Аналитик данных
1Т![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/cover/3458.1711616602/15ebd2915185a81d73e3b396d9cc5328.jpg)
Описание
Программа повышения квалификации разработана с учетом потребностей обучающихся, которые хотят продолжить карьеру в IT в качестве аналитика данных.
#аналитик_данных #искусственный_интеллект #большие_данные #Python #SQL
Курс включает изучение методов и инструментальных средств решения задач искусственного интеллекта. Вы научитесь анализировать данные с помощью сервисов аналитики и BI-инструментов, освоите Python и SQL. Программа нацелена на формирование навыков применения методов обработки и хранения больших данных современными инструментами, а также навыков применения методов математической статистики, машинного обучения, глубокого обучения и интеллектуального анализа данных для решения прикладных задач.
Программа построена по модульному принципу, предполагает изучение теоретического материала и практическую отработку полученных знаний.
Преимущества курса:
- Можно осваивать параллельно с получением среднего профессионального образования или высшего образования, основной работой без отрыва от производства.
- В основе – передовые и наиболее востребованные методы, приемы, технологии работы с большими данными.
- Использование современного программного обеспечения.
- Дистанционный формат, удобный график и темп обучения.
- Персональное сопровождение и поддержка обучающихся.
- Интерактивный формат подачи учебного материала.
Часов в программе
Цель программы
Актуальность
С 2017 года началось активное стимулирование процессов цифровизации экономики, осуществляемое со стороны государства. Об этом свидетельствуют многочисленные принятые в данном периоде нормативно-правовые акты в данной сфере. Прежде всего, была создана Автономная некоммерческая организация «Цифровая экономика», а также принят Указ Президента РФ «О стратегии развития информационного общества в РФ на 2017–2030 годы». В 2018 году был разработан нацпроект «Цифровая экономика РФ», а в 2019 году принят план информатизации Министерства цифрового развития, связи и массовых коммуникаций РФ, что стало отправной точкой в области цифровизации экономики России. В дальнейшем, в 2020 году, цифровизация экономики была простимулирована пандемией коронавируса, которая сопровождалась вынужденным режимом самоизоляции граждан, что повлекло массовый переход на дистанционные формы взаимодействия, требующие цифровых технологий и соответствующей инфраструктуры. В этом же году цифровизация была объявлена национальной целью развития России.
Указом Президента Российской Федерации от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации» утверждена Национальная стратегия развития искусственного интеллекта на период до 2030 года.
Стратегия является основным программным документом, направленным на развитие и внедрение отечественных решений, формирующих внедрение инноваций во все сферы экономической деятельности и повседневной жизни граждан.
В развитие Национальной стратегии утвержден федеральный проект «Искусственный интеллект» (ИИ) сроком реализации до конца 2024 года.
Федеральный проект «Искусственный интеллект» предусматривает повышение уровня обеспечения российского рынка технологий ИИ квалифицированными кадрами и уровня информированности населения о возможных сферах использования ИИ.
Новой мерой в 2022 году стал запуск дополнительного профессионального образования граждан в области ИИ, в котором одной из актуальных специальностей является аналитик данных.
Аналитики данных востребованы, например, в сфере экономики и финансов. Они исследуют рынок с помощью инструментов анализа данных и строят свой прогноз на основе результатов анализа. Кроме того, аналитик оценивает бизнес и приводит технические требования в соответствие с бизнес-проектами и целями.
Входная диагностика 1 час
Итоговая аттестация 8 часов
Компетенции
Профессиональные
Способен классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта
− основные определения искусственного интеллекта и больших данных;
− понятие A/B-тестирования;
− особенности продуктовой аналитики.
− проводить аналитические и поисковые исследования по тематике информационных технологий, технологий больших данных;
− строить несколько моделей и выбирать лучшую модель на данных.
− 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
− существующие и перспективные методы и программный инструментарий технологий больших данных;
− математические основы машинного обучения (линейная алгебра, статистика, оптимизация).
− 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.
− методами разработки моделей машинного обучения и нейронных сетей
Способен использовать инструментальные средства для решения задач машинного обучения
− основные конструкции языка Python, библиотеки;
− системы обработки и анализа больших массивов данных (Hadoop, ETL, Spark и др.);
− 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.
− 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
− различия между машинным обучением, нейронными сетями, глубоким обучением и EDA;
− язык запросов к СУБД;
− основные ETL процессы и инструменты.
− осуществлять поиск и структурирование данных;
− осуществлять подготовку и разметку структурированных и неструктурированных данных для машинного обучения.
− навыками решения базовых аналитических кейсов с использованием инструментов визуализации;
− навыками поиска аномалий в данных, сегментации PCA, уменьшения размерности данных
Способен выполнять анализ больших данных
− 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.
− производить аналитику для интеллектуального отслеживания ресурсов/процессов;
− визуализировать анализируемые данные;
− применять методы анализа на графах;
− создавать собственные модели данных с использованием UML-диаграмм.
− 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
− 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».
− навыками использования предварительно обученных моделей для классификации изображений и других задач;
− навыками обучения нейронной сети Keras многоклассовой классификации изображений на малом количестве данных
Требования
Требования к уровню подготовленности, определяемому контрольно-измерительными материалами.
