III уровень

Архитектор данных в области промышленного интернета вещей

Уфимский университет науки и технологий
252 часа длительность
Онлайн формат
1 поток 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.
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
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
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
36ч
Модуль 4 Нормализация и разметка данных
Тема 4.1 Предобработка и нормализация данных Тема 4.2 Разметка текстовой и графической информации
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
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.
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
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
36ч
Модуль 4 Нормализация и разметка данных
Тема 4.1 Предобработка и нормализация данных Тема 4.2 Разметка текстовой и графической информации
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
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

Преподаватели

Филатов

Павел Евгеньевич

ФГБОУ ВО УУНиТ

Доцент кафедры телекоммуникационных систем

Кандидат технических наук

Доцент

Тлявлин

Анвар Зуфарович

ФГБОУ ВО УУНиТ

Доцент кафедры телекоммуникационных систем

Кандидат технических наук

Доцент

https://uust.ru/sensors/team_lab/

Лакман

Ирина Александровна

ФГБОУ ВО УУНиТ

Заведующая научной лабораторией, руководитель направления искусственный интеллект, ИТ-компания ООО «Лексема»

Кандидат технических наук

Доцент

https://uust.ru/bmi/prepod-sostav/

Комиссаров

Аркадий Михайлович

ФГБОУ ВО УУНиТ

Доцент кафедры телекоммуникационных систем

Кандидат технических наук

Доцент

https://uust.ru/aviet/pom-dek/

Воронков

Григорий Сергеевич

ФГБОУ ВО УУНиТ

Доцент кафедры телекоммуникационных систем

Кандидат технических наук

https://uust.ru/tks/staff/
Авторизуйтесь чтобы записаться

Профстандарт

Специалист по большим данным

06.042

Специальность

Архитектор данных (Data Architect)

Отрасль

Промышленность

Ответственный за программу

dpo_ino_2024@mail.ru

+78002003568