III уровень

Аналитик данных (Data scientist)

МГТУ им. Н.Э. Баумана
256 часов длительность
Онлайн формат
Базовый уровень
1 поток 16.06-18.11.2024
2 поток 16.06-18.11.2024
3 поток 16.06-18.11.2024
4 поток 16.06-18.11.2024

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 часов
лекции
92 часа
практика
105 часов
самостоятельная
12 часов
промежуточная аттестация
1 час
входная диагностика
8 часов
итоговая аттестация
256 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

Модули

свернуть
178ч
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.
69ч
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.
178ч
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.
69ч
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.

Преподаватели

Антонова

Вероника Михайловна

МГТУ им. Н.Э. Баумана, к.т.н.

доцент МГТУ им. Н.Э. Баумана

Бухтояров

Владимир Викторович

МГТУ им. Н.Э. Баумана, к.т.н.

доцент МГТУ им. Н.Э. Баумана

Пересунько

Евгения Олеговна

МГТУ им. Н.Э. Баумана

Ассистент

Пересунько

Павел Викторович

МГТУ им. Н.Э. Баумана

Старший преподаватель

Панфилов

Илья Александрович

МГТУ им. Н.Э. Баумана

доцент МГТУ им. Н.Э. Баумана

Курашкин

Сергей Олегович

МГТУ им. Н.Э. Баумана

Исследователь. Преподаватель-исследователь

Доррер

Михаил Георгиевич

МГТУ им. Н.Э. Баумана

Старший преподаватель

Кандидат технических наук

Тынченко

Вадим Сергеевич

МГТУ им. Н.Э. Баумана

Руководитель департамента технологий искусственного интеллекта, к.т.н.

Доцент

Соколов

Григорий Владимирович

МГТУ им. Н.Э. Баумана

Senior data scientist, старший преподаватель МГТУ им. Н.Э. Баумана

Масич

Игорь Сергеевич

МГТУ им. Н.Э. Баумана

Ведущий научный сотрудник

Доктор технических наук

доцент

Петрова

Яна Сергеевна

МГТУ им. Н.Э. Баумана

Преподаватель

Преподаватель

Преподаватель

https://edu.bmstu.ru/about/teachers/petrova

Мизгирев

Лев Сергеевич

ООО "ИНТЕРПРОКОМ"

Разработчик платформенных решений

Аверин

Андрей Валентинович

ООО "РУСБИТЕХ-АСТРА"

Старший архитектор отдела ИТ архитектуры

Кукарцев

Владислав Викторович

МГТУ им. Н.Э. Баумана

Старший преподаватель

кандидат технических наук

Сафронов

Денис Алексеевич

ООО "ТАКТИКУМ"

Специалист по машинному обучению

Авторизуйтесь чтобы записаться

Профстандарт

Специалист по большим данным

06.042

Специальность

Аналитик данных (Data Scientist)

Отрасль

Промышленность

Ответственный за программу

do@edubmstu.ru

+7(495)1828385