Назад
III уровень Программирование и создание ИТ-продуктов

Аналитик данных (Data scientist)

МГТУ им. Н.Э. Баумана
256,00 часов длительность
Онлайн формат
Базовый уровень
1 поток (закрыт) 10.06-03.12.2023
2 поток (закрыт) 10.06-04.12.2023
3 поток (закрыт) 16.09-05.12.2023

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. После прохождения итоговой аттестации выпускники программы «Аналитик данных (Data scientist)» удостоверение о повышении квалификации образца МГТУ им. Н.Э. Баумана.

 

Преимущества курса:

  • Обучение в онлайн-формате в режиме 24х7 из любой удобной локации.

  • Глубокие фундаментальные знания, актуальная необходимая теория и 55% прикладной практики.

  • Интенсивное прохождение программы за 4 месяца для быстрого старта в профессии.

  • Занятия с ведущими преподавателями-практиками МГТУ им. Н.Э. Баумана 

  •  

  • Помощь в трудоустройстве (рекомендуем резюме лучших выпускников индустриальным партнерам).

  • Удостоверение о повышении квалификации установленного образца МГТУ им. Н.Э. Баумана.

Часов в программе
38,00 часов
лекции
92,00 часа
практика
105,00 часов
самостоятельная
12,00 часов
промежуточная аттестация
1 час
входная диагностика
8 часов
итоговая аттестация
256,00 часов
всего
Цель программы
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.
Актуальность
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.
Входная диагностика 1 час
Для зачисления на курс необходимо пройти предварительное тестирование для определения стартового уровня знаний.
Итоговая аттестация 8 часов
Итоговая аттестация проводится в форме зачета по результатам тестирования и выполнения 1 практического кейса.

Компетенции

Профессиональные

ПК-1.р. Способен классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта
Знать:

Знает методы, сбора исходной информации и формирует требования к решению задач с использованием методов искусственного интеллекта.

Уметь:

Умеет классифицировать и идентифицировать задачи систем искусственного интеллекта в зависимости от особенностей проблемной и предметной областей.

Владеть:

Выбирает методы и инструментальные средства искусственного интеллекта для решения задач в зависимости от особенностей проблемной области.

ПК-4.р. Способен разрабатывать и применять методы машинного обучения для решения задач
Знать:

Знает как определять метрики оценки результатов моделирования и критерии качества построенных моделей.

Уметь:

Умеет проводить анализ требований и определяет необходимые классы задач машинного обучения.

Владеть:

Принимает участие в оценке и выборе используемых методов машинного обучения.

ПК-5.р. Способен использовать инструментальные средства для решения задач машинного обучения
Знать:

Знает способы использования инструментальных средства для решения задач машинного обучения.

Уметь:

Умеет осуществлять оценку и выбор инструментальных средств для решения поставленной задачи.

Владеть:

Разрабатывает модели машинного обучения для решения задач.

ПК-.6.п. Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта
Знать:

Знает методы и способы сбора и подготовки данных для систем искусственного интеллекта.

Уметь:

Умеет осуществлять поиск данных в открытых источниках, специализированных библиотеках и репозиториях.

Владеть:

Выполняет подготовку и разметку структурированных и неструктурированных данных для машинного обучения.

ПК-7.п. Способен выполнять анализ больших данных
Знать:

Знает методы и способы выполнения анализа больших данных.

Уметь:

Умеет использовать знания о вариантах использования больших данных, определениях, словарях и эталонной архитектуре больших данных для эффективного извлечения, хранения, подготовки больших данных.

Владеть:

Выполняет обработку, удаленную, распределенную и объединенную аналитику, описание и управление качеством и достоверностью, использует результаты анализа больших данных.

ПК-8.п. Способен использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта
Знать:

Знает способы решения прикладных задач и участвует в реализации проектов в области сквозной цифровой субтехнологии «Компьютерное зрение».
Решает прикладные задачи и участвует в реализации проектов в области сквозной цифровой субтехнологии «Обработка естественного языка».

Уметь:

Умеет решать прикладные задачи и участвует в реализации проектов в области сквозной цифровой субтехнологии «Рекомендательные системы и системы поддержки принятия решений».

Владеть:

Решает прикладные задачи и участвует в реализации проектов в области сквозной цифровой субтехнологии «Распознавание и синтез речи».
Решает прикладные задачи и участвует в реализации проектов в области перспективных сквозных цифровых субтехнологий искусственного интеллекта.

