычисления с занятия в Python на
других данных.

8 Применение
линейной
алгебры в
Machine
Learning
обработка изображений и линейная алгебра

Модуль 2 Математический анализ
1 Теория множеств — Вероятностные пространства. Дискретное
пространство элементарных исходов
— Вероятность на числовой прямой и
плоскости. Правило сложения и умножения

2 Метрические
пространства
— Понятие метрического пространства.
— Определение нормированного
пространства, понятие нормы, отличие от
метрики, примеры нормированных
пространств.
— Норма в оптимизации
Домашние задания
1 Свойство метрики. Вычислить простые
операции над множеством.

3 Теория пределов — Определение Коши.
— Определение Пиано.
— Вычисление пределов функций.
— Асимптотические функции.
— Эквивалентные функции.
— Оценка сложности функции

4 Дифференцирование — Дифференцируемость функции в точке
Частные производные и дифференциалы
высших порядков
— Градиент. Матрица Гессе
Домашние задания
1 Вычисление производных и пределов
значений функции в бесконечности.

5 Оптимизация — Экстремумы функций многих переменных
— Определения точек локального и
глобального минимума. Необходимое и
достаточное условие экстремума для
выпуклых функций.
— Понятие стационарных точек и отличие в их
определении от точек экстремума

6 Минимизация и
Максимизация в
Регрессиях
— МНК
— ММП
Домашние задания
1 Максимизация функции с ограничениями.
Минимизация квадрата ошибки.

7 Интегрирование — Неопределенный интеграл. Определенный
интеграл
— Приложения определенного интеграла и
приближенные методы его вычисления
— Несобственные интегралы. Двойные
интегралы
— Приближенные методы интегрирования

8 Применение
Мат.анализа в ML
— Покоординатный спуск
— Градиентный спуск
— Адаптивные варианты градиентного спуска
— Ньютоновские методы, BFGS
Домашние задания
1 Поиск экстремума с
Python.

9 Применение
Мат.анализа в ML
— Линейная регрессия и разные подходы к
оптимизации (градиентный спуск, bounds, итд.)
— Нелинейная регрессия (реализация на
нейронных сетях) и разные подходы к
оптимизации
10 MidTerm проверочная работа.
В ходе занятия будет предоставляться от 2-х
до 5-ти минут на решение практической
задачи. По истечению отведенного времени
преподаватель решает задание на экране

Модуль 3 Теория вероятностей
1 Комбинаторика
и Основы
теории
вероятностей
— Принцип Дирихле. Перестановки. Размещения.
Сочетания.
— Опыт и его исходы. Пространство элементарных
событий. Вероятность события.
— Независимость событий. Условная вероятность.
Формулы сложения и умножения.
— Формулы полной вероятности и Байеса

2 Случайные
величины
— Случайная величина
— Дискретные и непрерывные случайные величины
— Закон распределения случайной величины и
способы его описания
Дискретные и непрерывные распределения
— Функция распределения и её свойства
— Распределение Бернулли
— Биномиальное распределение
— Моделирование на Python дискретное
распределение (для задачи МонтеКарло)
Домашние задания
1 Вычислить мат.ожидание, написав программный
код в Python.

3 Непрерывные
случайные
величины
— Основные законы распределения и их физический
смысл: биномиальное, пуассоновское,
экспоненциальное, равномерное, гауссовское
— Компьютерное моделирование различных
распределений

4 Теоремы — Случайные последовательности и сходимость
— Теорема Пуассона для схемы Бернулли
— Закон больших чисел (Чебышева, Бернулли,
Хинчина)
— ЦПТ Локальная, ЦПТ Линдеберга, ЦПТ Ляпунова
— Точечные оценки и их свойства
Домашние задания
1 Задачи на предыдущие темы курса:
максимизировать функцию. Отнормировать
относительно среднего. Вычислить количество
возможных повторений.

5 Точечное и
интервальное
оценивание
— Асимптотическая нормальность оценок
— Доверительные интервалы. Принцип построения
доверительных интервалов

6 Проверка
гипотез
— Проверка статистических гипотез. Формулировка
гипотез.
— Проверка гипотезы о законе распределения
выборки. Критерий согласия Пирсона.
— Проверка гипотезы о независимости двух
номинальных признаков. Критерий хи-квадрат

7 Проверка
гипотез. Часть 2
— Ошибки I и II рода, уровень значимости.
Статистический критерий. Построение
доверительной и критической областей. P-value
— Проверка гипотезы о вероятности успеха в схеме
Бернулли. Биномиальный критерий

8 Виды
зависимостей
— Виды зависимостей случайных величин:
функциональная, причинно-следственная,
статистическая, корреляционная. Различия и связь
между ними.
— Условные распределения

9 Регресии — Линейные, многомерные, логистические регрессии
— МНК, ММП, ММ
Домашние задания
1 Построить линейную регрессию в
Python.

