Сложность
Сложность
Продвинутый
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
С проверкой домашнего задания
Трудоустройство
Трудоустройство
Отсутствует
Сертификат
Сертификат
Да

Стоимость курса

14 990 ₽
нет рассрочки

Предлагаем Вам погрузиться в Data Science, чтобы познакомиться с Big Data! На нашем курсе Вы соприкоснетесь с самой популярной в IT концепцией.

Компании, которые игнорируют Big Data, отстают от конкурентов и теряют прибыль. Тем временем компании, работающие с большими данными, показывают высокие результаты в клиентском сервисе, операционной эффективности и риск-менеджменте.

Компаний, внедряющих Big Data, становится все больше. Растет спрос на специалистов, которые могут комплексно работать с большими массивами данных: анализировать, обрабатывать и визуализировать их.

налитик больших данных, решая бизнес-задачи, развивается одновременно в IT и бизнесе.

Наш курс «Основы работы с большими данными: Data Science Orientation» позволит Вам «подружиться» с Big Data (большими данными).

В курсе рассматриваются вопросы:

-Предлагаемый курс позволит управляющему персоналу, менеджерам, разработчикам, другим сотрудникам, вовлеченным в аналитическую деятельность своей компании, ознакомиться с современными инструментами сбора, подготовки, обработки и анализа больших объемов разнородных данных.
-По итогам курса Вы будете уверенно ориентироваться в мире «больших данных», машинного обучения и сможете организовывать команды для работы с «большими данными» и определите направление своего профессионального развития в этой области.
-Спешите записаться на наш курс «Основы работы с большими данными: Data Science Orientation», чтобы освоить Big Data и вывести свою компанию в лидеры!

Вы научитесь:

-определять источники сбора информации и формировать требования к ним;
-применять стандартный CRISP-DM процесс для Вашей организации;
-подбирать команду для работы с большими данными (Big Data);
-выбирать инструментарий для практической работы;
-применять специализированные инструменты Excel – «Пакет анализа данных» и «Тренды»;
-применять «дерево решений»;
-определять подходящие инструменты и методы для решения основных классов задач машинного обучения и взаимодействовать с разработчиками;
-использовать методы классификации данных для машинного обучения;
-подбирать выборки разработки, тестовую и обучающую для достижения наилучших результатов анализа информации;
-организовывать реорганизацию работы компании для применения управления на основе больших данных.

Вы будете знать:

-понимать концепцию больших данных (Big Data);
-знать типовые задачи, для решения которых применяется машинное обучение: анализ трендов, социальных сетей; распознавание графических, видео- и аудио-образов, текста; прогностика действий (на примере покупок);
-владеть базовыми математическими понятиями;
-понимать основные методы обработки и анализа данных: регрессия, нейронные сети; графы, К-значные логики;
-знать основные современные инструменты анализа данных;
-понимать принципы организации и структуру команд по работе с бигдата.

Что вы получите после обучения

Приобретаемые навыки
1
Источники сбора информации
2
Применение CRISP-DM
3
Методы классификации данных
4
Подбор выборки разработки
5
Основные методы обработки
Сертификат, ссылками на который можно делиться с другими людьми

Вас будут обучать

Ведущий преподаватель Центра, руководитель направления «Инновационные технологии обучения». Доктор технических наук по специальности «Системный анализ в информационных системах». Обладатель престижных статусов PfMP(®), PgMP®, PMP®, ITIL® Expert, ITIL 4.0. Managing professional, Strategic Leader, DASA certified Product owner, аккредитованный тренер PMP® и ITIL®, сертифицированный инструктор онлайн-обучения PMP®, ITIL 4.0 и DASA.

 Преподаёт более 15 лет, является автором курсов и семинаров Центра, более 80 научных и 20 методических трудов. Опыт работы в ИТ-отрасли – свыше 25 лет, из них более 15 лет – в области управления проектами, портфелями проектов, продуктов, стартапах; имеет опыт консалтинга по проектному управлению и организационным изменениям (цифровой трансформации) в ряде крупных компаний.

Реализовал более 20 проектов в следующих отраслях: ИТ (в том числе, веб-решения, ИТ-сервис-менеджмент), образование, металлургия, страхование, телекоммуникации. Наиболее известные клиенты, с которыми работал Данил Юрьевич: «Сименс Телеком СНГ», Майкрософт, Royal Canin, «Пепсико Рус», Accenture, «Фармстандарт», «Мясницкий ряд». Данил Юрьевич имеет огромный опыт выстраивания партнёрских связей с крупнейшими компаниями, включая Microsoft, Citrix и др.

С 2015 г. Данил Юрьевич активно работает в стартапах, как партнер (серия продуктов для людей с нарушениями слуха; система сертификации онлайн образования) и как ментор (IAMCP, G-Accelerator).

Данил Юрьевич - регулярный участник международных конференций, среди которых PMXPO 2019, PMI Talent and Technology Symposium, PMI® Organizational Agility Conferenceи другие. Два года подряд выступал спикером на DevOps Pro Moscow 2019-2020. Постоянно повышает квалификацию на тренингах вендоров (DASA, Peoplecert). Успешно прошел обучение и оценку (ассесмент) на тренера PMP по новой версии.

Используя свой огромный опыт и замечательный преподавательский дар, излагает материал с большим количеством примеров. Умело вызывает в группах плодотворные дискуссии, подробно отвечает на все вопросы. Данил Юрьевич познакомит Вас не с абстрактными методиками, а тем, как они работают на практике, с учётом законодательства и особенностей ведения бизнеса.

