Назад
III уровень
Большие данные
Архитектор данных
Финансовый университет при Правительстве Российской Федерации
256,00 часов
длительность
Онлайн
формат
Базовый
уровень
1 поток (закрыт)
19.06-04.09.2023
2 поток (закрыт)
06.07-17.09.2023
3 поток (закрыт)
19.09-01.11.2023
Описание
Станьте архитектором данных в 2023 году!
C нами вы освоите техники и знания для эффективного использования ИИ в бизнесе и научитесь прогнозировать действия клиентов и сотрудников
Узнаете себя?
Я - новичок в ИИ и хочу понять:
- как общаться с ИИ на обычном языке, чтобы делать ИИ на компьютерном языке
- как освоить новые технологии и термины, используя ИИ как учителя
- как получить интуицию о данных, не используя ИИ, а выстраивая доходчивые и экологичные визуализации
Я имею опыт в IT и хочу освоить перспективное направление
- Узнать о передовых методах и технологиях в области ИИ
- Освежить давно забытые концепции из статистики и ML
- Увидеть воочию как различные роли в ИИ - ML-инженеры, BI-аналитики, data scientist’ы и архитекторы - взаимодействуют между собой при создании ИИ-решения.
Я - ML-аналитик/data-инженер и хочу расширить горизонты:
- научиться анализировать бизнес, определять метрики и бейслайны, формулировать пользовательские истории в области ML.
- узнать какие российские решения в области ИИ существуют и в чем их преимущества перед зарубежными “конкурентами”.
- понять как собирать данные для работы с таким сложно предсказуемым объектом, как человек.
Каждый модуль состоит из онлайн-курса (около 8 часов видео, плюс тесты и домашние лабораторные работы), и четырех трехчасовых вебинаров, на которых слушатели решают кейсы и участвуют в лабораторных работах, деловых играх и симуляциях, включающих реальную работу с данными и технологиями ИИ. Курс длится два месяца. У слушателей есть доступ в специальный telegram-канал, в котором они могут задать вопросы, которые обязательно - надеемся! - возникнут по ходу просмотра видео и выполнения домашних работ. Финальный зачет - защита командного проекта, настоящей системы на базе ИИ, которая интегрирует знания полученные на курсе и пополнит ваше портфолио, став мощным аргументом для будущего работодателя.
Часов в программе
42,00 часа
лекции
84,00 часа
практика
126,00 часов
самостоятельная
1 час
входная диагностика
3 часа
итоговая аттестация
256,00 часов
всего
Цель программы
Освоение передовых технологий и методов на основе ИИ.
Формирование навыков анализа бизнеса и сбора данных для решения прикладных задач, связанных с прогнозированием и управлением в различных областях применения.
Формирование навыков анализа бизнеса и сбора данных для решения прикладных задач, связанных с прогнозированием и управлением в различных областях применения.
Актуальность
Дополнительная программа повышения квалификации "Архитектор данных" рассчитана на широкий круг специалистов, в професссиональные задачи которых входит сбор и анализ большого количества информации для прогнозирования и управления действиями клиентов и конкурентов. Подойдет для непрограммистов и начинающих пользователей ИИ.
Слушатели освоят базовый уровень знаний, умений, навыков и компетенций в области искусственного интеллекта и больших языковых моделей, научатся работать с данными в контексте поведенческого анализа, получат базовые знания в области генеративного ИИ для моделирования архитектурных решений, необходимых для эффективного применения причинно-следственной аналитики для анализа результатов испытаний ИИ системы и проверки их соответствия архитектуре программной системы.
Мы рассчитываем, что, в зависимости от предыдущего опыта, вы займете позицию от junior до middle - и она будет связана с обработкой и моделированием данных или с аналитикой и проектированием ИИ-систем.
Слушатели освоят базовый уровень знаний, умений, навыков и компетенций в области искусственного интеллекта и больших языковых моделей, научатся работать с данными в контексте поведенческого анализа, получат базовые знания в области генеративного ИИ для моделирования архитектурных решений, необходимых для эффективного применения причинно-следственной аналитики для анализа результатов испытаний ИИ системы и проверки их соответствия архитектуре программной системы.
Мы рассчитываем, что, в зависимости от предыдущего опыта, вы займете позицию от junior до middle - и она будет связана с обработкой и моделированием данных или с аналитикой и проектированием ИИ-систем.
Входная диагностика 1 час
Решение тестовых заданий на образовательной платформе MOODL образовательного портала Финансового университета при Правительстве Российской Федерации.