10 Метод главных
компонент
— Определение главных компонент, их вычисление
— Понижение размерности и отбор признаков
— Применение в задачах регрессионного анализа

11 Моделирование
случайных
величин
— Random Walks, практические методы
— Вероятностный классификатор: Logistic
Regression, Random Forest, Gradient Boosting
— Вероятностные Нейронные Сети

12 Моделирование
случайных
величин.Часть 2
— Random Walks, практические методы
— Вероятностный классификатор: Logistic
Regression, Random Forest, Gradient Boosting
— Вероятностные Нейронные Сети
Домашние задания
1 Провести Монте-Карло симуляцию для
вычисления числа Пи.

Модуль - 4 Проектная работа
1 Консультация
по проекту
обсуждение кейса из практики
Домашние задания
1 Проектная
работа

2 Консультация
по проекту
обсуждение кейса из практики

3 Защита
дипломного
проекта
обсуждение кейса из практики

Спойлер: Автор:

Преподаватели

Петр Лукьянченко
Преподаватель ВШЭ по высшей математике

Имеет более десяти лет опыта преподавания математических дисциплин в НИУ ВШЭ. Готовил студентов к международным олимпиадам по математике, участвовал в подготовке команд для соревнований по программированию.

Работал в Lamoda на должности Team Lead Analytics, принимал участие в формировании отдела бизнес-аналитики и анализа данных. Руководил проектами в госструктурах, отвечал за прогнозирование ключевых бизнес-KPI и структурирование данных большого объема. Управлял проектом по созданию математического комплекса алгоритмов 3D-картографии.

Около 3 лет работал Quantitative Research. Занимался анализом и прогнозированием временных рядов, участвовал в создании модели стохастической волатильности.

​

30 октября 2019. Длительность 4 месяца.
Что даст вам этот курс
Вы освоите основные разделы высшей математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику. После курса вы будете готовы к изучению машинного обучения.

Для поступления на курс достаточно знать математику на школьном уровне.
Знакомство с высшей математикой будет плюсом, но необязательно.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

Программа курса :
Длительность курса: 68 академических часов
Модуль 1 Математический анализ

1 Введение математика в Data Science. Цели и задачи
курса.

2 Теория пределов числовая последовательность.
Предел числовой последовательности.
Предельный переход в неравенствах.
Предел монотонной ограниченной последовательности.
Предел функции.
Математика для Data Science. Базовый курс
Изучите высшую математику для успешной карьеры в Data Science.

3 Теория пределов.
Часть II
определения и основные теоремы.
Основные теоремы о пределах.
Первый и второй замечательные пределы.
Сравнение бесконечно малых.
Эквивалентные бесконечно малые, основные теоремы и применение.

Спойлер: Продолжение описания

4 Непрерывность и Дифференцируемость функции непрерывность функции в точке.
Непрерывность функции в интервале и на промежутке.
Точки разрыва функции и их классификация.
Основные теоремы о непрерывных функциях.
Непрерывность элементарных функций.
Свойства функций, непрерывных на промежутке.

5 Первая производная определение и интерпретация производной.
Уравнение касательной к графику дифференцируемой функции.
Производная как абсолютная скорость изменений и эластичность как относительная скорость изменений.
Непрерывность дифференцируемых функций.
Производная и арифметические операции.
Производная композиции дифференцируемых функций.
Производная обратной функции.
Производные основных элементарных функций.

6 Вторая производная геометрический смысл второй производной.
Выпуклые функции.
Применение второй производной в задачах оптимизации.

7 Оптимизация функции
(одной переменной) точки возрастания, убывания, локального минимума и локального максимума числовой функции.
Интерпретации знака производной как признак точки возрастания или убывания.
Необходимое условие экстремума.

8 Теория Рядов понятие положительного, знакочередующегося и степенного рядов.
Область сходимости.
Простейшие свойства функциональных рядов.
Абсолютная и условная сходимость.

9 Теория Рядов. Часть II

10 Формула Тейлора формула Тейлора для многочлена.
Формула Тейлора для произвольной функции.

11 Неопределенное интегрирование определения и простейшие свойства.
Метод непосредственного интегрирования.
Метод интегрирования подстановкой.
Метод интегрирования по частям.

12 Определенное интегрирование понятие определенного интеграла.
Свойства определенного интеграла.
Понятие о рациональных функциях.
Интегрирование простейших рациональных дробей.
Интегрирование рациональных дробей.

13 Несобственные интегралы
понятие несобственных интегралов 1-го и 2-
го рода. Несобственные интегралы от
неотрицательных функций. Абсолютная
сходимость.
и. Дифференциалы высших порядка

Модуль 2 Линейная алгебра

1 Матрицы и элементарные операции
системы линейных уравнений. Определение
матрицы. Виды матриц. Сложение. Умножение.
Транспонирование.

2 Линейная зависимость
линейная зависимость строк (столбцов).
Основная лемма о линейной зависимости, база и ранг системы строк (столбцов).
Ранг матрицы.
Критерий совместности и определенности системы линейных уравнений в терминах рангов матриц.
Фундаментальная система решений однородной системы линейных уравнений.

