III уровень Искусственный интеллект

Аналитик данных

Финансовый университет при Правительстве Российской Федерации
260 часов длительность
Онлайн формат
1 поток 01.06-01.09.2024
2 поток 01.09-20.11.2024

Описание

Программа "Аналитик данных" является уникальной возможностью для всех, кто хочет расширить свои профессиональные навыки в области анализа данных, технологий искуственного интеллекта и инженерии. Курс позволит участникам приобрести теоретические и практические знания в области технического анализа, научиться работать с разными инструментами и методами анализа данных, а также получить опыт работы с реальными проектами в индустрии.

Одной из особенностей программы является ее ориентированность на реальную практику и необходимость знаний в сфере технического анализа данных с помощью программных инструментов. Знания, полученные в ходе обучения, позволят участникам курса стать профессионалами, способными эффективно анализировать данные и принимать обоснованные решения.

Преподаватели программы - опытные и высококвалифицированные специалисты, работающие в сфере технологий и инженерии. Участники курса смогут получить ценный опыт и новые знания от профессионалов своего дела.

Курс "Аналитик данных" является востребованным среди работодателей, ведь квалифицированные специалисты, обладающие знаниями в области технического анализа, всегда востребованы на рынке труда. Программа предоставляет полезные знания и практические навыки, необходимые для успешной карьеры в области технологий и инженерии.

Часов в программе
72 часа
лекции
120 часов
практика
64 часа
самостоятельная
8 часов
промежуточная аттестация
1 час
входная диагностика
1 час
итоговая аттестация
266 часов
всего
Цель программы
Получение слушателями компетенций, необходимых для профессиональной деятельности аналитика данных, разработки и применения технологических решений в области искусственного интеллекта и в смежных областях
Актуальность
Аналитики данных играют ключевую роль в современном бизнесе, ведь именно они помогают организациям принимать обоснованные решения и улучшать эффективность своей деятельности на основе анализа данных. Без таких профессионалов крупные проекты с собственной командой разработки могли бы столкнуться с серьёзными трудностями. Аналитика данных становится всё более перспективной в сфере информационных технологий.
Актуальность программы обусловлена необходимостью подготовки квалифицированных кадров в условиях повсеместной цифровизации экономики, санкционного давления среди производителей ПО и общероссийской тенденции к суверинитизации Российских технологий.
Входная диагностика 1 час
Входная диагностика состоит из решения тестового задания из 20 вопросов. Слушатель выбирает утверждения, которые он считает верными.
Итоговая аттестация 1 час

Компетенции

Профессиональные


Способен классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта
Знать:

− основные определения искусственного интеллекта и больших данных;
− понятие A/B-тестирования;
− особенности продуктовой аналитики.

Уметь:

− проводить аналитические и поисковые исследования по тематике информационных технологий, технологий больших данных;
− строить несколько моделей и выбирать лучшую модель на данных.

Владеть:

− методами и инструментальными средствами решения задач искусственного интеллекта;
− навыками расчета ключевых метрик роста продукта с помощью Python

Способен разрабатывать и применять методы машинного обучения для решения задач
Знать:

− существующие и перспективные методы и программный инструментарий технологий больших данных;
− математические основы машинного обучения (линейная алгебра, статистика, оптимизация).

Уметь:

− применять язык программирования Python и библиотеки при разработке решений на основе ИИ;
− осуществлять массово параллельную обработку и анализ данных;
− строить модели машинного обучения (регрессия, классификация, кластеризация, нейросети);
− оценивать результаты моделирования и определять критерии качества построенных моделей.

Владеть:

− методами разработки моделей машинного обучения и нейронных сетей

Способен использовать инструментальные средства для решения задач машинного обучения
Знать:

− основные конструкции языка Python, библиотеки;
− системы обработки и анализа больших массивов данных (Hadoop, ETL, Spark и др.);

Уметь:

− осуществлять парсинг интернет-данных;
− применять SQL базы данных для прикладных решений;
− производить расчет вероятностных показателей с использованием языка Python;
− разрабатывать модели машинного обучения для решения задач.

