Аналитик данных
Год выпуска: 2022
Производитель: МГТУ им. Н.Э. Баумана
Сайт производителя:
http://edu.bmstu.ru/
Автор: И. Панфилов, В. Тынченко, Г. Соколов и другие
Продолжительность: ~38h
Тип раздаваемого материала: Видеоклипы
Язык: Русский
Описание: Дополнительная профессиональная программа повышения квалификации «Аналитик данных (Data scientist)» разработана ведущими преподавателями-практиками МГТУ им. Н.Э. Баумана для изучения технологий и подходов в области анализа данных и подходит тем, кто планирует совершенствовать свои знания в Data Science. В программу включены практические кейсы, основанные на реальных бизнес-задачах индустриальных партнеров МГТУ им. Н.Э. Баумана. Данные кейсы используются для отработки навыков и компетенций по изучаемым в рамках учебного плана темам.
Цель программы – формирование профессиональных знаний, навыков и компетенций, необходимых для реализации проектов и разработки новых решений в области искусственного интеллекта и больших данных с применением инструментов Data Science.
Data Science сегодня — это одно из самых востребованных направлений подготовки в бизнес-аналитике. Правильное использование больших данных позволяет получить полезную информацию в любой области. Наука о данных пользуется большим спросом и объясняет, как цифровые данные преобразуют бизнес и помогают ему принимать более четкие и важные решения. Основное отличие Data Science от классических методов бизнес-аналитики — это поиск связей и закономерностей в массивах информации, для разработки моделей, предсказывающей результат.
Содержание
1. Введение в Big data. Знакомство с основными понятиями. Статистика. Взаимодействие с заказчиком.
2. Аспекты информационной безопасности.
3. Языки программирования, среды исполнения и основные операционные системы, которые используются в задачах Big Data.
4. Основной pipeline машинного обучения и dataflow. Облачные платформы.
5. Парсинг данных, подготовка выборки, препроцессинг и балансировка данных.
6. Обучение без учителя. Работа с размерностью и структурой данных.
7. Теория вероятности и вероятностные классификаторы.
8. Классификация. Оценка качества алгоритма.
9. Ансамбли и повышение точности алгоритмов.
10. Регрессия.
11. Нейронный сети.
12. Разработка компьютерных программ: написание программного кода и решение практических задач с применением нейронных сетей.
13. Создание приложений, интеграция в ИТ ландшафт.
Файлы примеров: присутствуют
Формат видео: MP4, MKV
Видео: AVC, 1920x1080, 16:9, 25fps, ~600kbps
Аудио: AAC, 44.1kHz, 128kbps, stereo