3 Определитель определитель квадратной матрицы, его основные свойства.
Критерий равенства определителя нулю.
Формула разложения определителя матрицы по
строке (столбцу). Теорема Крамера о системах
линейных уравнений с квадратной матрицей

4 Обратная матрица определитель квадратной матрицы, его основные свойства.
Критерий равенства определителя нулю.
Формула разложения определителя матрицы по
строке (столбцу). Теорема Крамера о системах
линейных уравнений с квадратной матрицей.

5 СЛАУ критерий совместимости СЛАУ (теорема КронекераКапелли ).
Решение произвольных систем m
линейных уравнений с n неизвестными методом
Гаусса. Однородные САЛУ и их решение.

6 Векторная алгебра линейные векторные пространства.
Линейные преобразования.
Скалярное и векторное произведение векторов

7 Диагонализация матрицы собственные значения и собственные векторы

8 Диагонализация матрицы собственные значения и собственные векторы

9 MidTerm практическое занятие. Решение задач.

Модуль 3 Теория Вероятностей
1 Случайные события опыт и его исходы.
Пространство элементарных событий.
Вероятность события.
Независимость событий.
Условная вероятность.
Формулы сложения и умножения.
Формулы полной вероятности и Байеса.

2 Случайные величины случайная величина.
Дискретные и непрерывные
случайные величины. Закон распределения
случайной величины и способы его описания.
Моментные характеристики случайных величин.
Компьютерное моделирование необходимого
распределения.

3 Основные законы распределения
основные законы распределения и их физический
смысл: биномиальное, пуассоновское,
экспоненциальное, равномерное, гауссовское.

4 Основные законы распределения.
Часть II

5 Условные распределения
виды зависимостей случайных величин. Различия и
связь между ними. Условные распределения.

6 Точечные оценки и их свойства
точечные оценки и их свойства. Метод
максимального правдоподобия.

7 Выборочные характеристики.
Интервальные
оценки
выборочные характеристики (выборочное среднее,
выборочная дисперсия, выборочная функция
распределения, гистограмма, ядерные оценки
плотности) как оценки теоретических.
Доверительные интервалы. Принцип построения
доверительных интервалов

8 Проверка гипотез
проверка гипотезы о законе распределения
выборки. Критерий согласия Пирсона.
Проверка гипотезы о независимости двух
номинальных признаков. Критерий хи-квадрат.

9 Проверка гипотез. Часть II

10 Регрессии линейные, многомерные, логистические регрессии.
МНК, ММП, ММ.

11 Регрессии.
Часть II

Автор:
Преподаватель
Петр Лукьянченко
Преподаватель ВШЭ по высшей математике

Имеет более десяти лет опыта преподавания математических дисциплин в НИУ ВШЭ. Готовил студентов к международным олимпиадам по математике, участвовал в подготовке команд для соревнований по программированию.

Работал в Lamoda на должности Team Lead Analytics, принимал участие в формировании отдела бизнес-аналитики и анализа данных. Руководил проектами в госструктурах, отвечал за прогнозирование ключевых бизнес-KPI и структурирование данных большого объема. Управлял проектом по созданию математического комплекса алгоритмов 3D-картографии.

Около 3 лет работал Quantitative Research. Занимался анализом и прогнозированием временных рядов, участвовал в создании модели стохастической волатильности.

​

GNU/Linux – популярная операционная система, лидирующая на рынке серверного оборудования, используемая также как встраиваемая ОС в промышленном и бытовом оборудовании и даже в качестве десктопного ПО. Компоненты GNU используются и в MAC OS X, не обошлось без влияния GNU/Linux и на Windows.
Знакомство с Linux необходимо системному администратору, тестировщику, веб-программисту, специалисту по информационной безопасности, любому разработчику, претендующему на статус middle и выше.

Данный курс разбирает базовые основы работы в Linux: основы работы в оболочке Linux, управление пользователями и правами файлов, регулярные выражения и написание скриптов в bash, работа с процессами и управление загрузкой и сервисами в Linux.
Понимание основ программирования, систем счисления (двоичная, восьмеричная, шестнадцатеричная системы счисления) и булевой логики

Чему Вы научитесь:

• Устанавливать и настраивать Ubuntu;
• Понимать архитектуру Linux и Unix-подобных систем;
• Работать в терминале (пригодится и тем, кто использует Mac);
• Работать с файлами, файловыми системами и устройствами в Linux;
• Администрировать Linux и другие Unix-подобные операционные системы;
• Понимать и писать регулярные выражения;
• Решать задачи автоматизации, писать скрипты и назначать задачи по расписанию;
• Настроить на базе Linux веб-сервер и защитить его с помощью iptables;
• Работать с git, использовать контейнеризацию Docker.

