Základy práce s veľkými dátami (Data Science) - kurz 14 990 RUB. od Špecialista, školenie, Dátum: 30.11.2023.
Rôzne / / November 30, 2023
Vedúci učiteľ Centra, vedúci odboru „Inovatívne vyučovacie technológie“. Doktor technických vied odbor „Systémová analýza v informačných systémoch“. Držiteľ prestížnych statusov PfMP(®),PgMP®,PMP®, ITIL® Expert, ITIL 4.0. Riadiaci profesionál, strategický líder, DASA certifikovaný produktový vlastník, akreditovaný tréner PMP® A ITIL®, certifikovaný inštruktor online školení PMP®,ITIL 4.0 A DASA.
Vyučuje viac ako 15 rokov, je autorkou kurzov a seminárov v Centre, viac ako 80 vedeckých a 20 metodických prác. Skúsenosti v IT priemysle - nad 25 rokov, z toho viac ako 15 rokov - v oblasti projektového manažmentu, projektových portfólií, produktov, startupov; má skúsenosti s poradenstvom v oblasti projektového riadenia a organizačných zmien (digitálna transformácia) v rade veľkých spoločností.
Realizoval viac ako 20 projektov v odvetviach: IT (vrátane webových riešení, manažment IT služieb), školstvo, hutníctvo, poisťovníctvo, telekomunikácie. Najznámejší klienti, s ktorými Danil Yuryevich pracoval: Siemens Telecom CIS, Microsoft, Royal Canin, PepsiCo Rus, Accenture, Pharmstandard, Myasnitsky Ryad. Danil Yuryevich má obrovský
skúsenosti s budovaním partnerských vzťahov s veľkými spoločnosťami, vrátane Microsoft, Citrix atď.Od roku 2015 Danil Yurievich aktívne pracuje v startupoch ako partner (séria produktov pre ľudí so sluchovým postihnutím; online vzdelávací certifikačný systém) a ako mentor (IAMCP, G-Accelerator).
Danil Yuryevich je pravidelným účastníkom medzinárodných konferencií vrátane PMXPO 2019, PMI Talent and Technology Symposium, PMI® Organizational Agility Conference a ďalších. Dva roky po sebe pôsobil ako rečník na DevOps Pro Moscow 2019-2020. Neustále zlepšuje zručnosti na školeniach predajcov (DASA, Peoplecert). Úspešne absolvované školenie a hodnotenie (hodnotenie), aby ste sa stali trénerom PMP podľa novej verzie.
S využitím svojich rozsiahlych skúseností a úžasného učiteľského daru prezentuje látku veľkým množstvom príkladov. Zručne vyvoláva plodné diskusie v skupinách a podrobne odpovedá na všetky otázky. Danil Yurievich vám predstaví nie abstraktné metódy, ale to, ako to urobiť pracovať v praxi s prihliadnutím na legislatívu a osobitosti podnikania.
Špeciálny učiteľ, držiteľ prestížneho medzinárodného statusu Microsoft Certified Master. Absolvent Moskovskej štátnej technickej univerzity pomenovanej po N.E. Bauman.
Vo svojich triedach kladie Fedor Anatolyevich princíp do popredia "Pozri sa na koreň!" - je dôležité nielen študovať fungovanie mechanizmu, ale aj pochopiť, prečo to funguje tak a nie inak.
Všeobecný odborník v oblasti dizajnu a vývoja softvéru. Má dlhoročné skúsenosti ako vedúci vývojového tímu a hlavný architekt. Špecializuje sa na integráciu podnikových aplikácií, vývoj architektúry webových portálov, systémy analýzy dát, nasadenie a podporu Infraštruktúra systému Windows.
Kombinácia inžinierskych a prírodovedných štýlov prezentácie umožňuje študentom sprostredkovať vášeň a kreatívny prístup učiteľa. Fedor Anatolyevich vždy dostáva tie najzaujímavejšie recenzie od svojich vďačných absolventov.
Modul 1. Rozsah veľkých dát. Typické úlohy. (1 ak. h.)
- Ciele kurzu
-Definícia základných pojmov
-História dátovej vedy
-Výhody z práce s veľkými dátami
-Typické úlohy: prognóza predaja, výroby, dopytu. Analýza správania. Rozpoznávanie vzorov. Expertné systémy.
Modul 2. Zber a príprava počiatočných údajov. Technika CRISP-DM (1 akademik. h.)