Итоговая аттестация 3 часа
Защита проекта
Компетенции
Общепрофессиональные
Способен классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта
Способен применять методы и программные средства автоматизированного логического вывода и автоматизированной проверки гипотез
Способен разрабатывать и тестировать программные компоненты решения задач в системах искусственного интеллекта
Способен разрабатывать и применять методы машинного обучения для решения задач
Способен использовать системы искусственного интеллекта на основе нейросетевых моделей и методов
Способен создавать и поддерживать системы искусственного интеллекта на основе нейросетевых моделей и методов
Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта
Профессиональные
Способен управлять архитектурой изолированной программной системы
Способность управления архитектурой интегрированного программного обеспечения
Требования
Нет
Образование
- Высшее образование
- Среднее профессиональное образование
Модули
свернуть
60,00ч
На первом модуле вы изучаете большие языковые модели: как они устроены, какие бывают, как с ними работать пользователю, как их дообучать и интегрировать в ИТ-системы. Вы сразу изучаете использование LLM в роли архитектора данных: учитесь формулировать требования к системе и описывать архитектуру, а также осваиваете LLM как помощника в генерации SQL-запросов и питоновского кода для обучения ML моделей и визуализаций.
48,00ч
На третьем модуле вы изучите возможности российских технологий от Яндекса, Тинькофф и Сбера, и сравните их с зарубежными разработками. Новички в области ИИ изучат новые для себя концепции в ML сразу на материале отечественного ПО, а более опытные слушатели пополнят копилку своих технологий новыми.
52,00ч
Наконец, в пятом модуле вы познакомитесь с методами улучшения качества моделей машинного обучения с помощью систематической обработки данных, а также c лучшими практиками сбора и разметки данных и с техниками датацентричной оценки моделей машинного обучения.
48,00ч
Второй модуль посвящен углубленному изучению вопросов визуализации данных в различных бизнес-контекстах, и связанных с ними вещах: анализу пользовательского опыта и задач, которые могут решаться визуализацией, а также проектированию дэшбордов - “приборных досок” для данных - и пайплайнов, процессов обработки данных для отображения их на дэшбордах.
44,00ч
Четвертый модуль посвящен тому, как собирать, обогащать и использовать данные для ИИ-систем, прогнозирующих и объясняющих действия человека - клиента и работника - и в чем “подводные камни” применения науки о данных в этой предметной области.
60,00ч
На первом модуле вы изучаете большие языковые модели: как они устроены, какие бывают, как с ними работать пользователю, как их дообучать и интегрировать в ИТ-системы. Вы сразу изучаете использование LLM в роли архитектора данных: учитесь формулировать требования к системе и описывать архитектуру, а также осваиваете LLM как помощника в генерации SQL-запросов и питоновского кода для обучения ML моделей и визуализаций.
48,00ч
Второй модуль посвящен углубленному изучению вопросов визуализации данных в различных бизнес-контекстах, и связанных с ними вещах: анализу пользовательского опыта и задач, которые могут решаться визуализацией, а также проектированию дэшбордов - “приборных досок” для данных - и пайплайнов, процессов обработки данных для отображения их на дэшбордах.
48,00ч
На третьем модуле вы изучите возможности российских технологий от Яндекса, Тинькофф и Сбера, и сравните их с зарубежными разработками. Новички в области ИИ изучат новые для себя концепции в ML сразу на материале отечественного ПО, а более опытные слушатели пополнят копилку своих технологий новыми.
44,00ч
Четвертый модуль посвящен тому, как собирать, обогащать и использовать данные для ИИ-систем, прогнозирующих и объясняющих действия человека - клиента и работника - и в чем “подводные камни” применения науки о данных в этой предметной области.
52,00ч
Наконец, в пятом модуле вы познакомитесь с методами улучшения качества моделей машинного обучения с помощью систематической обработки данных, а также c лучшими практиками сбора и разметки данных и с техниками датацентричной оценки моделей машинного обучения.
Преподаватели
Диденко
Александр Сергеевич
Финансовый университет при Правительстве Российской Федерации
заведующий Лабораторией управленческих нейронаук, руководитель лаборатории Data Science
кандидат экономических наук
Догадина
Елена Петровна
Финансовый университет при Правительстве Российской Федерации
доцент Департамента анализа данных и машинного обучения
кандидат тех наук
доцент
http://www.fa.ru/_layouts/15/ViewProfile.aspx?accountname=FADOMAIN\EPDogadina&ReturnUrl=http://www.fa.ru/org/dep/findata/Pages/PersonList.aspx
Смирнов
Игорь Геннадьевич
Финансовый университет при Правительстве Российской Федерации
Профессор Департамента анализа данных и машинного обучения
к.т.н.
профессор
http://www.fa.ru/_layouts/15/ViewProfile.aspx?accountname=FADOMAIN\IGSmirnov&ReturnUrl=http://www.fa.ru/Pages/PersonList.aspx
98 000 p
Профстандарт
06.042Специальность
Архитектор данных (Data Architect)
Ответственный за программу
8(499)5531391