Спойлер: Программа курса:

Урок 1. Знакомство и установка
Знакомство с GNU/Linux. Что такое GNU, Linux и UNIX. Виртуализация. Установка Ubuntu в виртуальной машине. Базовые возможности работы в Linux

Урок 2. Работа в графическом и консольном режиме
Консольный и графический режим в Linux. Консольные команды. Создание и редактирование файлов.

Урок 3. Файлы и права доступа в Linux
Пользователи и права в Linux; работа с файлами; выполнение операций от имени суперпользователя.

Урок 4. Регулярные выражения
Регулярные выражения. Поиск. sed.

Урок 5. Программирование bash
Синтаксис. Команды. Переменные. Управляющие конструкции. Некоторые простые скрипты. Выполнение задач по расписанию с помощью cron.

Урок 6. Веб-сервисы
Сетевые возможности Linux. Веб-сервисы. Nginx, Apache2. Let’s encrypt. Сетевой фильтр netfilter и утилита iptables.

Урок 7. Введение в Git
Знакомство с Git.

Урок 8. SOA и введение в Docker
Монолитная и SOA-архитектура приложений. Введение в Docker

​

От основ программирования до построения программ с использованием ООП
Язык программирования Python — это мощный инструмент для создания программ самого разнообразного назначения, доступный даже для новичков. С его помощью можно решать задачи различных типов.

Курс “Python Basic” отлично подойдет как для опытных программистов, желающих познакомиться с новым инструментом разработки, так и для совсем начинающих. Мы пройдем путь от основ программирования(переменные, циклы, ветвления), до построения программ с использованием объектно ориентированного подхода.

На протяжении курса мы рассмотрим различные примеры применения языка для решения практических задач. Погрузимся в мир python и проникнемся его идеологией и философией.

Чему Вы научитесь:

• Использовать основные конструкции языка Python;
• Читать чужой код python и писать собственный, в соответствии со стандартами PEP-8 и практиками, прошедшими проверку временем;
• Использовать IDE и ее вспомогательные инструменты для проверки и отладки кода;
• Писать системные скрипты, для работы с файловой системой;
• Разрабатывать полноценные программы с использованием модульного и объектно ориентированного подхода;
• Понимать, как на самом деле устроен python и познаете его мощь и гибкость;

​

Формат: видео лекции (4 модуля по 3 видеолекции каждый).
Прохождение подготовительного курса даст:
- необходимые базовые знания для курса «Разработчик Java»;
- возможность поступить на курс «Разработчик Java» без вступительного тестирования;
- скидку на приобретение курса «Разработчик Java», равную стоимости подготовительного курса;
- приглашение в slack-чат курса «Разработчик Java».

Преподаватель
Виталий Чибриков
Генеральный директор «OTUS. Онлайн-образование»
Выпускник МФТИ 2004-го года по специальности «Инженер-математик». Профессиональный опыт: 12 лет программирования на Java, C++, C#, JavaScript, PHP, Python. Участник проектов различных уровней сложности: от стартапов на 3 человека/полгода до бизнес-приложений на 200 человек/4 года. 8 лет разработки серверов для клиентских игр на Java. Эксперт в разработке облачных приложений, автоматизации процессов разработки и тестирования.

Разрабатывал и запускал проекты MMORMGs: «Allods Online» и «Skyforge».Автор и преподаватель следующих курсов: «Углубленное программирование на Java» в Технопарке Mail.Ru Group, видеокурс «Разработка веб-сервиса на Java» на Stepik.org, курс «Java Programming» Harbour.Space University, Barcelona.

Спойлер: Содержание складчины (файлы и папки)

01 Язык Java

01 Базовые синтаксические конструкции и операторы в Java
M.01.01 Базовые синтаксические конструкции и операторы в Java.mp4 [574m 931k 630]
M.01.01 Презентация.pdf [209k 117]
Ссылки.txt [48]

Тест
1.1.png [45k 220]
1.2.png [39k 716]
1.3.png [28k 5]

02 Ссылочные типы данных и обработка ошибок
M.01.02 Презентация.pdf [198k 917]
M.01.02 Ссылочные типы данных и обработка ошибок.mp4 [328m 312k 417]

Тест
2.1.png [58k 858]
2.2.png [57k 910]

03 Работа массивами и строками
M.01.03 Презентация.pdf [250k 433]
M.01.03 Работа с массивами и строками.mp4 [361m 355k 932]

Тест
3.1.png [71k 769]
3.2.png [59k 149]

04 Вебинар по модулю 1
Вебинар по модулю 1.mp4 [164m 485k 110]

02 Проектирование и тестирование приложений

01 Объектно –ориентированное программирование в Java
M.02.01 Объектно–ориентированное программирование.mp4 [308m 397k 630]
M.02.01 Презентация.pdf [279k 275]

Тест
1.1.png [82k 661]
1.2.png [68k 524]
1.3.png [64k 757]
1.4.png [51k 100]

02 Концепции объектно –ориентированного проектирования
M.02.03 ООП.mp4 [249m 253k 34]
M.02.03 Презентация.pdf [357k 68]