- Kde začať. Medziodvetvová štandardná metodika pre prácu s údajmi CRISP-DM
-Deskriptívne a asociatívne štúdium zdrojových údajov
-Segmentácia a čistenie dát (plátky a kocky). Príklady nástrojov programu Excel
- Vizualizácia údajov v Exceli. Ako používať kontingenčné tabuľky a grafy
-Praktická práca. Segmentujte a vyčistite súbor testovacích údajov.
Modul 3. Základy matematickej štatistiky. ANOVA. Excel doplnok „Analytický balík“ (2 ac. h.)
-Deskriptívna štatistika
-Priemerný, najpravdepodobnejší, medián
-Variancia, štandardná odchýlka, štandardná chyba
- Typy distribúcií
- Balík analýzy dát v Exceli
-Prehľad ďalších aplikačných nástrojov pre prácu s dátami (R, Python, Octave, MathLab, špecializované databázy).
-Praktická práca. Určte štatistické charakteristiky vzorky údajov.
Modul 4. Úloha prognózy predaja. Koncept strojového učenia. Korelácia. Regresná analýza (3 ac. h.)
-Vyjadrenie problému posudzovania vzťahu medzi rôznymi faktormi a tvorby prognózy
-Korelácia. Pearsonov koeficient
- študentský test (T-analýza)
-Základy strojového učenia
- Regresná analýza
- Fisherovo kritérium
- Budovanie a analýza trendov v Exceli
-Praktická práca. Určte prítomnosť korelačnej a regresnej závislosti medzi dvoma vzorkami údajov. Vytvorte trend.
Modul 5. Problémy klasifikácie a rozpoznávania obrázkov, videa, reči, textu. Koncept neurónových sietí. Príklady aplikácií. (3 ac. h.)
-Úloha segmentovať diskrétne dáta pomocou príkladu úloh rozpoznávania (grafika, reč, text)
-Neurónové siete ako nástroj riešenia klasifikačných problémov
-Ukážka na príkladoch Azure, AWS
-Úlohy klasifikovať dáta v sociálnych sieťach a nájsť optimálne riešenie (trasu)
-Grafy ako nástroj na riešenie problémov na sociálnych grafoch a predpovedanie správania
- Rozhodovací strom
-Rozdelenie na vzorky (školenie, testovanie, overovanie)
-Analýza chýb pri učení. Základ a odchýlky. Manuálne nastavenie
-Praktická práca: klasifikujte súbor údajov a rozdeľte ho na segmenty.
Modul 6. Výzva výskumu sociálnych sietí. Úlohou je predpovedať správanie používateľov. Sociálne a orientované grafy. Rozhodovacie stromy. Príklady použitia (3 ac. h.)
-Úloha klasifikovať údaje v sociálnych sieťach
-Grafy ako nástroj na riešenie problémov na sociálnych grafoch a predpovedanie správania
-Rozdelenie na vzorky (školenie, testovanie, overovanie)
-Analýza chýb pri učení. Základ a odchýlky. Manuálne nastavenie
Modul 7. Pokročilé nástroje: hlboké strojové učenie, umelá inteligencia, fuzzy množiny (1 ac. h.)
- Koncept hlbokého strojového učenia
-Multifaktorová obchodná analýza s použitím fuzzy logiky ako príkladu
Modul 8. Kariérne poradenstvo pre špecializácie v oblasti dátovej vedy. Závery a odporúčania pre budovanie a organizáciu tímovej práce (2 ak. h.)
-Úlohy DS špecialistov: dátový analytik, dátový vedec, programátor, digitálny riaditeľ
-Požiadavky na kompetencie a interakciu zamestnancov v oblasti dátovej analytiky
-Zloženie a požiadavky na projektový tím pre DS
- Príprava spoločnosti na používanie „bigdata“
• Jednoduchými slovami vám povieme o Data Science, neurónových sieťach, umelej inteligencii a iných populárnych fenoménoch • Pochopíte, aké oblasti existujú v oblasti práce s dátami a práce s analytickými nástrojmi v praxi • Získajte sprievodcu krok za krokom a zistite, čo potrebujete začať v oblasti dát Veda
4,6
Naučíte sa riešiť obchodné problémy pomocou dát. Najprv sa potrebné zaškoliť, zdokonaliť sa v matematike a štatistikách a potom študovať SQL, Python, Power BI a o rok sa staneš dátovým analytikom.
4,2