Методы анализа и прогнозирования данных

Курс "Методы анализа и прогнозирования данных" является победителем отбора образовательных программ в 2022 и 2023 годах. В рамках Федерального проекта "Искусственный интеллект" обучение прошли более 250 слушателей.

Программа направлена на выработку компетенций, связанных с проведением анализа данных с применением методов искусственного интеллекта. Изучение осуществляется с применением актуальных практических кейсов, связанных с анализом образов для решения задач биометрической аутентификации при обеспечении доверенного взаимодействия и с обработкой неструктурированной информации на естественном языке. Отдельно рассматриваются вопросы атак на методы искусственного интеллекта и обеспечение доверия к получаемым результатам.

Важная особенность курса - при изучении методов используются наборы данных, связанные с решением задач другой актуальной области - информационной безопасности. В частности, слушатели смогут познакомиться с основными принципами подтверждения личности пользователя по биометрическим характеристикам, например, по особенностям почерка пользователя, и понять какими способами можно повысить защищенность компьютерной системы по сравнению с традиционной парольной защитой.

Программа будет интересна слушателям, заинтересованным в формировании компетенций, связанных с анализом различных данных, а также слушателям, занимающимся обеспечением доверенного взаимодействия с применением биометрической аутентификации и заинтересованным в приложении компетенций по анализу данных к этой предметной области. Изучение курса предполагает выполнение практико-ориентированных кейсов и итоговой усложненной работы на их основе.

По окончании курса Вы будете знать:

• основные принципы, процесс, стадии и методологии разработки решений на основе ИИ;
• основные платформы данных (облачные и внутрикорпоративные), применяемые при разработке решений на основе ИИ;
• основные технологии DS и BigData, используемые для решения практических задач;
• основные виды представления данных: табличные, графовые, временные ряды;
• основные определения, историю развития, и главные тренды ИИ;
• основные инструменты анализа данных и ML (RapidMiner);
• основные уровни представления данных.

По окончании курса Вы будете уметь:

• применять инструменты, технологии и библиотеки Data Science при разработке решений на основе ИИ;
• применять язык программирования Python и библиотеки при разработке решений на основе ИИ;
• использовать основные статистические методы анализа данных при решении профессиональных задач;
• реализовывать методы машинного обучения;
• использовать цифровые платформы анализа данных для решения профессиональных задач.

По окончании курса Вы будете владеть навыками:

• классификации и идентификации задач систем искусственного интеллекта в зависимости от особенностей проблемной и предметной областей;
• выбора методов и инструментальных средств искусственного интеллекта для решения задач в зависимости от особенностей проблемной области;
• сбора исходной информации и формирования требований к решению задач с использованием методов искусственного интеллекта;
• проведения анализа требований и определения необходимых классов задач машинного обучения;
• определения метрики оценки результатов моделирования и критериев качества построенных моделей;
• оценки и выбора используемых методов машинного обучения;
• проведения оценки и выбора инструментальных средств для решения поставленной задачи;
• разработки модели машинного обучения для решения задач;
• поиска данных в открытых источниках, специализированных библиотеках и репозиториях;
• подготовки и разметки структурированных и неструктурированных данных для машинного обучения;
• применения знаний о вариантах использования больших данных, определениях, словарях и эталонной архитектуре больших данных для эффективного извлечения, хранения, подготовки больших данных;
• обработки, удаленной, распределенной и объединенной аналитики, описания и управления качеством и достоверностью, использованием результатов анализа больших данных;
• решения прикладных задач и участия в реализации проектов в областях сквозных цифровых субтехнологий «Компьютерное зрение», «Обработка естественного языка», «Рекомендательные системы и системы поддержки принятия решений», «Распознавание и синтез речи»;
• решения прикладных задач и участия в реализации проектов в области перспективных сквозных цифровых субтехнологий искусственного интеллекта.

Профессиональные

Нет