Тест
2.1.png [65k 217]
2.2.png [67k 677]
2.3.png [65k 455]

03 Unit-тестирование
M.02.03 JUnit.mp4 [259m 3k 659]
M.02.03 Презентация.pdf [309k 593]

Тест
3.1.png [65k 326]
3.2.png [73k 889]

04 Вебинар по модулю 2
Вебинар по модулю 2.mp4 [227m 970k 62]

03 Платформа Java

01 Устройство платформы Java
M.03.01 Презентация.pdf [421k 76]
M.03.01 Устройство платформы Java.mp4 [326m 668k 769]

Тест
1.1.png [63k 315]
1.2.png [71k 594]
1.3.png [70k 482]

02 Сборка и упаковка Java-приложения
M.03.02 Презентация.pdf [300k 310]
M.03.02 Сборка и упаковка Java-приложения.mp4 [330m 288k 529]

Тест
2.1.png [70k 209]
2.2.png [74k 733]

03 Сборка мусора и отладка
M.03.03 Презентация.pdf [205k 7]
M.03.03 Сборка мусора и отладка.mp4 [337m 465k 888]

Тест
3.1.png [76k 81]
3.2.png [61k 832]

04 Вебинар по модулю 3
Вебинар по модулю 3.mp4 [434m 704k 305]

04 Стандартная библиотека

01 Классы-контейнеры
M.04.01 Коллекции часть#1.mp4 [450m 123k 533]
M.04.01 Коллекции часть#2.mp4 [217m 648k 5]
M.04.01 Презентация.pdf [1m 850k 594]

Тест
1.1.png [57k 607]
1.2.png [76k 777]

02 Исключения
M.04.02 Исключения.Дата и время.Генерация случайных чисел.mp4 [246m 519k 167]
M.04.02 Презентация.pdf [2m 776k 297]

Тест
2.1.png [65k 451]
2.2.png [62k 226]

03 Работа с файлами
M.04.03 Работа с файлами.mp4 [198m 546k 585]
M.04.03 Презентация.pdf [949k 174]

Тест
3.1.png [64k 820]
3.2.png [53k 356]

04 Вебинар по модулю 4
M4-293-03ed64.4-03-Maps.pdf [90k 408]
M4-293-2efd2a.4-05-io.pdf [123k 635]
M4-293-5b5bde.4-01-Generics.pdf [72k 790]
M4-293-aab645.4-02-Collections.pdf [97k 833]
M4-293-f736fb.4-04-Exceptions.pdf [168k 494]
Вебинар по модулю 4.mp4 [170m 844k 316]

​

Что даст вам этот курс
Этот курс подойдет разработчикам, которые:
- хотят стать JavaScript FullStack разработчиками
- хотят больше веселья и хардкора с технологиями, больше сложных и комплексных задач в работе
- имеют опыт работы с одной технологией или языком программирования и хотят получить практические навыки других технологий или переквалифицироваться
- хотят улучшить свои технические скиллы и перейти на следующий профессиональный уровень

В рамках курса мы рассмотрим:
Ключевые особенности JavaScript - замыкания, особенности ООП и SOLID в JS, функционального и реактивного программирования, Promises и другие возможности ES6, Event Loop, а также разберём DOM API, Ajax и события в рамках разработки в браузере, и, конечно, прокачаем навыки в HTML и CSS. Научимся писать код на диалектах JavaScript, таких как TypeScript и JSX.

Помимо разработки клиентской части в браузере, мы также будем использовать серверную платформу NodeJS и её окружение. Изучим популярный фреймворк Angular с реактивными возможностями RxJS, а также библиотеки для написания web-приложений - ReactJS, Redux и современные подходы к разработке UI, такие как Polymer и набирающий звёзды Vue.

Мы будем собирать проекты для production с помощью Webpack, хранить данные в MongoDB, использовать TDD подход и писать тесты на различных фреймворках и уровнях.

• Изучим полный ландшафт современных технологий Node / React / Angular / Vue / Web Components
• Выполним домашние задания в формате мини-assignment, как на собеседованиях в российские и европейские компании
• Углубимся во внутренние алгоритмы и логику работы фреймворков и рассмотрим спецификации

По окончании курса студент будет:
- Понимать принципы работы современных JavaScript фреймворков и библиотек
- Уметь применять паттерны проектирования (Event Loop, Flux, Immutable, Virtual DOM, Dependency Injection, Observables)
- Знать подходы при проектировании, организации, контроля состояния и тестирования серверных и клиентских приложений
- Выбирать подходящие инструменты для проекта
- Тестировать проект unit-тестами на разных уровнях
- Создавать веб-приложения с использованием современных технологий

Спойлер: Продолжение описания

Преподаватель
Павел Асташкин
Маркетолог по образованию, программист по призванию.
В настоящий момент JavaScript developer в небольшой, но динамично развивающейся компании. Последнее время занимается разработкой и внедрением решений, направленных на улучшение работы проекта, преимущественно на Vue.
Плюс ко всему, является выпускником курса "Разработчик JavaScript"!

