Огляд Про школу Спікери Програма Для кого Партнери
21-25 липня 2025

Data Science School 2025

5-денна літня школа з науки про дані для студентів та молодих спеціалістів ІТ-сфери

5 днів
Офлайн формат
ML фокус

До початку школи залишилось:

00 днів
00 годин
00 хвилин
00 секунд

Огляд події

Основна інформація про Data Science School 2025

Дати проведення

21–25 липня 2025 року

Тривалість

5 днів інтенсивного навчання

Формат

Офлайн навчання з практичними сесіями

Сертифікати

Всі учасники отримають сертифікати

Мета та Візія

Мета

Data Science School 2025 має на меті сформувати у її учасників фундаментальні та прикладні знання в галузі науки про дані, сприяти розвитку практичних навичок аналітики, обробки даних та створення моделей машинного навчання, а також створити умови для співпраці між студентами різних університетів.

Візія

Стати щорічною міжуніверситетською літньою платформою з Data Science, яка об'єднує амбітних студентів і початківців з ІТ-сфери навколо сучасних практик обробки та аналізу даних, сприяє формуванню молодої спільноти аналітиків і дослідників, а також стимулює розвиток і впровадження DS-рішень в Україні.

Особливості школи

  • Усі учасники отримають сертифікати про проходження навчання
  • Найкращі команди та учасники отримають відзнаки або призи від партнерів
  • Щоденна онлайн-розсилка оцінок/рішень/матеріалів через Google Drive або LMS

Спікери та ментори

Досвідчені фахівці, які поділяться своїми знаннями та досвідом

Іваненко Олексій

Олександр Косован

Head of Data Science, Lecturer at UCU

Вже понад 7 років працює в Data Science, з яких 3 роки Олександр присвятив аспірантурі в ЛНУ ім. І. Франка, поглиблюючи свій академічний досвід. Останні роки він активно займається вивченням і застосуванням великих мовних моделей у бізнесі, одночасно продовжуючи працювати над класичними задачами Data Science та Machine Learning. Крім того, він активно займається аматорським спортом, зокрема бігом та спортивним орієнтуванням, а також любить подорожувати Україною, досліджуючи її природу та культуру.

LinkedIn
Іваненко Олексій

Денис Товстоган

MLOps & DevOps at ELEKS

MLOps Engineer з понад 8 роками досвіду в ІТ. Спеціалізується на розгортанні та підтримці моделей машинного навчання, автоматизації data pipeline’ів та побудові масштабованих ML-систем. Володіє глибокими технічними навичками в Python, Docker, Kubernetes, AWS і Azure. Має практичний досвід оптимізації продуктивності кодової бази та роботи в кросфункціональних командах.

LinkedIn
Іваненко Олексій

Андрій Бойчук

Head of AI at blackthorn.ai, Lecturer at LPU

Андрій очолює напрям штучного інтелекту в компанії Blackthorn.ai, де відповідає за розробку AI-стратегії, впровадження моделей у продакшн та масштабування машинного навчання в реальних бізнес-процесах. Паралельно він викладає на кафедрі систем штучного інтелекту Львівської політехніки, де допомагає студентам опановувати сучасні підходи до аналізу даних і побудови моделей.

LinkedIn
Іваненко Олексій

Юрій Ганніч

Data Science at airSlate, ML Teacher at KSE

Викладач курсу з машинного навчання у Kyiv School of Economics та практикуючий Data Scientist з понад 3 роками досвіду. Має глибоку експертизу у побудові моделей машинного навчання, аналізі даних та поясненні складних технічних понять доступною мовою. Поєднує викладацьку діяльність із практичною роботою над реальними кейсами в аналітиці та AI.

LinkedIn
Іваненко Олексій

Ярослав Виклюк

Professor at AI System Department in Lviv Polytechnic National University

Доктор технічних наук, професор кафедри систем штучного інтелекту Львівської політехніки, науковий консультант Honda Canada Inc., розробник курсів для IBM Skills Network, Coursera та edX. Досліджує застосування AI, Data Science і математичного моделювання в складних динамічних системах. Викладав і працював науковцем у Китаї, Німеччині, Індії, Канаді, Польщі, Румунії, Австрії, Чехії та Словаччині.