Владеть:

− навыками расчета статистических показателей с использованием языка Python;
− навыками создания нескольких таблиц в СУБД Postgres посредствам Dbeaver;
− навыками интеллектуального анализа данных с помощью языка программирования R;
− навыками обучения нейронных сетей с помощью PyTorch, TensorFlow и Keras;
− навыками расчета ключевых метрик роста продукта с помощью Python;
− навыками настраивания кластеров Apache Spark и Hive на Hadoop;
− владение инструментами инструменты Weka,RapidMiner, Knime, Orange IBM SPSS Modeler, Tableau и др.;
− использовать базы данных (MongoDB, Clickhouse и др.

Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта
Знать:

− различия между машинным обучением, нейронными сетями, глубоким обучением и EDA;
− язык запросов к СУБД;
− основные ETL процессы и инструменты.

Уметь:

− осуществлять поиск и структурирование данных;
− осуществлять подготовку и разметку структурированных и неструктурированных данных для машинного обучения.

Владеть:

− навыками решения базовых аналитических кейсов с использованием инструментов визуализации;
− навыками поиска аномалий в данных, сегментации PCA, уменьшения размерности данных

Способен выполнять анализ больших данных
Знать:

− основы теории баз данных;
− принципы работы NoSQL баз данных;
− основные уровни представления данных;
− особенности организации СУБД в MPP-системе;
− основные типы данных в СУБД Postgres;
− особенности колоночного формата хранения данных;
− принципы построения дашбордов;
− основные понятия теории вероятности;
− основы комбинаторики.

Уметь:

− производить аналитику для интеллектуального отслеживания ресурсов/процессов;
− визуализировать анализируемые данные;
− применять методы анализа на графах;
− создавать собственные модели данных с использованием UML-диаграмм.

Владеть:

− навыками использования статистических методов исследования;
− математическими методами анализа данных;
− навыками интеллектуального анализа данных с помощью языка программирования R

Способен использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта
Знать:

− представление о сквозных цифровых субтехнологиях искусственного интеллекта;

Уметь:

− осуществлять математическое и информационное моделирование;
− решать прикладные задачи и участвовать в реализации проектов в области сквозной цифровой субтехнологии «Компьютерное зрение».

Владеть:

− навыками использования предварительно обученных моделей для классификации изображений и других задач;
− навыками обучения нейронной сети Keras многоклассовой классификации изображений на малом количестве данных

Требования

Категории:

Предприниматели, работники и владельцы компаний IT-сектора, имеющие высшее образование или среднее профессиональное (либо получающие высшее или среднее профессиональное образование), а также мотивированные специалисты из других профессиональных сфер и студенты, обучающиеся в области информационных технологий, а также по иным специальностям, которые заинтересованы в получении новых компетенций по специальности «Аналитик данных».

Иные требования и рекомендации для обучения по программе

Категории:

Предприниматели, работники и владельцы компаний IT-сектора, имеющие высшее образование или среднее профессиональное (либо получающие высшее или среднее профессиональное образование), а также мотивированные специалисты из других профессиональных сфер и студенты, обучающиеся в области информационных технологий, а также по иным специальностям, которые заинтересованы в получении новых компетенций по специальности «Аналитик данных».

Модули

свернуть
138ч
Модуль 1 Базовый
Цель освоения модуля 1 – приобретение слушателями профессиональных компетенций в области анализа данных, инструментов, библиотек и технологий хранения и обработки больших данных.
126ч
Модуль 2 Профильный
Цель освоения модуля 2 – приобретение слушателями профессиональных компетенций в области математического моделирования, машинного обучения и оптимизации, глубокого обучения и нейронных сетей, продвижения продукта, бизнес-метрики.
138ч
Модуль 1 Базовый
Цель освоения модуля 1 – приобретение слушателями профессиональных компетенций в области анализа данных, инструментов, библиотек и технологий хранения и обработки больших данных.
126ч
Модуль 2 Профильный
Цель освоения модуля 2 – приобретение слушателями профессиональных компетенций в области математического моделирования, машинного обучения и оптимизации, глубокого обучения и нейронных сетей, продвижения продукта, бизнес-метрики.