Минимальные знания
- Знание основ JavaScript (переменные, циклы, функции, замыкания, создание объектов, scope, this, работа со встроенными классами и API - Date, Math, RegExp, Array - map, forEach, filter, reduce)
- Основы работы браузера и браузерного API
- Знание HTML и CSS
- Базовые навыки работы с Git (понимание VCS, создать ветку, сделать Merge Request на github)

Плюсом будет:
- опыт использования JavaScript библиотек / фреймворков
- понимание или желание разбираться с алгоритмическими, проектировочными и логическими задачами
- умеет работать с IDE

После обучения вы

• заберете с собой полный комплект обучающих материалов: видеозаписи всех вебинаров, презентации к занятиям, а также решение задач и проектов в виде кода на github и другие дополнительные материалы;
• получите сертификат о прохождении курса;
• приобретете опыт работы с актуальными технологиями, фреймворками и инструментарием;

​

Best Practice по работе с современными методами анализа данных и инструментам, необходимым для профессионального развития в качестве специалиста Data Science

Что даст вам этот курс
За 5 месяцев мы последовательно познакомимся с современными методами анализа данных. Курс позволит не просто поверхностно изучить принципы работы алгоритмов машинного обучения, а на профессиональном уровне освоить и применять в работе все этапы работы с данными, понимая, как, когда и зачем они используются.

Проекты для портфолио
В процессе обучения студенты разработают несколько мощных проектов для портфолио, которые обязательно оценят потенциальные работодатели, и научатся грамотно презентовать результаты своих работ.

Дополнительные преимущества
В программу также входит изучение редких и важных тем, которые обычно упускаются из внимания других курсов, но очень ценятся работодателями:
— построение систем для автоматического поиска аномалий;
— Machine Learning для прогнозирования временных рядов;
— end-to-end pipelin’ы по работе с данными, готовые к внедрению в production

Для кого этот курс
Профессиональная программа разработана специально для разработчиков и аналитиков, которые хотят значительно расширить свои возможности и получить необходимый набор знаний и навыков для смены своей профессии.

Спойлер: Продолжение описания

Преподаватель:
Дмитрий Сергеев
Senior Data Scientist в Oura
Программирую и практикую анализ данных с 2012 года. Последние 3 года работал Data Scientist в компании ZeptoLab, где занимался всеми проектами, связанными с машинным обучением. В настоящий момент получаю степень магистра в университете Aalto в Финляндии.

Преподавал машинное обучение и анализ данных в Центре Математических Финансов МГУ, был приглашенным лектором на Факультете Компьютерных Наук НИУ ВШЭ и различных летних школах.

Образование: Эконом-мат РЭУ им. Плеханова, ЦМФ МГУ, ДПО ФКН ВШЭ “Практический анализ данных и машинное обучение”, MSc Aalto University

Стек/интересы: Python, Machine Learning, Time Series, Anomaly Detection

Минимальные знания
Для прохождения программы необходимы:— навыки программирования на Python (опыт написания собственных функций),
— знания математического анализа (вычисление производных сложных функций),
— знания линейной алгебры (матричные операции и собственные вектора),
— знания теории вероятностей и мат. статистики (понимание дисперсии, мат. ожидания, нормального закона распределения).

После обучения вы

• заберете с собой learn-материалы по всем занятиям (презентации, записи вебинаров, примеры практических задач);
• получите сертификат на русском о прохождении курса;
• научитесь использовать методы машинного обучения для решения реальных бизнес-задач;
• улучшите навыки в технологиях Python, Pandas, Sklearn, Keras, нейросети, SQL, Natural language processing, Deep learning и других, связанных с Learn Data Science;

​

Что даст вам этот курс
Сегодня немногие веб-разработчики обладают достаточным опытом для создания отказоустойчивых и масштабируемых архитектур. И именно такие специалисты являются самыми высокооплачиваемыми и востребованными в крупных компаниях: Google, Mail.Ru Group, Yandex, Netflix и др.

Для кого этот курс
Программа создана специально для веб-разработчиков, тимлидов команд веб-разработки, архитекторов и технических руководителей. За 5 месяцев студенты научатся использовать в своих проектах решения, которые выдерживают сотни тысяч (и даже миллионы) запросов в секунду, смогут правильно оптимизировать работоспособность серверов, начнут эффективно использовать инструменты, которые уже есть в проектах. Также курс позволит актуализировать и систематизировать знания в сфере HighLoad.

Преимущества программы
В процессе обучения рассматриваются типичные и нетривиальные проблемы архитектуры веб-приложений. Преподаватели поделятся лучшими практиками и решениями этих проблем. В программу входит много полезной теории, и вся она будет обязательно закрепляться практикой в рамках самостоятельной работы и онлайн-вебинаров.