Преподаватель специального назначения, обладатель престижного международного статуса Microsoft Certified Master. Выпускник МГТУ имени Н.Э. Баумана.

На занятиях Фёдор Анатольевич во главу угла ставит принцип «Зри в корень!» - важно не только изучить работу механизма, но и понять, почему он работает именно так, а не иначе.

Специалист широкого профиля в области проектирования и разработки программного обеспечения. Обладает многолетним опытом работы в качестве руководителя команды разработчиков и главного архитектора. Специализируется на интеграции корпоративных приложений, разработке архитектуры веб-порталов, системах анализа данных, развертывании и поддержке Windows-инфраструктуры.

Сочетание инженерного и естественнонаучного стилей изложения позволяет передать слушателям увлечённость и творческий подход преподавателя. Федор Анатольевич неизменно получает самые восторженные отзывы от своих благодарных выпускников.

 

Образовательная организация

  • Ведущий компьютерный учебный центр России с высочайшим уровнем качества обучения, сервиса и организации учебного процесса
  • Лучший учебный центр авторизованный Microsoft в России, Центральной и Восточной Европе в 2011-2014 гг
  • Центр «Специалист» — первый в России авторизованный учебный центр по обучению Adobe — Adobe Authorised Training Centre
  • Крупнейший авторизованный учебный центр ведущих IT-компаний мира
  • С 2012 г. Центр «Специалист» входит в «Круг совершенства EC-Council»

Программа курса

Модуль 1. Область применения больших данных. Типовые задачи. (1 ак. ч.)

-Цели курса
-Определение основных понятий
-История науки о данных
-Выгоды от работы с большими данными
-Типовые задачи: прогноз продаж, производства, спроса. Анализ поведения. Распознавание образов. Экспертные системы.

Модуль 2. Сбор и подготовка исходных данных. Методика CRISP-DM (1 ак. ч.)

-С чего начать. Межотраслевая стандартная методика работы с данными CRISP-DM
-Описательное и ассоциативное исследование исходных данных
-Сегментирование и очистка данных (slice and dice). Примеры инструментов Excel
-Визуализация данных в Excel. Как использовать сводные таблицы и диаграммы
-Практическая работа. Сегментировать и очистить тестовый набор данных.

Модуль 3. Основы математической статистики. ANOVA. Надстройка Excel «Пакет анализа» (2 ак. ч.)

-Описательная статистика
-Среднее, наиболее вероятное, медиана
-Дисперсия, стандартное отклонение, стандартная ошибка
-Виды распределений
-Пакет анализа данных Excel
-Обзор других прикладных средств работы с данными (R, Python, Octave, MathLab, специализированные БД).
-Практическая работа. Определить статистические характеристики выборки данных.

Модуль 4. Задача прогноза продаж. Понятие машинного обучения. Корреляция. Регрессионный анализ (3 ак. ч.)

-Постановка задачи оценки взаимосвязи между различными факторами и построение прогноза
-Корреляция. Коэффициент Пирсона
-Критерий Стьюдента (T-анализ)
-Основы машинного обучения
-Регрессионный анализ
-Критерий Фишера
-Построение и анализ трендов в Excel
-Практическая работа. Определить наличие корреляции и регрессионную зависимость между двумя выборками данных. Построить тренд.

Модуль 5. Задачи классификации и распознавания образов, видео, речи, текста. Понятие нейронных сетей. Примеры применения. (3 ак. ч.)

-Задача сегментации дискретных данных на примере задач распознавания (графика, речь, текст)
-Нейронные сети как инструмент решения задач классификации
-Демонстрация на примерах Azure, AWS
-Задачи классификации данных в социальных сетях и поиска оптимального решения (маршрута)
-Графы как инструмент решения задач на социальных графах и прогнозирования поведения
-Дерево решений
-Разбиение на выборки (обучающую, тестовую, проверочную)
-Анализ ошибок обучения. Базис и отклонения. Ручная корректировка
-Практическая работа: провести классификацию набора данных и его разбиение на сегменты.

Модуль 6. Задача исследования социальных сетей. Задача прогнозирования поведения пользователя. Социальные и направленные графы. Деревья решений. Примеры применения (3 ак. ч.)

-Задача классификации данных в социальных сетях
-Графы как инструмент решения задач на социальных графах и прогнозирования поведения
-Разбиение на выборки (обучающую, тестовую, проверочную)
-Анализ ошибок обучения. Базис и отклонения. Ручная корректировка

Модуль 7. Продвинутые инструменты: глубокое машинное обучение, искусственный интеллект, нечеткие множества (1 ак. ч.)

-Понятие Deep Machine Learning
-Многофакторный бизнес анализ на примере нечетких логик

Модуль 8. Профориентация по специальностям в Data Science. Выводы и рекомендации по построению и организации работы команды (2 ак. ч.)

-Роли специалистов по DS: аналитик данных, ученый по данным, программист, цифровой директор
-Требования к компетенциям и взаимодействию сотрудников в области аналитики данных
-Состав и требования к проектной команде для DS
-Подготовка компании к применению «бигдата»

Рейтинг курса

4
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 10.11.2024 09:37
Основы работы с большими данными (Data Science)

Основы работы с большими данными (Data Science)

Оставить отзыв
Поделиться курсом с друзьями