Преподаватели

Петросов

Давид Арегович

Финансовый университет при Правительстве Российской Федерации

профессор

доктор техническимх наук

профессор

http://www.fa.ru/_layouts/15/ViewProfile.aspx?accountname=FADOMAIN\DAPetrosov&ReturnUrl=/org/dep/bi/Pages/Home.aspx

Андриянов

Никита Андреевич

Финансовый университет при Правительстве Российской Федерации

Доцент кафедры анализа данных и машинного обучения Факультета информационных технологий и анализа больших данных Финансового университета

Кандидат технических наук

доцент

http://www.fa.ru/_layouts/15/ViewProfile.aspx?accountname=FADOMAIN\NAAndriyanov&ReturnUrl=http://www.fa.ru/org/dep/findata/Pages/PersonList.aspx

Кублик

Евгений Ильич

Финансовый университет при Правительстве Российской Федерации

доцент

кандидат технических наук

http://www.fa.ru/_layouts/15/ViewProfile.aspx?accountname=FADOMAIN\EKublik&ReturnUrl=http://www.fa.ru/org/chair/findata/Pages/PersonList.aspx

Макрушин

Сергей Вячеславович

Финансовый университет при Правительстве Российской Федерации

доцент

кандидат экономических наук

http://www.fa.ru/_layouts/15/ViewProfile.aspx?accountname=FADOMAIN\SVMakrushin&ReturnUrl=http://www.fa.ru/org/chair/findata/Pages/PersonList.aspx

Соловьев

Владимир Игоревич

Финансовый университет при Правительстве Российской Федерации

доцент

доктор экономических наук

профессор

http://www.fa.ru/_layouts/15/ViewProfile.aspx?accountname=FADOMAIN\VSoloviev&ReturnUrl=http://www.fa.ru/org/chair/findata/Pages/PersonList.aspx

Никитин

Петр Владимирович

Финансовый университет при Правительстве Российской Федерации

Преподаватель Департамент анализа данных и машинного обучения

кандидат педагогических наук

доцент

http://www.fa.ru/_layouts/15/ViewProfile.aspx?accountname=FADOMAIN%5cPVNikitin&ReturnUrl=http%3a//www.fa.ru/org/dep/findata/Pages/PersonList.aspx

Абашин

Валерий Геннадьевич

Финансовый университет при Правительстве Российской Федерации

доцент кафедры анализа данных и машинного обучения

кандидат технических наук

доцент

http://www.fa.ru/_layouts/15/ViewProfile.aspx?accountname=FADOMAIN\VGAbashin&ReturnUrl=http://www.fa.ru/org/chair/findata/Pages/PersonList.aspx

Пальчевский

Евгений Владимирович

Финансовый университет при Правительстве Российской Федерации

старший преподаватель кафедры анализа данных и машинного обучения

http://www.fa.ru/_layouts/15/ViewProfile.aspx?accountname=FADOMAIN\EVPalchevskij&ReturnUrl=http://www.fa.ru/org/chair/findata/Pages/PersonList.aspx

Черняков

Алексей Николаевич

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\ANChernyakov&ReturnUrl=http://www.fa.ru/org/dep/findata/Pages/PersonList.aspx

Осипов

Алексей Викторович

Финансовый университет при Правительстве Российской Федерации

Преподаватель Департамент анализа данных и машинного обучения

кандидат физико-математических наук

доцент

http://wiki.fa100.ru/index.php?title=%D0%9E%D1%81%D0%B8%D0%BF%D0%BE%D0%B2,_%D0%90%D0%BB%D0%B5%D0%BA%D1%81%D0%B5%D0%B9_%D0%92%D0%B8%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2%D0%B8%D1%87
Авторизуйтесь чтобы записаться

Профстандарт

«Системный аналитик», утвержденный приказом Министерства труда и социальной защиты РФ от 28 октября 2014 года №809н

06.022

Специальность

Аналитик данных (Data Scientist)

Ответственный за программу

defu@fa.ru

+79374213990