изучение основных проблем архитектуры веб-приложений
домашние задания — мини-проекты для портфолио
лучшие практики и решения высоких нагрузок веб-приложений
настоящее комьюнити и постоянный фидбек преподавателей-экспертов

Спойлер: Продолжение описания

Выпускники смогут:
— создавать веб-приложения, которые легко масштабировать
— обеспечивать отказоустойчивость веб-приложений даже при падении серверов
— правильно использовать шаблоны (кеширование, реплицирование, шардирование, индексирование)
— работать с инструментами, разработанными Google, Mail.Ru Group, Yandex

Преподаватель
Иван Ремень
Учился в технопарке Mail.Ru. В 2013 году начал работать стажером в проекте "Почта" компании Mail.Ru. С 2015 года преподавал различные (в том числе и авторские курсы) в образовательных проектах Mail.Ru. С 2016 года занимал должность руководителя группы в Почте. В том же году получил диплом магистра по специальности "Программная инженерия" в МГТУ им. Н.Э. Баумана.

С 2018 года начал работать в Ситимобил на должность руководителя группы. С апреля 2019 года был назначен руководитель направления серверной разработки. Занимается развитием технических навыков людей, поддержкой их мотивации, развитием отказоустойчивых архитектур, внедрением новых технологий в процесс разработки (golang, tarantool).

Основные технические навыки:
Golang
C
MySQL
Tarantool
Highload architecture
Linux API

Минимальные знания
— Владение одним из языков серверной разработки: Python, PHP, Golang (предпочтительно), NodeJS (в крайнем случае), Java (в крайнем случае) — Умение верстать сайты на базовом уровне — Знания основ JavaScript — Навыки работы с SQL (составление запросов): в процессе обучения используется MySQL — Навыки работы с Linux

После обучения вы

• получите материалы по всем пройденным занятиям (видеозаписи вебинаров, выполненные домашние задания, выпускной проект)
• сможете писать рациональный и хорошо структурированный код
• получите сертификат об окончании курса
• приобретёте навыки работы с алгоритмами и структурами данных, которые необходимы при реализации сложных проектов в крупных компаниях

​

Что даст вам этот курс
Расширенный практический курс по работе с облачными сервисами

В курсе сделан основной упор на выполнение практических задач в облачных системах AWS и GCP, с которыми может столкнуться программист / технический руководитель, как в малом стартапе, так и в большой компании.
Подобные задачи включают в себя весь жизненный цикл становления проекта: от планирования архитектуры и выбора инфраструктуры, и заканчивая вводом системы в промышленную эксплуатацию, со всем вытекающим (ci/cd, мониторинг, и т.д.).

Фишки курса
1) много практики: соотношение теории и практики 20/80
2) решение реальных задач на протяжении всего курса (создание своего приложения)
3) только нужные сервисы: данный курс будет включать в себя весь необходимый набор сервисов, который поможет при развертке инфраструктуры
4) адаптированный курс для программистов: потребуются только минимальные знания linux и любого известного языка программирования

Создание реального проекта
Весь курс ориентирован на создание крупной информационной системы, которая будет в себя включать разного рода задачи: начиная от построения простого REST API, и заканчивая микросервисами, отложенными задачами и т.д. Задачи на разработку будут даваться в виде домашних заданий, в то время как развертка и настройка приложения в облаке будет происходить уже на самом вебинаре.
Темы организованы таким образом, чтобы решение каждой задачи было сопряжено с конкретным сервисом, рассматриваемым в рамках вебинара. Подобный подход даст слушателю не только представление о возможностях данного сервиса, но еще и практическое применение на реальных задачах.

Спойлер: Продолжение описания

Примеры практических домашних заданий (одни из):
1)Декомпозиция своего приложения с помощью облачных сервисов
2)поставка ПО и автоматизация CI/CD
3)Формирование гибридной инфраструктуры или безболезненный переезд в облако

После курса вы научитесь:
1) планировать и развертывать инфраструктуру в облачной системе (начиная от деплоя приложения и заканчивая настройкой приватной сети, CDN и репозиториев), на базе AWS и GCP;
2) проектировать архитектуру, с учетом особенностей облачных решений и предоставляемых ими сервисов;
3) поймете, как считать экономику и планировать бюджет, исходя из потребностей архитектуры.

Курс подойдет:
1) разработчикам с опытом работы уровня middle+ / senior / team lead, которым необходимо развертывать приложения, настраивать инфраструктуру, БД, думать о вопросах безопасности и экономике ресурсов
2) специалистам, которые хотят развить практические навыки работы с облачными сервисами и которые уже занимаются разработкой веб-приложений, порталов, сервисов (или любым другим видом backend-разработки)

• Научитесь работать с AWS и GCP
• Постоянная практика и решение кейсов, чтобы можно было рассказать на собеседовании о том, что делал, а не о том, что прочитал на хабре
• Сможете экономически обосновывать эффективность ресурсов используемых в облаке

Преподаватель:
Егор Зуев
TeamLead в компании InBit
Более 10 лет суммарного опыта работы. Принимал участие в формировании и развитии таких стартапов, как Chronobank (teamLead), NeverEatAlone (teamLead), NeuroIO (CTO, Co-founder), Tymlez (Lead Dev). За свою карьеру Егору удалось поработать в разных отраслях, включая телемедину, IOT, Blockchain, социальные сети, и телеметрию. Успел попробовать себя в качестве мобильного разработчика, игродела, фронт-энд разработчика, бэкенд разработчика.

