Ближайшая дата курса: узнать дату

Следующая дата курса:

Основы работы с большими данными (Data Science)

Во время обучения Вы узнаете:

Область применения больших данных. Типовые задачи:

  • 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.

1 ак.ч.

Сбор и подготовка исходных данных. Визуализация:

  • С чего начать.
  • Описательное и ассоциативное исследование исходных данных
  • Сегментирование данных (slice and dice).
  • Визуализация данных в Excel. Как использовать сводные таблицы и диаграммы.
  • Практическая работа. Сегментировать тестовый набор данных и/или построить тренд.

1 ак.ч.

Основы математической статистики. Анализ отличий (ANOVA):

  • Описательная статистика.
  • Среднее, наиболее вероятное, медиана.
  • Основная тенденция и отклонения. Дисперсия, стандартное отклонение.
  • Виды распределений.
  • Пакет анализа данных Excel.
  • Обзор других прикладных средств работы с данными (R, Python, Octave, MathLab).
  • Практическая работа. Определить статистические характеристики выборки данных.

2 ак.ч.

Задача прогноза продаж. Понятие машинного обучения. Корреляция. Регрессионный анализ:

  • 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.

3 ак.ч.

Задачи классификации и распознавания образов, видео, речи, текста. Понятие нейронных сетей. Примеры применения:

  • Задача сегментации дискретных данных на примере задач распознавания (графика, речь, текст)
  • Нейронные сети как инструмент решения задач классификации
  • Демонстрация на примерах Azure, AWS

3 ак.ч.

 Задача исследования социальных сетей. Задача прогнозирования поведения пользователя. Социальные и направленные графы. Примеры применения:

  • 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.

3 ак.ч.

Продвинутые инструменты: глубокое машинное обучение, искусственный интеллект, нечеткие множества:

  • Понятие Deep Machine Learning.
  • Многофакторный бизнес анализ на примере нечетких логик.

1 ак.ч.

 Data Science: назначение, специальности:

  • 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».

2 ак.ч.

16 ак.ч.

Стоимость обучения:  9 000р.

Даты

Время

Цена

Место занятий

Преподаватель

Петрусенко Илья Александрович

Курс читает Петрусенко Илья Александрович — опытный DevOps и full-stack программист, практикующий разработчик, энтузиаст применения блокчейн-технологий для решения бизнес-задач.

Илья Александрович прекрасно ориентируется в различных языках программирования, а также в HL-Composer, Geth, Parity, Docker, Docker-compose, виртуальной инфраструктуре VmWare (vSphere, ESXi). Есть опыт применения CI, в частности Jenkins, Drone.io. Умеет разворачивать тестовые чейны, в том числе многонодовые, а также писать тесты для блокчейн-приложений. Является техлидером команды-победителя летнего Blockchain Hackathon (специализированный форум-марафон по решению профессиональных задач) в Москве. Его проект Dolphin BI стал единственной российской разработкой, получившей инвестицию в $500000 от глобального акселератора Bootcamp Startup Amsterdam.

Богатый профессиональный опыт и постоянное совершенствование навыков позволяют Илье Александровичу быть в курсе современных трендов разработки, программирования и информационных технологий. Он с радостью поделится с вами секретами своего мастерства!

После успешного прохождения образовательных программ, предлагаемых МГТУ им. Н. Э Баумана, вы получите один из следующих документов:

серт

Сертификат (на русском языке с дублированием информации на английском языке) установленного образца, в котором будут указаны полное наименование программы и количество часов обучения.

удо

Удостоверение о повышении квалификации (на русском языке), в котором будут указаны полное наименование программы и количество часов обучения.

* Удостоверение о повышении квалификации выдается слушателям, успешно завершившим обучение по образовательным программам повышения квалификации. Тип выбранной Вами образовательной программы Вы можете уточнить у менеджеров.

+ Программа курса

Во время обучения Вы узнаете:

Область применения больших данных. Типовые задачи:

  • 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.

1 ак.ч.

Сбор и подготовка исходных данных. Визуализация:

  • С чего начать.
  • Описательное и ассоциативное исследование исходных данных
  • Сегментирование данных (slice and dice).
  • Визуализация данных в Excel. Как использовать сводные таблицы и диаграммы.
  • Практическая работа. Сегментировать тестовый набор данных и/или построить тренд.

1 ак.ч.

Основы математической статистики. Анализ отличий (ANOVA):

  • Описательная статистика.
  • Среднее, наиболее вероятное, медиана.
  • Основная тенденция и отклонения. Дисперсия, стандартное отклонение.
  • Виды распределений.
  • Пакет анализа данных Excel.
  • Обзор других прикладных средств работы с данными (R, Python, Octave, MathLab).
  • Практическая работа. Определить статистические характеристики выборки данных.

2 ак.ч.

Задача прогноза продаж. Понятие машинного обучения. Корреляция. Регрессионный анализ:

  • 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.

3 ак.ч.

Задачи классификации и распознавания образов, видео, речи, текста. Понятие нейронных сетей. Примеры применения:

  • Задача сегментации дискретных данных на примере задач распознавания (графика, речь, текст)
  • Нейронные сети как инструмент решения задач классификации
  • Демонстрация на примерах Azure, AWS

3 ак.ч.

 Задача исследования социальных сетей. Задача прогнозирования поведения пользователя. Социальные и направленные графы. Примеры применения:

  • 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.

3 ак.ч.

Продвинутые инструменты: глубокое машинное обучение, искусственный интеллект, нечеткие множества:

  • Понятие Deep Machine Learning.
  • Многофакторный бизнес анализ на примере нечетких логик.

1 ак.ч.

 Data Science: назначение, специальности:

  • 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».

2 ак.ч.

16 ак.ч.

Стоимость обучения:  9 000р.

+ Расписание

Даты

Время

Цена

Место занятий

Преподаватель

+ Преподаватели

Петрусенко Илья Александрович

Курс читает Петрусенко Илья Александрович — опытный DevOps и full-stack программист, практикующий разработчик, энтузиаст применения блокчейн-технологий для решения бизнес-задач.

Илья Александрович прекрасно ориентируется в различных языках программирования, а также в HL-Composer, Geth, Parity, Docker, Docker-compose, виртуальной инфраструктуре VmWare (vSphere, ESXi). Есть опыт применения CI, в частности Jenkins, Drone.io. Умеет разворачивать тестовые чейны, в том числе многонодовые, а также писать тесты для блокчейн-приложений. Является техлидером команды-победителя летнего Blockchain Hackathon (специализированный форум-марафон по решению профессиональных задач) в Москве. Его проект Dolphin BI стал единственной российской разработкой, получившей инвестицию в $500000 от глобального акселератора Bootcamp Startup Amsterdam.

Богатый профессиональный опыт и постоянное совершенствование навыков позволяют Илье Александровичу быть в курсе современных трендов разработки, программирования и информационных технологий. Он с радостью поделится с вами секретами своего мастерства!

+ Документы об окончании

После успешного прохождения образовательных программ, предлагаемых МГТУ им. Н. Э Баумана, вы получите один из следующих документов:

серт

Сертификат (на русском языке с дублированием информации на английском языке) установленного образца, в котором будут указаны полное наименование программы и количество часов обучения.

удо

Удостоверение о повышении квалификации (на русском языке), в котором будут указаны полное наименование программы и количество часов обучения.

* Удостоверение о повышении квалификации выдается слушателям, успешно завершившим обучение по образовательным программам повышения квалификации. Тип выбранной Вами образовательной программы Вы можете уточнить у менеджеров.

+ Отзывы

Программа курса разработана с учетом профстандартов Министерства труда и социальной защиты РФ.