Обучающиеся должны обладать следующими знаниями, умениями и владеть навыками:
PYTHON:
- Знание синтаксиса языка.
- Понимание базовых структур данных.
- Владение основами ООП (класс, объект).
- Владение базовыми знаниями в алгоритмах (“О” большое и т.д.).
SQL:
- Знание базового синтаксиса SQL.
- Умение составлять подзапросы, временные таблицы.
- Навык работы с оконными функциями.
ИНФРАСТРУКТУРА:
- Навыки работы с Docker.
- Знание базовых команд Linux.
- Навыки работы с системами контроля версий Git.
АНАЛИТИКА:
- Понимание основ математической статистики.
- Понимание основ теории вероятностей.
- Базовые знания в выборе необходимого метода визуализации данных.
Квалификация
Владение необходимыми профессиональными компетенциями
- Способен использовать и адаптировать существующие математические методы и системы программирования для разработки и реализации алгоритмов решения прикладных задач;
- Способен применять и модифицировать математические модели для решения задач в области профессиональной деятельности;
- Владеет широкой общей подготовкой (базовыми знаниями) для решения практических задач в области информационных систем и технологий;
- Способен использовать современные компьютерные технологии поиска информации для решения поставленной задачи, критического анализа этой информации и обоснования принятых идей и подходов к решению;
- Способен выбирать и оценивать способ реализации информационных систем и устройств (программно-, аппаратно- или программно-аппаратно-) для решения поставленной задачи.
Иные требования и рекомендации для обучения по программе
Требования к уровню подготовленности, определяемому контрольно-измерительными материалами.
Обучающиеся должны обладать следующими знаниями, умениями и владеть навыками:
PYTHON:
- Знание синтаксиса языка.
- Понимание базовых структур данных.
- Владение основами ООП (класс, объект).
- Владение базовыми знаниями в алгоритмах (“О” большое и т.д.).
SQL:
- Знание базового синтаксиса SQL.
- Умение составлять подзапросы, временные таблицы.
- Навык работы с оконными функциями.
ИНФРАСТРУКТУРА:
- Навыки работы с Docker.
- Знание базовых команд Linux.
- Навыки работы с системами контроля версий Git.
АНАЛИТИКА:
- Понимание основ математической статистики.
- Понимание основ теории вероятностей.
- Базовые знания в выборе необходимого метода визуализации данных.
Модули
свернутьПреподаватели
![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1712740942/ea2f3433a5fb8198d31e5511e5cb71b4.jpg)
Борисов
Вадим Владимирович
Филиал НИУ «МЭИ» в г. Смоленске
Профессор кафедры вычислительной техники
Доктор технических наук
Профессор
![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1669991395/71a70e1836c3080496ea001955dc0046.jpg)
Жукова
Людмила Вячеславовна
НИТУ МИСИС
Доцент кафедры «Магистерская школа информационных бизнес-систем»
Кандидат экономических наук
https://1t.ru/teacher-zhukova![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1711706295/809a82d548764540a9c5bc4cca460e01.jpg)
Санников
Даниил Александрович
ПАО «Сбербанк»
Главный аналитик данных
Хусаинов
Наиль Шавкятович
ФГАОУ ВО «Южный федеральный университет»
Заведующий кафедрой Института компьютерных технологий и информационной безопасности
Кандидат технических наук
![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1711655507/220d85beed6b31373c19f830fa4c9f43.jpg)
Королева
Диана Олеговна
НИУ ВШЭ
Заведующая лабораторией инноваций в образовании
![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1669987130/2a55833824f9a0a7606210d0bf59f49e.jpg)
Костин
Алексей Николаевич
1Т
Менеджер проектов, руководитель направления БАС, преподаватель ДПО
https://1t.ru/teacher-kostin![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1711706231/22ffb866d69358250044b6604dbf1813.jpg)
Кропивный
Дмитрий Алексеевич
ООО ЭЦ "Социология и аналитика"
Data Scientist
![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1711706058/7656efd00bc440438065d9cce02aabcb.jpg)
Зиновьев
Дмитрий Владимирович
1Т
Системный аналитик
![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1711655730/a014ad4bceb54d96e9e003a94e4772d5.jpg)
Лашков
Дмитрий Юрьевич
ООО Верконт Сервис
аналитик данных
![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1680546290/b0376bdb543713d6a17efbeddd5eac79.jpg)
Клавдеев
Александр Владимирович
1Т
Старший аналитик данных
![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1711655652/5cbc568d5fa4737c49eb147c67563c81.jpg)
Кулакова
Надежда Сергеевна
1Т
Старший аналитик данных
![](https://s3.objstor.cloud4u.com/unti-prod-cat/CACHE/images/instructor/3458.1711655893/f4acea6b9712b33d23c1149e258cc360.jpg)
Шарапов
Никита Александрович
1Т
Аналитик-исследователь
Профстандарт
Специалист по большим данным
06.042Специальность
Аналитик данных (Data Scientist)
Ответственный за программу
+79993333307