Имеет звание магистра, закончил НИУ ВШЭ по направлению “информатика и вычислительная техника” с отличием. Также Егор занимался научными исследованиями при МГУ (IOT, умный дом), МГТУ Имени Баумана (Микроконтроллеры для вентиляции), Плехановском университете и МАТИ (Нейрология, определение артефактов). На текущий момент времени, Егор занимается научными исследованиями на базе НИУ ВШЭ по направлению “распределенные системы”.

Является победителем Московского отбора “imagine cup” от Microsoft (команда thinger), участником хакатона от IBM, победителем программы “innostar” (инновационные проекты), победитель программы “У.М.Н.И.К” по развитию малых предприятий (инновационные проекты). Также, Егор прошел сертификацию от Cambridge на знание английского языка (FCE, CAE).

Минимальные знания
Знание и опыт работы в одном из следующих стеков: Java (spring / Java EE), Node.js, C# (.net), python (django), Golang, PHP

Процесс обучения
Курс 4 месяца + месяц на проект

Для прохождения курса вам потребуется google аккаунт для получения trial версии облаков AWS и GCP, чтобы полноценно сделать все домашние задания.

Обучение проходит в формате онлайн-вебинаров.
По всем практическим заданиям преподаватели дают развернутый фидбек.
Преподаватели постоянно находятся в едином коммуникационном пространстве с группой на протяжении всего курса, т. е. в процессе обучения слушатель может задавать уточняющие вопросы по материалам лекций и домашних заданий, взаимодействовать с преподавателями.

Выпускной проект
В качестве финального проекта будет дана бизнес задача (или согласована с преподавателем ваша). Нужно разработать план архитектуры (физическую и логическую топологию), рассчитать примерный бюджет и риски. Далее, необходимо будет реализовать согласованную архитектуру. Задача должна включать в себя все аспекты: выбор и развертка CVS, настройка CI/CD, авто развертка приложений, авто скалирование, защита информации.

После обучения вы

• получите материалы по всем пройденным занятиям (видеозаписи вебинаров, презентации);
• сможете развертывать инфраструктуру в облачной системе (начиная от деплоя приложения, и заканчивая настройкой приватной сети, CDN и репозиториев), на базе AWS и GCP;
• научитесь проектировать архитектуру, с учетом особенностей облачных решений;
• сможете считать экономику и планировать бюджет, исходя из потребностей архитектуры.

​

Что даст вам этот курс
Что такое пентест? Пентест (penetration testing или тестирование на проникновение) — это процесс санкционированного взлома информационных систем по просьбе заказчика, в ходе которого пентестер (аудитор) выявляет уязвимости информационной системы и дает заказчику рекомендации по их устранению.

Кому адресован курс

• Программисты
  
• Сетевые администраторы
  
• Специалисты по информационной безопасности
  
• Студенты последних курсов направлений: защита информации, безопасность автоматизированных систем

Чему научитесь

• Основным этапам проведения тестирования на проникновение
  
• Использованию современных инструментов для проведения анализа защищенности информационной системы или приложения
  
• Классификации уязвимостей и методам их исправления
  
• Навыкам программирования для автоматизации рутинных задач

Цель курса показать на практике, как проводится детальный анализ сетевых ресурсов, программного обеспечения, web-ресурсов на наличие уязвимостей, их эксплуатацию и дальнейшее устранение.
Для изучения каждой уязвимости будет предоставлен сервис, который её содержит
На выпускном проекте закрепите практические навыки проведения пентеста
Много дополнительных материалов для самостоятельного изучения и качественный фидбэк от автора курса
Получите знания, необходимые для подготовки к самостоятельному получению сертификатов: CEH (этичный хакинг), OSCP

Минимальные знания

• Основы работы TCP/IP
• Основы использования командной строки операционных систем Windows и Linux
• Понимание работы клиент-серверных приложений
• Навыки пентеста не требуются
• Требования к "железу": оперативная память от 8 Гб, высокоскоростное интернет-соединение, 150 ГБ свободного места на жестком диске

После обучения вы

• Сможете распознавать различные виды уязвимостей. Каждую из уязвимостей изучите в ходе практических работ
• Изучите такие направления как: сетевая безопасность, безопасность операционных систем Windows и Linux, пентест web-приложений
• Научитесь защищать сетевые и веб-ресурсы от атак злоумышленников
• Получите материалы по пройденным занятиям (видеозаписи курса, дoполнительные материалы, финальный проект для добавления в портфолио)