III уровень

Архитектор данных в области промышленного интернета вещей

Уфимский университет науки и технологий

252 часа длительность

Онлайн формат

1 поток (закрыт) 24.06-02.11.2024

Описание

Обучение проходит в смешанном формате — предоставляются материалы онлайн-курса, интерактивная обучающая среда для выполнения упражнений, а также проводятся регулярные вебинары-мастер-классы (в режиме реального времени, и в записи) и консультации. Поддержка обучающихся производится также с помощью чата в Telegram и электронной почты.

Программа ориентирована на слушателей различной направленности. Обязательными являются навыки программирования на любом высокоуровневом языке программирования и знания высшей математики в рамках первого курса технического вуза. Преимуществом будет умение программировать на языке Python. Курс носит практикоориентированный характер. Рассматриваются все аспекты построения системы хранения и обработки данных, начиная с вопросов проектирования отказоустойчивых и распределенных систем хранения, выбора и настройки систем управления базами данных, нормализации данных и их разметки, в том числе с использованием средств искусственного интеллекта. Отдельно рассмотрены вопросы техники сбора данных в системах промышленного интернета вещей. В качестве упражнений пользователи будут настраивать системы хранения и резервирования данных, обрабатывать наборы данных в реляционных и NoSQL СУБД, а научатся применять библиотеки методов машинного обучения языка программирования Python. В качестве обучающих упражнений в программе будут использованы практико-ориентированные кейсы от компании Оптимед-Сервис по актуальным темам в области разметки данных.

Часов в программе

64 часа

лекции

72 часа

практика

109 часов

самостоятельная

6 часов

промежуточная аттестация

1 час

итоговая аттестация

252 часа

всего

Цель программы

Совершенствование и получение обучаемыми новых компетенций в области применения и разработки методов обработки и хранения больших данных современными инструментами для решения прикладных задач в области приложений промышленного интернета вещей.

Актуальность

Дополнительная профессиональная программа «Архитектор данных» направлена на подготовку специалистов в области проектирования и эксплуатации систем хранения и обработки больших данных.
Основной целью программы является сформировать навыки применения методов обработки и хранения больших данных современными инструментами для решения прикладных задач в области промышленного интернета вещей.
Преимуществом программы является ее нацеленность на получение практических знаний. В качестве выпускной квалификационной работы слушателям необходимо будет выполнить обязательный проект.
Слушатели, прошедшие обучение в рамках данной программы, смогут претендовать на позиции специалистов в области данных в компания различных отраслей экономики. Потребность в таких специалистах в настоящее время огромна.

Итоговая аттестация 1 час

Защита практико-ориентированного кейса

Компетенции

Профессиональные

ПК-1.р. Способен классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта

Знать:

- основные принципы идентификации задач искусственного интеллекта.

Уметь:

- умеет собирать исходную информацию для решения задач с использованием методов искусственного интеллекта.

Владеть:

- выбирает адекватные методы решения практических задач.

ПК-1.и. Способен применять методы и программные средства автоматизированного логического вывода и автоматизированной проверки гипотез

Знать:

- основные принципы настройки программных средств автоматизированного логического вывода.

Уметь:

- умеет настраивать программные средства автоматизированного логического вывода.

Владеть:

- настройка и конфигурирование программных средств автоматизированного логического вывода.

ПК-2.р. Способен разрабатывать и тестировать программные компоненты решения задач в системах искусственного интеллекта

Знать:

- основные принципы тестирования систем искусственного интеллекта.

Уметь:

- умеет тестировать системы искусственного интеллекта в целом и отдельные ее элементы.

Владеть:

- тестирование системы искусственного интеллекта.

ПК-4.р. Способен разрабатывать и применять методы машинного обучения для решения задач

Знать:

- основные требования к решению задач машинного обучения.

Уметь:

- умеет на практике применять методы машинного обучения.

Владеть:

- применение методов машинного обучения для решения практических задач.

ПК-5.п. Способен использовать системы искусственного интеллекта на основе нейросетевых моделей и методов

Знать:

--- основные модели искусственных нейронных сетей.

Уметь:

- умеет выбирать необходимую модель искусственных нейронных сетей и инструментальные средства.

Владеть:

- решение поставленной задачи на основе выбора актуальной искусственной нейронной сети и соответствующих инструментальных средств.

ПК-6.п. Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта

Знать:

- владеет понятийным аппаратом в области ручной и автоматизированной разметки данных.

Уметь:

- умеет осуществлять поиск данных в открытых источниках, специализированных библиотеках и репозиториях.

Владеть:

- выполняет подготовку и разметку данных для применения машинного обучения в рекомендательных системах.

ПК-6.р. Способен создавать и поддерживать системы искусственного интеллекта на основе нейросетевых моделей и методов

Знать:

- владеет понятийным аппаратом и инструментами искусственных нейронных сетей;
- называет метрики качества, позволяющие оценить эффективность работы искусственной нейронной сети.

Уметь:

- формулирует техническое задание на выбор (создание) архитектуры нейронных сетей;
- формулирует критерии качества работы нейронной сети.