Требования

Нет

Образование
  • Высшее образование
  • Среднее профессиональное образование
Владение необходимыми профессиональными компетенциями
1. Способен участвовать в разработке технической документации программных продуктов и комплексов с использованием стандартов, норм и правил, а также в управлении проектами создания информационных систем на стадиях жизненного цикла.
Профессиональные:
Знать: Типовые решения, библиотеки программных модулей, шаблоны, классы объектов, используемые при разработке программного обеспечения
Уметь: Использовать существующие типовые решения и шаблоны проектирования программного обеспечения.
Владеть: Проектированием структур данных
2. Способен инсталлировать и сопровождать программное обеспечение информационных систем и баз данных, в том числе отечественного происхождения, с учетом информационной безопасности
Профессиональные:
Знать: Методы и средства проектирования баз данных.
Уметь: Применять методы и средства проектирования программного обеспечения, структур данных, баз данных, программных интерфейсов.
Владеть: Проектированием баз данных.
3. Написание программного кода с использованием языков программирования, определения и манипулирования данными
профессиональные
Знать: Синтаксис выбранного языка программирования, особенности программирования на этом языке, стандартные библиотеки языка программирования. Технологии программирования. Особенности выбранной среды программирования и системы управления базами данных
Уметь: Применять выбранные языки программирования для написания программного кода. Использовать выбранную среду программирования и средства системы управления базами данных.
Владеть: Методами оптимизации программного кода с использованием специализированных программных средств. Методами оценки и согласования сроков выполнения поставленных задач.

Модули

свернуть
178,00ч
Модуль 1 Базовый модуль
В рамках модуля обучающиеся познакомятся с технологиями баз данных, техниками проектирования структур и баз данных, методами и инструментами сбора, подготовки, обработки и управления данными, методами обработки данных в промышленной аналитике и задачах бизнес-аналитики; освоят умения и практические навыки по формированию нейросетевых и других видов регрессоров, классификаторов и прогнозных моделей.
Подробнее
69,00ч
Модуль 2 «Профессиональный модуль»
В ходе изучения модуля обучающиеся получат знания, навыки и умения в области проектирования и разработки программного обеспечения, а также ознакомятся с технологиями разработки компьютерных программ на языке Python, проектирования сложных систем искусственного интеллекта.
Подробнее
178,00ч
Модуль 1 Базовый модуль
В рамках модуля обучающиеся познакомятся с технологиями баз данных, техниками проектирования структур и баз данных, методами и инструментами сбора, подготовки, обработки и управления данными, методами обработки данных в промышленной аналитике и задачах бизнес-аналитики; освоят умения и практические навыки по формированию нейросетевых и других видов регрессоров, классификаторов и прогнозных моделей.
Подробнее
69,00ч
Модуль 2 «Профессиональный модуль»
В ходе изучения модуля обучающиеся получат знания, навыки и умения в области проектирования и разработки программного обеспечения, а также ознакомятся с технологиями разработки компьютерных программ на языке Python, проектирования сложных систем искусственного интеллекта.
Подробнее

Преподаватели

Антонова

Вероника Михайловна

МГТУ им. Н.Э. Баумана, к.т.н.

доцент МГТУ им. Н.Э. Баумана

к.т.н.

Бухтояров

Владимир Викторович

МГТУ им. Н.Э. Баумана

старший научный сотрудник

Пересунько

Евгения Олеговна

Сибирский федеральный университет

Ассистент

https://disk.yandex.ru/d/5wIZgyYs3fy3PQ https://disk.yandex.ru/d/N6AUPl9Vy6IheA

Пересунько

Павел Викторович

Сибирский федеральный университет

Старший преподаватель

https://disk.yandex.ru/d/N6AUPl9Vy6IheA https://do.bmstu.ru/about/teachers/peresunko-pavel-viktorovich

Курашкин

Сергей Олегович

Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнёва

Ассистент

Доррер

Михаил Георгиевич

Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнёва

Доцент

Кандидат технических наук

https://disk.yandex.ru/d/N6AUPl9Vy6IheA https://do.bmstu.ru/about/teachers/dorrer-mikhail-geogrievich/

Тынченко

Вадим Сергеевич

МГТУ им. Н.Э. Баумана

Главный научный сотрудник (д.н.)

д.т.н.

Профессор

https://edu.bmstu.ru/about/teachers/tynchenko-vadim-sergeevich-/ http://inig.sfu-kras.ru/%D1%82%D1%8B%D0%BD%D1%87%D0%B5%D0%BD%D0%BA%D0%BE-%D0%B2%D0%B0%D0%B4%D0%B8%D0%BC-%D1%81%D0%B5%D1%80%D0%B3%D0%B5%D0%B5%D0%B2%D0%B8%D1%87/

Соколов

Григорий Владимирович

ООО «СХД БАУМ»

руководитель проектов

https://edu.bmstu.ru/about/teachers/sokolov-grigoriy-vladimirovich/ https://github.com/Lasttrader/awesome_data_science_2021 https://disk.yandex.ru/d/N6AUPl9Vy6IheA

Масич

Игорь Сергеевич

Сибирский федеральный университет

Профессор

Доктор технических наук

доцент

Панфилов

Илья Александрович

Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнёва

Заведующий кафедрой

к.т.н.

доцент

https://disk.yandex.ru/d/F2G-JF-kYrzMzQ https://disk.yandex.ru/d/N6AUPl9Vy6IheA
80 000 p
Авторизуйтесь чтобы записаться

Профстандарт

Специалист по большим данным

06.042

Ответственный за программу

do@edubmstu.ru

+7(495)1828385