III уровень

«Техническая аналитика (AI/TADS Analytic)»

МГТУ "СТАНКИН"

256 часов длительность

Онлайн формат

7 из 7 участники

Базовый уровень

1 поток (закрыт) 17.06-14.10.2024

2 поток (закрыт) 15.07-17.11.2024

Описание

Целью программы повышения квалификации «Техническая аналитика (AI/TADS Analytic)» является получение новых компетенций, необходимых для профессиональной деятельности в области аналитики данных, посредством использования современных инструментов сбора, подготовки, обработки и анализа больших объемов разнородных данных, а также применения методов машинного обучения и инструментов бизнес-аналитики данных для решения прикладных задач бизнеса.

Особенностью программы является её практическая ориентация и направленность на решение конкретных задач и получения максимального эффекта.

Программа включает в себя четыре основных блока:

Основы аналитики данных,
Язык SQL и получение данных,
Python для анализа данных,
Технический анализ и визуализация данных

Трудоемкость учебной работы слушателя по данной программе – 256 академический часа, включая все виды аудиторной и внеаудиторной (самостоятельной) работы.

В рамках реализации образовательной программы будут использованы различные организационные формы обучения, такие как:

индивидуальные формы обучения – самостоятельное выполнение заданий в рамках практических занятий, а консультации с наставниками;
дистанционные формы обучения – лекции, практические занятия.

Программа предназначена для специалистов со средним и высшим профессиональным образованием.

Оценка качества освоения программы включает текущую и итоговую аттестацию обучающихся.

Текущая аттестация – практическое задание.
Итоговая аттестация - выполнение проекта в форме письменной работы.

Конечным образовательным результатом дополнительной профессиональной программы является получение актуальных профессиональных компетенций в области информационных технологий с учетом основных приоритетов цифровой экономики России.

Слушателям после успешного окончания обучения выдается удостоверение о повышении квалификации установленного образца.

Часов в программе

7 часов

промежуточная аттестация

1 час

входная диагностика

11 часов

итоговая аттестация

19 часов

всего

Цель программы

Целью дополнительной профессиональной программы повышения квалификации «Техническая аналитика (AI/TADS Analytic)» является получение новых компетенций, необходимых для профессиональной деятельности в области аналитики данных, посредством использования современных инструментов сбора, подготовки, обработки и анализа больших объемов разнородных данных, а также применения методов машинного обучения и инструментов бизнес-аналитики данных для решения прикладных задач бизнеса..

Актуальность

Рабочая программа разработана с учетом с учетом установленных квалификационных требований, профессиональных стандартов и соответствующих требований федеральных государственных образовательных стандартов среднего профессионального и (или) высшего образования к результатам освоения образовательных программ, требований федерального проекта «Искусственный̆ интеллект» национальной̆ программы «Цифровая экономика Российской̆ Федерации», положений Национальной̆ стратегии развития искусственного интеллекта на период до 2030 года, утверждённой̆ указом Президента Российской̆ Федерации от 10 октября 2019 г. No 490.6.2. и требований Министерства науки и высшего образования Российской Федерации к дополнительной профессиональной образовательной программе повышения квалификации/профессиональной переподготовке.

Входная диагностика 1 час

Вступительные испытания проводятся в форме тестирования.

Итоговая аттестация 11 часов

выполнение проекта

Компетенции

Профессиональные

Способен классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта

Знать:

Методы и инструментальные средства искусственного интеллекта для решения задач в зависимости от особенностей проблемной области

Уметь:

Собирать исходную информацию и формировать требования к решению задач с использованием методов искусственного интеллекта

Владеть:

Классифицирует и идентифицирует задачи систем искусственного интеллекта в зависимости от особенностей проблемной и предметной областей

Способен разрабатывать и применять методы машинного обучения для решения задач

Знать:

Определяет метрики оценки результатов моделирования и критерии качества построенных моделей

Уметь:

Проводит анализ требований и определяет необходимые классы задач машинного обучения

Владеть:

Принимает участие в оценке и выборе
используемых методов машинного обучения

Способен использовать инструментальные средства для решения задач машинного обучения

Знать:

Знает инструментальные 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

Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта

Знать:

Способы сбора 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

Способен выполнять анализ больших данных

Знать:

Знания о вариантах использования больших данных, определениях, словарях и эталонной архитектуре больших данных

Уметь:

