Технический аналитик (AI/TADS Analytic (Предиктивная аналитика в промышленности и медицине)

- знает методы сбора исходной информации
- знает основные требования, предъявляемые к решению задач с использованием методов искусственного интеллекта

- умеет определять требования к решению задач опираясь на свойства исходной информации

- собирает исходную информацию, в том числе из открытых источников в сети интернет, формирует требования к решению задач с использованием методов искусственного интеллекта

- принципы работы алгоритмов машинного обучения (с учителем, без учителя, полуконтролируемые алгоритмы);
- основные требования и классы моделей машинного обучения в зависимости от типа входной информации (регрессии, классификации, модели анализа выживаемости);
- метрики качества для различных алгоритмов машинного обучения в зависимости от класса решаемых задач;
- методы семплирования для получения сбалансированных выборок

- анализировать поставленную задачу и определять подходящий класс задач машинного обучения для ее решения, в том числе в зависимости от типа данных целевой переменной и признаков влияния;
-рассчитывать метрики качества моделей в зависимости от класса задач машинного обучения и анализировать их результаты для выбора оптимальной модели.

- проведение анализа требований поставленных задач и определения классов алгоритмов машинного обучения, позволяющих их решить
- определения метрик качества, интерпретация и визуализация полученных результатов моделирования, формирование выводов.

- алгоритмы машинного обучения – бинарные модели регрессии, модели регрессии (метод LASSO и гребневой регрессии); процедуры бустинга, методы деревьев решений и случайного леса);.
- алгоритмы машинного обучения по цензурированным данным в качестве признаков влияния, модели анализа выживаемости, в том числе в байесовских оценках;
- модели прогнозирования, на основе анализа временных рядов;
- различные инструментальные средства и библиотеки, используемые в сфере анализа данных и машинного обучения;

умеет строить адекватные алгоритмы машинного обучения бинарные модели регрессии, модели регрессии (метод LASSO и гребневой регрессии); процедуры бустинга, методы деревьев решений и случайного леса) ()
- умеет подбирать оптимальные гиперпараметры и параметры алгоритмов, проверять их корректность; и – умеет строить прогнозные модели на основе анализа временных рядов.
-умеет выбирать наиболее подходящие инструментальные средства для решения задач машинного обучения.

- получает качественные алгоритмы машинного обучения для применения их в задачах предиктивной аналитики;
- работает с выбранными инструментальными средствами и библиотеками, необходимыми для выполнения конкретной задачи средствами машинного обучения.

- знает принципы работы и обучения рекуррентных искусственных нейронных сетей, сетей с архитектурой LSTM, GRU.

- умеет подбирать необходимую архитектуру искусственной нейронной сети и обучать ее в целях прогнозирования динамики показателей.

Осуществляет оценку и выбор моделей искусственных нейронных сетей и инструментальных средств для решения поставленной задачи в области предиктивной аналитики

- знает концептуальные основы хранения данных в структурированном виде, теорию реляционных баз данных;
- знает технологии распределенных вычислений (кластеров), системы планирования заданий, методы решения задач обработки и анализа больших данных.

- умеет проводить анализ предметной области, выявлять информационные потребности и разрабатывать требования для построения базы данных;
- умеет создавать сложные запросы и скрипты для реализации многооператорных запросов и обработки реляционных баз данных;
- умеет разрабатывать и анализировать модели прикладных задач анализа больших данных.

- применяет навыки работы в программных системах, предназначенных для создания и управления базами данных, извлечения данных из баз данных;
- применяет навыки работы в программных системах, предназначенных для анализа больших данных.

- знает особенности, виды, источники структурированных и неструктурированных данных;
- знает, структуры данных, метаданных, различает кросс-секционные данные, временные ряды, панельные и пространственно-ориентированные данные: различия и особенности их обработки;
-знает основные виды эксплоративного анализа данных;
-знает основные типы случайных процессов, к которым относятся данные в виде временных рядов;

- умеет проводить первичную предобработку структурированных и неструктурированных данных (восполнение, удаление аномалий, бининг, стандартизация и нормализация, разделение, фильтрация и селекция), объединять несколько наборов данных по ключу;
- умеет осуществлять сбор, подготовку и разметку данных из открытых источников в сети интернет
-умеет проводить эксплоративный анализ данных (в том числе автоматический) в целях нахождения зависимостей между данными;
-умеет проводить предварительную обработку данных типа временных рядов и определять типы случайного процесса, лежащих в их основании

- настройка автоматизированного сбора данных из открытых источников в сети интернет и их подготовка для последующей обработки
- предобработка «сырой» информации для возможности ее дальнейшего использования при разработке систем искусственного интеллекта;
-проведение эксплоративного анализа данных в целях дальнейшей разработки систем искусственного интеллекта;
-исследование временных рядов в целях дальнейшего построения моделей прогнозной аналитики средствами искусственного интеллекта.

-знает основные принципы использования классов задач в области искусственного интеллекта для разработки «Рекомендательных систем и систем поддержки принятия решений»

Умеет определять какие из классов задач в области искусственного интеллекта могут быть использованы для разработки «Рекомендательных систем и систем поддержки принятия решений»

Решает прикладные задачи и участвует в реализации проектов в области сквозной цифровой субтехнологии «Рекомендательные системы и системы поддержки принятия решений»

-знает основные принципы разработки проектов ы области искусственного интеллекта для разработки «Рекомендательных систем и систем поддержки принятия решений»

Умеет определять необходимость использования инструментов искусственного интеллекта для «Рекомендательных систем и систем поддержки принятия решений»

Участвует в реализации проектов в области сквозной цифровой субтехнологии «Рекомендательные системы и системы поддержки принятия решений»