Программа призвана обеспечивать наращивание профессиональных компетенций в области получения, обработки и анализа, и управления большими массивами данных, создания и обучения предиктивных моделей с помощью алгоритмов машинного обучения и нейросетей.
Особенностью программы является ее практическая ориентация и направленность на решение конкретных задач и получения максимального эффекта.
Программа включает в себя четыре основных блока:
- Введение в Искусство аналитики данных, основы Python,
- Основы машинного обучения,
- Продвинутое машинное обучение,
- Нейронные сети. Компьютерное зрение.
Трудоемкость учебной работы слушателя по данной программе – 256 академический часа, включая все виды аудиторной и внеаудиторной (самостоятельной) работы.
В рамках реализации образовательной программы используются различные организационные формы обучения, такие как:
индивидуальные – самостоятельное выполнение заданий в рамках практических занятий,
дистанционные– лекции, практические занятия консультации с наставниками.
Программа предназначена для специалистов со средним и высшим профессиональным образованием.
Оценка качества освоения программы включает текущую и итоговую аттестацию обучающихся.
- Текущая аттестация – практическое задание.
- Итоговая аттестация - выполнение проекта в форме письменной работы.
Конечным образовательным результатом дополнительной профессиональной программы является получение актуальных профессиональных компетенций в области информационных технологий с учетом основных приоритетов цифровой экономики России.
Слушателям после успешного окончания обучения выдается удостоверение о повышении квалификации установленного образца.
8 часов
промежуточная аттестация
1 час
входная диагностика
11 часов
итоговая аттестация
Целью программы повышения квалификации «Искусство управлять данными (Data Scientist)» является получение новых компетенций, необходимых для профессиональной деятельности в области искусственного интеллекта, посредством использования современных инструментов сбора, подготовки, обработки и анализа больших объемов разнородных данных, а также применения методов машинного обучения и технологий искусственного интеллекта для решения прикладных задач.
Рабочая программа разработана с учетом с учетом установленных квалификационных требований, профессиональных стандартов и соответствующих требований федеральных государственных образовательных стандартов среднего профессионального и (или) высшего образования к результатам освоения образовательных программ, требований федерального проекта «Искусственный̆ интеллект» национальной̆ программы «Цифровая экономика Российской̆ Федерации», положений Национальной̆ стратегии развития искусственного интеллекта на период до 2030 года, утверждённой̆ указом Президента Российской̆ Федерации от 10 октября 2019 г. No 490.6.2. и требований Министерства науки и высшего образования Российской Федерации к дополнительной профессиональной образовательной программе повышения квалификации/профессиональной переподготовке.
Вступительные испытания проводятся в форме тестирования.
выполнение проекта
Профессиональные
Способен классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта
Знать:
Методы и инструментальные средства искусственного интеллекта для решения задач в зависимости от особенностей проблемной области
Уметь:
Выбирать методы и инструментальные средства искусственного интеллекта для решения задач в зависимости от особенностей проблемной области и задачи системы искусственного интеллекта для своего итогового проекта
Владеть:
Сбор исходной информации и формирование требований к решению задач с использованием методов искусственного интеллекта
Способен разрабатывать и применять методы машинного обучения для решения задач
Знать:
Принимает участие в оценке и выборе используемых методов машинного обучения
Уметь:
Проводит анализ требований и определяет необходимые классы задач машинного обучения
Владеть:
Определяет метрики оценки результатов моделирования и критерии качества построенных моделей
Способен использовать инструментальные средства для решения задач машинного обучения
Знать:
Знает инструментальные средства для решения задач машинного обучения
Уметь:
Умеет проводить оценку и выбор инструментальных средств для решения поставленных целей и задач проекта
Владеть:
Разрабатывает модели машинного обучения для решения поставленных целей и задач проекта
Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта
Знать:
Способы сбора 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
Способен использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта
Знать:
Способы использования сквозных цифровых субтехнологий искусственного интеллекта
Уметь:
Умеет использовать сквозные цифровые субтехнологии искусственного интеллекта
Владеть:
Решает прикладные задачи 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 «Рекомендательные системы и системы поддержки принятия решений»
Решает прикладные задачи и участвует в реализации проектов в области перспективных сквозных цифровых субтехнологий искусственного интеллекта
Слушатель должен знать место и роль анализа данных, уметь использовать на практике инструменты аналитики, модели и алгоритмы работы с большими данными, владеть навыками сбора данных, анализа, выдвижения гипотез, прогнозирования, основ математического анализа
свернуть
44ч
Целью изучения модуля «Введение в Искусство аналитики данных. Основы Python» является получение новых компетенций по применению инструментов сбора, подготовки, обработки и анализа больших объемов разнородных данных с использованием языка высокого уровня Python.