LinkedIn
Іваненко Олексій

Владислав Гамоля

AI Product Lead at MacPaw

Владислав має понад 7 років досвіду у data-driven проєктах і спеціалізується на прикладному використанні сучасних методів машинного навчання для вирішення бізнес-завдань. Він поєднує глибоке технічне розуміння з орієнтацією на користувацьку цінність рішень. Його експертиза охоплює Computer Vision (сегментація, трекінг об’єктів, покращення зображень), Natural Language Processing (пошукові системи, кластеризація та класифікація документів), обробку сигналів (розпізнавання мовлення, поліпшення аудіо) та прогнозну аналітику (моделі LTV, Churn, Uplift).

LinkedIn

Програма навчання

5-денний інтенсивний курс з практичними сесіями

1

Відкриття та перша навчальна сесія

09:00 – 09:30 Реєстрація учасників, welcome-кава
09:30 – 10:00 Урочисте відкриття школи. Виступи представників університетів та партнерів
10:00 – 12:00 Воркшоп: Вступ до Data Science. Основи Python і Pandas
🗣 Денис Товстоган
12:00 – 13:00 Обід
13:00 – 15:00 Практична сесія: Робота з реальними датасетами. Завдання на очищення та аналіз даних
🗣 Денис Товстоган
Підсумок Перевірка рішень, оцінювання завдань та надсилання зворотного зв'язку учасникам
2

Основи машинного навчання

10:00 – 12:00 Воркшоп: Класифікація і регресія. Алгоритми: KNN, Decision Trees
🗣 Андрій Бойчук
12:00 – 13:00 Обід
13:00 – 15:00 Практична сесія: Побудова моделей класифікації та їх оцінка
🗣 Андрій Бойчук
Підсумок Оцінювання результатів, фідбек, розсилка рішень
3

Кластеризація та моделювання

10:00 – 12:00 Воркшоп: Кластеризація даних (k-means, DBSCAN). Dimensionality Reduction
🗣 Юрій Ганніч
12:00 – 13:00 Обід
13:00 – 15:00 Практична сесія: Сегментація користувачів/товарів, робота з багатовимірними даними
🗣 Юрій Ганніч
Під кінець дня Перевірка результатів, коментарі, надання оцінок
4

Аналіз даних і візуалізація

10:00 – 12:00 Воркшоп: Методи візуалізації даних: Matplotlib, Seaborn, Plotly, Geopandas, OpenStreetMap
🗣 Ярослав Виклюк
12:00 – 13:00 Обід
13:00 – 15:00 Практична сесія: Побудова графіків, аналітичних панелей
🗣 Ярослав Виклюк
Під кінець дня Оцінювання, підготовка до фінального дня
5

Фінал. Контрольне завдання та підсумки

10:00 – 12:00 Контрольне завдання: Аналіз нового набору даних, побудова моделі
Журі: Олександр Косован
Олександр Косован
Владислав Гамоля
Андрій Бойчук
Ярослав Виклюк
12:00 – 13:00 Оцінювання результатів журі
13:00 – 14:00 Обід
14:00 – 14:30 Виступи партнерів. Коментарі та рекомендації
14:30 – 15:00 Нагородження переможців. Вручення сертифікатів

Для кого призначена школа

Цільова аудиторія та вимоги до кандидатів

Цільова аудиторія

  • Студенти 1–2 курсів, які мають інтерес до аналітики, програмування та машинного навчання
  • Студенти 3–4 курсів ІТ-спеціальностей, які прагнуть розвиватися в напрямку Data Science
  • Молоді спеціалісти та стажери з ІТ-сфери, які хочуть систематизувати або поглибити знання в DS
  • Учасники без досвіду в ML, але з базовими навичками Python та аналітичним мисленням

Технічні вимоги

  • Python: базовий рівень (змінні, цикли, списки, робота з файлами)
  • Бібліотеки: бажано знання Pandas, NumPy, Matplotlib на рівні туторіалів
  • Дані: основи роботи з таблицями, CSV, базові поняття аналітики
  • Обладнання: персональний ноутбук з Python/Jupyter або готовність працювати в Google Colab

Додатково вітається

Досвід участі в хакатонах, олімпіадах або онлайн-курсах (Kaggle, Coursera, Prometheus)
Портфоліо або приклади власних проєктів на GitHub
Висока зацікавленість у сфері аналітики даних, машинного навчання, візуалізації даних
Готовність працювати в команді, брати участь у практичних сесіях і виконувати проєктне завдання

Партнери

Компанії та організації, які підтримують Data Science School 2025

ІТ-компанії

SoftServe
EPAM
ELEKS
AI HOUSE