Владеть:

- участвует в процессе выбора (разработки) моделей и архитектур искусственных нейронных сетей.

ПК-7.р. Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта

Знать:

- знает основные принципы агрегации, предобработки (устранения аномалий, восполнение пропусков) и нормализации высокочастотных данных;
- знает основные принципы работы с неструктурированной информацией: векторизацию и размножение образцов, в том числе с помощью бустраппинга;
- основные принципы разметки неструктруированной информации, виды и типы разметки изображений и текстовой информации.

Уметь:

- умеет проводить первичную предобработку структурированных и неструктурированных данных (векторизацию, восполнение, удаление аномалий, стандартизацию, нормализацию, разделение, фильтрация и селекция);
- умеет искусственно размножать образцы, проводить процедуры семлинга;
- умеет проводить разметку изображений, используя ручные и автоматизированные сервисы, оценивая при этом качество разметки и проводя ее агрегацию.

Владеть:

- настройка автоматизированной предобработки и нормализации первичной информации;
- проведение различных видов и типов разметки текстовой и графической информации в целях обучения на ней алгоритмов искусственного и интеллекта.

ПК-9.р. Способен создавать и внедрять одну или несколько сквозных цифровых субтехнологий искусственного интеллекта

Знать:

- знает принципы построения рекомендательных систем и систем поддержки принятия решений.

Уметь:

- умеет планировать внедрение цифровых систем в различных областях.

Владеть:

- разрабатывает техническое задание на создание рекомендательных систем;
- планирует этапы работ по внедрению цифровых систем на основе искусственного интеллекта.

Требования

Требования к оборудованию и ПО слушателей:

наличие персонального компьютера или ноутбука (операционная система Windows);
наличие доступа в сеть Интернет;
наличие гарнитуры, микрофона для видеоконференцсвязи с преподавателями;
наличие свободного дискового пространства ПК для установки ПО в процессе обучения.

Квалификация

Требования к уровню подготовленности: лица, имеющие высшее и среднее профессиональное образование, а также обучающиеся старших курсов вузов.

Предварительное освоение иных дисциплин/курсов /модулей

Предварительно освоенные дисциплины, курсы, модули: линейная алгебра; основы математического анализа; основы логики; основы программирования.

Иные требования и рекомендации для обучения по программе

Требования к оборудованию и ПО слушателей:

наличие персонального компьютера или ноутбука (операционная система Windows);
наличие доступа в сеть Интернет;
наличие гарнитуры, микрофона для видеоконференцсвязи с преподавателями;
наличие свободного дискового пространства ПК для установки ПО в процессе обучения.

Модули

свернуть

54ч

Модуль 1 Сетевые технологии высокоскоростной передачи данных

Тема 1.1 Стек TCP/IP, протоколы и спецификации высокоскоростных сетей Тема 1.2 Технологии IP-сетей в системах хранения данных.

Подробнее

36ч

Модуль 3 Хранение данных

Тема 3.1 Назначение и состав базы данных и СУБД. Классификация. Архитектура «клиент-сервер» Тема 3.2 Языки запросов, их назначение. Язык SQL, стандарт и диалекты. Разделы DQL, DML и DDL языка SQL

Подробнее

36ч

Модуль 5 Применение искусственного интеллекта для разметки данных

Тема 5.1 Структурирование данных для систем ИИ Тема 5.2 Разметка и обогащение наборов данных

Подробнее

54ч

Модуль 2 Способы хранения и облачные технологии

Тема 2.1 Инфраструктура центра обработки данных Тема 2.2 Виртуализация Тема 2.3 Облачные технологии Тема 2.4 Механизмы обеспечения отказоустойчивости систем хранения и обработки данных

Подробнее

36ч

Модуль 4 Нормализация и разметка данных

Тема 4.1 Предобработка и нормализация данных Тема 4.2 Разметка текстовой и графической информации

Подробнее

35ч

Модуль 6 Сбор данных в системах интернета вещей и промышленной автоматизации

Тема 6.1. SCADA-системы. Тема 6.2. Сбор и передача данных в системах промышленного интернета вещей

Подробнее

54ч

Модуль 1 Сетевые технологии высокоскоростной передачи данных

Подробнее

54ч

Модуль 2 Способы хранения и облачные технологии

Подробнее

36ч

Модуль 3 Хранение данных

Подробнее

36ч

Модуль 4 Нормализация и разметка данных

Тема 4.1 Предобработка и нормализация данных Тема 4.2 Разметка текстовой и графической информации

Подробнее

36ч

Модуль 5 Применение искусственного интеллекта для разметки данных

Тема 5.1 Структурирование данных для систем ИИ Тема 5.2 Разметка и обогащение наборов данных

Подробнее

35ч

Модуль 6 Сбор данных в системах интернета вещей и промышленной автоматизации

Тема 6.1. SCADA-системы. Тема 6.2. Сбор и передача данных в системах промышленного интернета вещей

Подробнее

Преподаватели