III уровень

Аналитика данных и машинное обучение

Университет Иннополис

256 часов длительность

Онлайн формат

Базовый уровень

1 поток (закрыт) 03.06-25.11.2024

2 поток (закрыт) 10.06-25.11.2024

Описание

Данные — это объемные массивы сведений о деятельности компании. Аналитический подход помогает выявлять закономерности по различным критериям и извлекать информацию из данных.

Образовательная программа направлена на получение навыков создания моделей машинного обучения. Программа включает в себя темы по проверке статистических гипотез, применения методов кластеризации, метрик для оценки качества результатов анализа данных и др.

Курс проходит в дистанционном формате, поэтому присоединиться к занятиям можно из любого города или региона. Слушатели получают обратную связь к выполненным домашним заданиям. Это позволит лучше разобраться в материалах курса и быстрее усвоить новую информацию. В конце участники выполняют учебный проект.

Кому подойдет программа:

— начинающим аналитикам и ИТ-специалистам;

— студентам ИТ-направлений;

— специалистам, желающим сменить сферу деятельности.

Чему вы научитесь:

— основам языка программирования Python;

— обрабатывать данные с помощью библиотек NumPy, Pandas, Matplotlib и Sklearn;

— владеть методами машинного обучения;

— оценивать качество моделей;

— применять статистические методы для проверки гипотез.

Часов в программе

60 часов

лекции

78 часов

практика

96 часов

самостоятельная

14 часов

промежуточная аттестация

8 часов

итоговая аттестация

256 часов

всего

Цель программы

Целью подготовки слушателей по Программе является совершенствование компетенций в области искусственного интеллекта и машинного обучения, необходимых для профессиональной деятельности по специальности аналитик данных.

Актуальность

Сведения о деятельности компании накапливаются в виде больших массивов данных. Их грамотный анализ и обработка при помощи профессиональных инструментов позволяет бизнесу анализировать поведение клиентов и спрос на товары.

По причине повышенного спроса на ИТ-специалистов аналитики больших данных считаются одними из самых востребованных. Универсальность Python заключается в простоте синтаксиса и относительной легкости в изучении. На курсе узнаете, как использовать язык программирования Python и связанные с ним приложения для работы с большими данными и создания моделей машинного обучения.

Итоговая аттестация 8 часов

защита проектной работы

Компетенции

Профессиональные

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

Знать:

Классификации и идентификации задач систем искусственного интеллекта в зависимости от особенностей проблемной и предметной областей

Уметь:

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

Владеть:

Сбора исходной информации и формирования требований к решению задач с использованием методов искусственного интеллекта

Способен разрабатывать и применять методы машинного обучения для решения задач

Знать:

Проведение анализа требований и определение необходимых классов задач машинного обучения

Уметь:

Определять метрики оценки результатов моделирования и критерии качества построенных моделей

Владеть:

Участия в оценке и выборе используемых методов машинного обучения

Способен использовать инструментальные средства для решения задач машинного обучения

Знать:

Оценка и выбор инструментальных средств для решения поставленной задачи

Уметь:

Осуществлять оценку и выбор инструментальных средств для решения поставленной задачи

Владеть:

Разработки модели машинного обучения для решения задач

Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта

Знать:

Поиска данных в открытых источниках, специализированных библиотеках и репозиториях

Уметь:

Осуществлять поиск данных в открытых источниках, специализированных библиотеках и репозиториях

Владеть:

Выполнения подготовки и разметки структурированных и неструктурированных данных для машинного обучения

Способен выполнять анализ больших данных

Знать:

Знания о вариантах использования больших данных, определениях, словарях и эталонной архитектуре больших данных для эффективного извлечения, хранения, подготовки больших данных

Уметь:

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

Владеть:

Обработки, удаленной, распределенной и объединенной аналитики, описание и управление качеством и достоверностью, использования результатов анализа больших данных

Способен использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта

Знать:

Решение прикладных задач и участие в реализации проектов в области сквозной цифровой субтехнологии «Компьютерное зрение»
Решение прикладных задач и участие в реализации проектов в области сквозной цифровой субтехнологии «Обработка естественного языка»
Решение прикладных задач и участие в реализации проектов в области сквозной цифровой субтехнологии «Рекомендательные системы и системы поддержки принятия решений»
Решение прикладных задач и участие в реализации проектов в области сквозной цифровой субтехнологии «Распознавание и синтез речи»

Уметь:

Решать прикладные задачи и участвовать в реализации проектов в области перспективных сквозных цифровых субтехнологий искусственного интеллекта

Владеть:

Решения прикладных задач и участия в реализации проектов в области перспективных сквозных цифровых субтехнологий искусственного интеллекта

Требования

Требования к компетенциям, которыми должен обладать гражданин при поступлении на Образовательную программу:

- знания основ программирования и прикладной математики;

- готовность к использованию инструментов программной реализации функций и визуализации данных;

- базовое владение MS Excel или российских аналогов;

- базовые или уверенные знания высшей математики (особенно, разделов теории вероятности и статистики);

- желательным будет базовое знание одного из языков программирования и базовые знания реляционных и не реляционных баз данных.

Иные требования и рекомендации для обучения по программе

- знания основ программирования и прикладной математики;

- готовность к использованию инструментов программной реализации функций и визуализации данных;

- базовое владение MS Excel или российских аналогов;

- базовые или уверенные знания высшей математики (особенно, разделов теории вероятности и статистики);

Модули

свернуть

87ч

Модуль 1 Машинное обучение

Технологии для обработки данных Простейшие алгоритмы машинного обучения Кластерный анализ Алгоритмы бустинга и бэкинга

Подробнее

31ч

Модуль 3 Проектная работа

Разработка веб-проекта для анализа данных. Библиотека Streamlit. Разработка чат-бота для работы с проектом по анализу данных Docker для веб-проекта на Python Виртуальные машины.Ubuntu Разработка и тестирование приложения, с применением искусственного интеллекта.

Подробнее

130ч

Модуль 2 Нейронные сети и алгоритмы глубокого обучения. Применение искусственного интеллекта в обработке текста и цифровых изображений

Нейронные сети Использование Машиного обучения на предприятии Аналитика больших данных Обработка естественного языка Алгоритмы компьютерного зрения

Подробнее

87ч

Модуль 1 Машинное обучение

Подробнее

130ч

Подробнее

31ч

Модуль 3 Проектная работа

Подробнее

Преподаватели