Аналитик данных

Цель модуля: предоставление знаний по новой профессии «Аналитик (данных)»: область деятельности, необходимые хард и софт скилы, обзора языковых, программных, инструментальных средств аналитики данных и методик обнаружения новых знаний, работа с большими данными, предоставление понимания методов моделирования бизнес- процессов, теории вероятности и математическая статистика в аналитике данных, приобретение слушателями компетенций по бизнес-анализу: предиктивной аналитике, предписывающему анализу. Профессиональные компетенции, совершенствуемые и приобретаемые слушателями в процессе освоения модуля 1:  ПК-1. Применяет стандарты и методики бизнес-моделирования.  ПК-2. Осуществляет сбор и подготовку данных для обучения моде-лей искусственного интеллекта. По итогам освоения модуля слушатели должны: Знать:  область деятельности и необходимые хард и софт скилы профессии «Аналитик (данных)»;  основные понятия и методы моделирования бизнес- процессов;  о статистическом анализе: о методе многовариантного тестирования, корреляционном анализе, регрессионном анализе;  о статистических методах: параметрические, непараметрические, управляемые, неуправляемые, полууправляемые, кластеризация;  об алгоритмах машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением;  о машинном обучении: классификация, кластеризация, обнаружение выбросов, фильтрация;  о современных языках запросов;  об источниках информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования; Уметь:  проводить сравнительный анализ методов и инструментальных средств анализа больших данных;  планировать аналитические работы с использованием технологий больших данных; Владеть:  навыками использования инструментов бизнес-анализа: предиктивной аналитике, предписывающему анализу.

Цель модуля: приобретение слушателями знаний по современным языкам запросов, приобрести умения работы со построению запросов SQL, а также овладеть навыками работы с большими данных с использованием SQL. В результате освоения модуля слушатели должны: а) знать: - cовременные языки запросов - источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования - типы больших данных: метаданные, полуструктурированные, структурированные, неструктурированные - виды источников данных: созданные человеком, созданные машинами б) уметь: - применять язык SQL для работы со построению запросов, сбора и подготовки данных и визуализации данных; - собирать, классифицировать, систематизировать и обеспечивать хранение и актуализацию информации бизнес-анализа; - использовать современные информационные технологии аналитики для информационно-аналитического сопровождения деятельности организации; в) владеть: - анализом решений с точки зрения достижения целевых показателей решений; - навыками работы с сырыми данными, использования SQL для интеграции и очистки данных; - навыками применения технологий машинного обучения для решения анализа данных и принятия решений.

Цель модуля: приобретение слушателями знаний по современным BI системам для выработки возможных решений посредством сбора и анализа больших данных и элементами информации бизнес-анализа, умения работы и овладевание навыками работы по визуализации анализа данных. . Профессиональные компетенции, совершенствуемые и приобретаемые слушателями в процессе освоения модуля 1:  ПК-1. Применяет стандарты и методики бизнес-моделирования.  ПК-2. Осуществляет сбор и подготовку данных для обучения моде-лей искусственного интеллекта. В результате освоения модуля слушатели должны: а) знать: - теоретические основы анализа данных, технология OLAP и Data Mining; - методику KDD (Knowledge Discovery in Databases), используемую при разработке моделей и решении стандартных задач Data Mining. - правила и методы проектирования моделей данных, внедрения анали-тических отчетов, информационных панелей мониторинга в компоненты ИТ инфраструктуры организации; - алгоритмические и программные методы проведения и интеллектуаль-ного анализа данных для принятия взвешенных решений; б) уметь: - решать задачи профессиональной деятельности, используя OLAP тех-нологии аналитики; - использовать современные информационные технологии аналитики для информационно-аналитического сопровождения деятельности; - работать с многомерными моделями в) владеть: - инструментами и технологиями выявления, сбора и анализа информации бизнес-анализа для формирования возможных решений; - инструментами формирования аналитических отчетов, дашбордов и «повествований» для поддержки принятия решений.

Цель модуля: приобретение слушателями знаний по современным технологиям хранения и обработки данных, приобрести умения работы со статистическими методами анализа и обработки данных, а также овладеть навыками обработки данных с использованием табличных процессоров. Профессиональные компетенции, совершенствуемые и приобретаемые слушателями в процессе освоения модуля 2:  ПК-1. Применяет стандарты и методики бизнес-моделирования.  ПК-2. Осуществляет сбор и подготовку данных для обучения моде-лей искусственного интеллекта. По итогам освоения модуля слушатели должны: Знать:  Технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной̆ памяти  Статистический анализ: метод многовариантного тестирования, корреляционный анализ, регрессионный анализ  Статистические методы: параметрические, непараметрические, управляемые, неуправляемые, полууправляемые, кластеризация. Алгоритмы машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением. Машинное обучение: классификация, кластеризация, обнаружение выбросов, фильтрация Уметь:  Использовать технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллель-ная обработка данных, вычисления в оперативной̆ памяти;  Проводить сравнительный анализ методов и инструментальных средств анализа больших данных  Планировать аналитические работы с использованием технологий больших данных  Проводить анализ больших данных  Осуществлять интеграцию и преобразование данных в ходе работ по анализу больших данных  Владеть:  Навыками использования технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной памяти Использования технологии анализа данных: статистический анализ, семантический анализ, анализ изображений, машинное обучение, методы сравнения средних, частотный анализ, анализ соответствий, кластерный анализ, дискриминантный анализ, факторный анализ, деревья классификации, много-мерное шкалирование, моделирование структурными уравнениями, методы анализа выживаемости, временные ряды, планирование экспериментов, карты контроля качества

Цель модуля: приобретение слушателями знаний по конструкциям языка Python, приобрести умения работы со Python и SQL, а также овладеть навыками работы с Python для анализа данных. В результате освоения модуля слушатели должны: а) знать: типы данных и базовые алгоритмические конструкции в Python, средства языка для работы с массивами и строками, ввода/вывода данных через консоль и текстовые файлы, базовые понятия ООП и принципы их использования, способы реализации механизмов ООП в Python, принципы создания приложений с графическим интерфейсом, назначение и возможности библиотеки Pygame, основные понятия и базовые алгоритмы в области анализа данных и машинного обучения, назначение и возможности библиотек Pandas, SEABORN, PlotLy, NumPy и Matplotlib; б) уметь: использовать интегрированную среду разработки для написания и отладки программного кода на языке Python, описывать классы и иерархию связей между ними, реализовывать механизмы перегрузки операторов, документировать классы, инсталлировать и подключать к проекту библиотеки, использовать структуры данных и методы библиотек Pygame, Pandas, SEABORN, PlotLy, NumPy и Matplotlib; в) владеть: навыками работы в интегрированной среде разработки для Python, разработки программ с использованием механизмов ООП, навыками разработки графического интерфейса пользователя, навыками решения простейших задач классификации и анализа данных на языке Python.