Умеет осуществлять поиск данных в открытых источниках, специализированных библиотеках и репозиториях

Владеть:

Использует знания о вариантах использования больших данных, определениях, словарях и эталонной архитектуре больших данных для эффективного извлечения, хранения, подготовки больших данных

Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта

Знать:

Знания принципов подготовки и разметки структурированных и неструктурированных данных для машинного обучения

Уметь:

Умеет осуществлять поиск данных в открытых источниках, специализированных библиотеках и репозиториях

Владеть:

Выполняет подготовку и разметку структурированных и неструктурированных данных для машинного обучения

Способен использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта

Знать:

Способы использования сквозных цифровых субтехнологий искусственного интеллекта

Уметь:

Умеет использовать сквозные цифровые субтехнологии искусственного интеллекта

Владеть:

Решает прикладные задачи 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 «Рекомендательные системы и системы поддержки принятия решений"

Решает прикладные задачи и участвует в реализации проектов в области перспективных сквозных цифровых субтехнологий искусственного интеллекта

Способен создавать и внедрять одну или несколько сквозных цифровых субтехнологий искусственного интеллекта

Знать:

Способы использования сквозных цифровых субтехнологий искусственного интеллекта

Уметь:

Умеет использовать сквозные цифровые субтехнологии искусственного интеллекта

Владеть:

Участвует в реализации проектов в области сквозной цифровой субтехнологии «Компьютерное зрение»

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

Участвует в реализации проектов в области перспективных сквозных цифровых субтехнологий искусственного интеллекта

Требования

Нет

Модули

свернуть

1ч

Модуль 1 Основы аналитики данных

Целью изучения модуля «Основы аналитики данных» является получение новых компетенций по применению инструментов сбора, подготовки, обработки и анализа больших объемов разнородных данных в промышленности, а также проведения статистического анализа технологических данных и бизнес-аналитики Задачи: 1. Формирование у слушателей умение классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта. 2. Формирование у слушателей навыков сбора и подготовку данных для систем искусственного интеллекта Основные темы модуля: 1. Введение в аналитику данных. Математическая статистика 2. Предиктивная бизнес-аналитика 3. Применение методов и инструментов технологий искусственного интеллекта в бизнес-аналитике 4. Обзор инструментальных средств технологий хранения и аналитики больших данных

Подробнее

2ч

Модуль 3 Python для анализа данных и основы машинного обучения

Целью изучения модуля «Python для анализа данных и основы машинного обучения» является получение новых компетенций по применению инструментов сбора, подготовки, обработки и анализа больших объемов разнородных данных с использованием языка высокого уровня Python, а также моделей машинного обучения и инструментов технологий искусственного интеллекта Задачи Модуля 3: 1. Формирование у слушателей навыков разрабатывать и применять методы машинного обучения для решения задач 2. Формирование у слушателей навыков использования инструментальных средств для решения задач машинного обучения 3. Формирование у слушателей навыков использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта

Подробнее

2ч

Модуль 2 Язык SQL и получение данных

Целью изучения модуля «Язык SQL и получение данных» является получение новых компетенций по применению систем управления структурированными базами данных и использованию языка SQL Задачи Модуля 2: 1. Формирование у слушателей навыков классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта 2. Формирование у слушателей навыков сбора и подготовки данных для систем искусственного интеллекта

Подробнее

2ч

Модуль 4 Технический анализ и визуализация данных

Целью изучения модуля «Технический анализ и визуализация данных» является получение новых компетенций по применению инструментов парсинга данных, предобработки и визуализации данных с использованием языка высокого уровня Python, а также инструментов обработки больших данных Задачи Модуля 4: 1. Формирование у слушателей навыков создавать и внедрять одну или несколько сквозных цифровых субтехнологий искусственного интеллекта 2. Формирование у слушателей знаний использования одной или нескольких сквозных цифровых субтехнологий искусственного интеллекта 3. Формирование у слушателей навыков осуществлять сбор и подготовку данных для систем искусственного интеллекта

Подробнее

1ч

Модуль 1 Основы аналитики данных

Подробнее

2ч

Модуль 2 Язык SQL и получение данных

Подробнее

2ч

Модуль 3 Python для анализа данных и основы машинного обучения

Подробнее

2ч

Модуль 4 Технический анализ и визуализация данных

Подробнее

Преподаватели