Задачи:
1. Формирование у слушателей умение классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта.
2. Формирование у слушателей навыков сбора и подготовку данных для систем искусственного интеллекта
Основные темы модуля
1. Введение в Искусство аналитики данных.
2. Введение в Python
3. Библиотека NumPy
4. Библиотека Pandas
5. Основы парсинга
62ч
Целью изучения модуля «Продвинутое машинное обучение» является получение новых компетенций по разработке и применению моделей глубокого машинного обучения для управлением производственным процессом.
Задачи Модуля 3:
1. Формирование у слушателей знаний об использовании инструментальных средств для решения задач машинного обучения
2. Формирование у слушателей умений классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта.
3. Формирование у слушателей навыков разрабатывать и применять методы машинного обучения для решения задач.
72ч
Целью изучения модуля «Основы машинного обучения» является получение новых компетенций по разработке и применению моделей машинного обучения с использованием языка высокого уровня Python для аналитики технологических данных.
Задачи Модуля 2:
1. Формирование у слушателей навыков классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта
2. Формирование у слушателей умений разрабатывать и применять методы машинного обучения для решения задач.
3. Формирование у слушателей знаний использования инструментальных средств для решения задач машинного обучения.
62ч
Целью изучения модуля «Нейронные сети. Компьютерное зрение» является получение новых компетенций по разработке и применению нейронных сетей для принятия решений по управлению промышленным предприятием.
Задачи Модуля 4:
1. Формирование у слушателей знаний об осуществлении сбора и подготовки данных для систем искусственного интеллекта.
2. Формирование у слушателей умений классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта.
3. Формирование у слушателей навыков использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта.
44ч
Целью изучения модуля «Введение в Искусство аналитики данных. Основы Python» является получение новых компетенций по применению инструментов сбора, подготовки, обработки и анализа больших объемов разнородных данных с использованием языка высокого уровня Python.
Задачи:
1. Формирование у слушателей умение классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта.
2. Формирование у слушателей навыков сбора и подготовку данных для систем искусственного интеллекта
Основные темы модуля
1. Введение в Искусство аналитики данных.
2. Введение в Python
3. Библиотека NumPy
4. Библиотека Pandas
5. Основы парсинга
72ч
Целью изучения модуля «Основы машинного обучения» является получение новых компетенций по разработке и применению моделей машинного обучения с использованием языка высокого уровня Python для аналитики технологических данных.
Задачи Модуля 2:
1. Формирование у слушателей навыков классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта
2. Формирование у слушателей умений разрабатывать и применять методы машинного обучения для решения задач.
3. Формирование у слушателей знаний использования инструментальных средств для решения задач машинного обучения.
62ч
Целью изучения модуля «Продвинутое машинное обучение» является получение новых компетенций по разработке и применению моделей глубокого машинного обучения для управлением производственным процессом.
Задачи Модуля 3:
1. Формирование у слушателей знаний об использовании инструментальных средств для решения задач машинного обучения
2. Формирование у слушателей умений классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта.
3. Формирование у слушателей навыков разрабатывать и применять методы машинного обучения для решения задач.
62ч
Целью изучения модуля «Нейронные сети. Компьютерное зрение» является получение новых компетенций по разработке и применению нейронных сетей для принятия решений по управлению промышленным предприятием.
Задачи Модуля 4:
1. Формирование у слушателей знаний об осуществлении сбора и подготовки данных для систем искусственного интеллекта.
2. Формирование у слушателей умений классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта.
3. Формирование у слушателей навыков использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта.
Чаруйская
Марианна Александровна
МГТУ "СТАНКИН"
доцент кафедры финансового менеджмента
кандидат экономических наук
Нежметдинов
Рамиль Амирович
МГТУ "СТАНКИН"
профессор кафедры КСУ
доктор технических наук
профессор
Ковалев
Илья Александрович
МГТУ "СТАНКИН"
доцент кафедры КСУ
кандидат технических наук
доцент
Солдатов
Алексей Викторович
МГТУ "СТАНКИН"
доцент кафедры информационные системы
кандидат технических наук
доцент
Червонного
Надежда Юрьевна
МГТУ "СТАНКИН"
старший преподаватель
Авторизуйтесь чтобы записаться
Профстандарт
Специалист по большим данным
06.042
Специальность
Аналитик данных (Data Scientist)
Отрасль
Промышленность
Ответственный за программу