Suurandmetega töötamise alused (Data Science) - kursus 14 990 RUB. alates Spetsialist, koolitus, Kuupäev: 30.11.2023.
Varia / / November 30, 2023
Keskuse juhtivõpetaja, suuna “Uuenduslikud õppetehnoloogiad” juht. tehnikateaduste doktor erialal “Süsteemanalüüs infosüsteemides”. Prestiižsete staatuste omanik PfMP(®),PgMP®,PMP®, ITIL® Expert, ITIL 4.0. Juhtiv professionaal, strateegiline juht, DASA sertifitseeritud tooteomanik, akrediteeritud koolitaja PMP® Ja ITIL®, sertifitseeritud veebikoolituse juhendaja PMP®,ITIL 4.0 Ja DASA.
Ta on õpetanud üle 15 aasta, on keskuse kursuste ja seminaride, enam kui 80 teadusliku ja 20 metoodilise töö autor. Töökogemus IT-valdkonnas - üle 25 aasta, millest üle 15 aasta - projektijuhtimise, projektiportfellide, toodete, startupide valdkonnas; omab projektijuhtimise ja organisatsiooniliste muudatuste (digitaalse ümberkujundamise) nõustamise kogemust mitmetes suurettevõtetes.
Viinud ellu üle 20 projekti järgmistes tööstusharudes: IT (sh veebilahendused, IT-teenuste haldamine), haridus, metallurgia, kindlustus, telekommunikatsioon. Tuntuimad kliendid, kellega Danil Jurjevitš töötas: Siemens Telecom CIS, Microsoft, Royal Canin, PepsiCo Rus, Accenture, Pharmstandard, Myasnitsky Ryad. Danil Jurjevitšil on tohutu
partnerlussuhete loomise kogemus suurte ettevõtetega, sealhulgas Microsoft, Citrix ja jne.Alates 2015. aastast Danil Jurjevitš töötab aktiivselt idufirmades partnerina (sari kuulmispuudega inimestele; online-hariduse sertifitseerimissüsteem) ja mentorina (IAMCP, G-Accelerator).
Danil Jurjevitš on regulaarne osaleja rahvusvahelistel konverentsidel, sealhulgas PMXPO 2019, PMI Talent and Technology Symposium, PMI® Organisational Agility Conference jt. Kaks aastat järjest tegutses ta esinejana DevOps Pro Moskvas 2019-2020. Täiendab pidevalt oskusi tarnijate koolitustel (DASA, Peoplecert). Edukalt läbitud koolitus ja hindamine (hindamine), et saada uue versiooni järgi PMP koolitajaks.
Kasutades oma tohutut kogemust ja imelist õpetamisannet, esitab ta materjali suure hulga näidetega. Kutsub osavalt esile viljakaid arutelusid rühmades ja vastab üksikasjalikult kõikidele küsimustele. Danil Jurjevitš tutvustab teile mitte abstraktseid meetodeid, vaid seda, kuidas neid praktikas töötama arvestades seadusandlust ja ettevõtluse iseärasusi.
Eriotstarbeline õpetaja, maineka rahvusvahelise staatuse omanik Microsofti sertifitseeritud meister. Lõpetanud Moskva Riikliku Tehnikaülikooli nimega N.E. Bauman.
Oma tundides seab Fedor Anatoljevitš põhimõtte esiplaanile "Vaata juure poole!" - oluline on mitte ainult uurida mehhanismi toimimist, vaid ka mõista, miks see töötab nii ja mitte teisiti.
Üldteadlane tarkvara disaini ja arenduse valdkonnas. Tal on aastatepikkune kogemus arendusmeeskonna juhi ja peaarhitektina. Spetsialiseerunud ettevõtte rakenduste integreerimisele, veebiportaali arhitektuuri arendamisele, andmeanalüüsisüsteemidele, juurutamisele ja toele Windowsi infrastruktuur.
Inseneri- ja loodusteaduslike esitlusstiilide kombinatsioon võimaldab õpilastel edasi anda õpetaja kirge ja loomingulist lähenemist. Fedor Anatoljevitš saab oma tänulikelt lõpetajatelt alati kõige entusiastlikumaid ülevaateid.
1. moodul. Suurandmete ulatus. Tüüpilised ülesanded. (1 ak. h.)
- Kursuse eesmärgid
-Põhimõistete defineerimine
-Andmeteaduse ajalugu
- Kasu suurandmetega töötamisest
-Tüüpilised tööülesanded: müügiprognoos, tootmine, nõudlus. Käitumise analüüs. Mustri äratundmine. Ekspertsüsteemid.
2. moodul. Algandmete kogumine ja koostamine. CRISP-DM tehnika (1 akadeemiline. h.)
- Kust alustada. Valdkondadeülene standardmetoodika CRISP-DM andmetega töötamiseks
-Alusandmete kirjeldav ja assotsiatiivne uurimine
-Segmenteerimine ja andmete puhastamine (viil ja täringud). Näited Exceli tööriistadest
- Andmete visualiseerimine Excelis. Pivot-tabelite ja -diagrammide kasutamine
- Praktiline töö. Segmenteerige ja puhastage testiandmete kogum.
3. moodul. Matemaatilise statistika alused. ANOVA. Exceli lisandmoodul "Analüüsipakett" (2 ak. h.)
- Kirjeldav statistika
-Keskmine, kõige tõenäolisem, mediaan
- Dispersioon, standardhälve, standardviga
- Jaotuste tüübid
- Exceli andmeanalüüsi pakett
-Ülevaade muudest rakendustööriistadest andmetega töötamiseks (R, Python, Octave, MathLab, spetsialiseeritud andmebaasid).
- Praktiline töö. Määrake andmevalimi statistilised omadused.
4. moodul. Müügiprognoosi ülesanne. Masinõppe kontseptsioon. Korrelatsioon. Regressioonanalüüs (3 ak. h.)
-Erinevate tegurite seose hindamise ja prognoosi tegemise probleemi püstitamine
- Korrelatsioon. Pearsoni koefitsient
- õpilase test (T-analüüs)
-Masinõppe alused
- Regressioonanalüüs
- Fisheri kriteerium
- Trendide loomine ja analüüsimine Excelis
- Praktiline töö. Määrake kahe andmevalimi vahelise korrelatsiooni ja regressioonisõltuvuse olemasolu. Ehitage trend.
5. moodul. Piltide, video, kõne, teksti klassifitseerimise ja äratundmise probleemid. Närvivõrkude mõiste. Rakenduse näited. (3 ak. h.)
- Diskreetsete andmete segmenteerimine äratundmisülesannete näitel (graafika, kõne, tekst)
-Närvivõrgud kui vahend klassifitseerimisprobleemide lahendamiseks
- Demonstratsioon Azure'i, AWS-i näidete abil
-Sotsiaalvõrgustikes andmete klassifitseerimise ja optimaalse lahenduse (marsruudi) leidmise ülesanded
-Graafik kui tööriist sotsiaalsete graafikute probleemide lahendamiseks ja käitumise ennustamiseks
- Otsuste puu
- Proovideks jagamine (koolitus, testimine, kontrollimine)
-Õpivigade analüüs. Alus ja kõrvalekalded. Käsitsi reguleerimine
-Praktiline töö: andmestiku klassifitseerimine ja segmentideks jagamine.
6. moodul. Sotsiaalvõrgustike uurimise väljakutse. Kasutaja käitumise ennustamise ülesanne. Sotsiaalsed ja suunatud graafikud. Otsustuspuud. Rakendusnäited (3 ak. h.)
-Sotsiaalvõrgustikes andmete klassifitseerimise ülesanne
-Graafik kui tööriist sotsiaalsete graafikute probleemide lahendamiseks ja käitumise ennustamiseks
- Proovideks jagamine (koolitus, testimine, kontrollimine)
-Õpivigade analüüs. Alus ja kõrvalekalded. Käsitsi reguleerimine
7. moodul. Täiustatud tööriistad: sügav masinõpe, tehisintellekt, fuzzy komplektid (1 ak. h.)
- Sügava masinõppe kontseptsioon
-Multifaktoriline ärianalüüs hägusloogika näitel
8. moodul. Andmeteaduse erialade karjäärinõustamine. Järeldused ja soovitused meeskonnatöö ülesehitamiseks ja korraldamiseks (2 ak. h.)
-DS-spetsialistide rollid: andmeanalüütik, andmeteadlane, programmeerija, digidirektor
-Nõuded andmeanalüütika valdkonna töötajate kompetentsidele ja suhtlemisele
- DS-i projektimeeskonna koosseis ja nõuded
- Ettevõtte ettevalmistamine "bigdata" kasutamiseks
• Me räägime teile lihtsate sõnadega andmeteadusest, närvivõrkudest, tehisintellektist ja muudest populaarsetest nähtustest • Saate aru, millised valdkonnad eksisteerivad andmetega töötamise alal ja praktikas analüütikatööriistadega töötamist • Hankige samm-sammult juhend ja saate teada, mida on vaja andmete valdkonnas alustamiseks Teadus
4,6
Õpid andmete abil äriprobleeme lahendama. Esmalt omanda vajalik koolitus, täienda oma matemaatikat ja statistikat ning seejärel õpi SQL, Python, Power BI ja aasta pärast saab sinust andmeanalüütik.
4,2