III уровень

Аналитика данных и методы искусственного интеллекта

Национальный исследовательский Томский государственный университет
326 часов длительность
Онлайн формат
Базовый уровень
1 поток 10.06-20.10.2024
2 поток 15.07-24.11.2024

Описание

Дополнительная профессиональная программа повышения квалификации «Аналитика данных и методы искусственного интеллекта» формирует у слушателей профессиональные компетенции в области анализа больших данных. 

Обучающиеся за время освоения дополнительной профессиональной программы повышения квалификации «Аналитика данных и методы искусственного интеллекта» научатся применять языки программирования SQL и Python для сбора, визуализации, анализа больших данных и машинного обучения, применять конкретные аналитические и продуктовые подходы при работе над реальными задачами маркетинговой и клиентской аналитики с помощью BI платформ.

Программа формирует базовый уровень знаний и подойдет для специалистов любого профиля, связанных с областью информационных технологий, а также для тех, кто уже работает в области анализа больших данных, для получения новых компетенций или совершенствования имеющихся в данной области.

Программа реализуется в очно-заочной форме обучения, осуществляемой с применением электронного обучения и дистанционных образовательных технологий

Часов в программе
50 часов
лекции
162 часа
практика
66 часов
самостоятельная
24 часа
промежуточная аттестация
24 часа
итоговая аттестация
326 часов
всего
Цель программы
Формирование компетенций, необходимых для профессиональной деятельности в области технического анализа больших данных и методов искусственного интеллекта
Актуальность
В настоящее время рынок больших данных (Big Data) ежегодно увеличивается на несколько десятков процентов. И эта тенденция, по мнению специалистов, будет продолжаться и дальше.
В прошлом году общий объем мирового рынка аналитики больших данных увеличится до показателя в $67,2 млрд. Ежегодный рост составит около 35,9 %. В настоящее время специалисты, занимающиеся анализом больших данных (Аналитики Big Data), наиболее востребованы на рынке труда как эксперты, в том числе и только начинающие свою трудовую деятельность в данной области.
Знание инструментов и методов искусственный интеллект и машинного обучения и умение их применять, дадут обучающимся новые возможности, чтобы по-новому раскрыть ценность больших данных, а также найти новые варианты их применения с учетом появления новых типов данных.
Входная диагностика
Вступительное испытание проводится в виде тестирования.
Итоговая аттестация 24 часа
Итоговая аттестация слушателей проводится в форме подготовки и последующей защиты итоговой аттестационной работы (решение практико-ориентированной задачи/кейса).

Компетенции

Профессиональные


ПК-5.р.Способен использовать инструментальные средства для решения задач машинного обучения
Знать:

возможности и особенности языков SQL и
Python, платформ бизнес-аналитики,используемые для решения задачи сбора и подготовки данных;
инструментальные средства разработки моделей машинного обучения;
модели машинного обучения для решения задач предприятия;
правила и методы построения OLAP-кубов, аналитических отчетов, дашбордов, информационных панелей мониторинга и сторителлинга для получения знаний с целью поддержки принятия решений.

Уметь:

осуществлять оценку и выбор инструментальных средств для решения поставленной задачи;
применять язык SQL и Python для сбора и подготовки данных и визуализации данных;
решать стандартные задачи профессиональной
деятельности, используя OLAP-технологии аналитики;
разрабатывать модели машинного обучения для решения задач предприятия.

Владеть:

навыком применения методов анализа больших данных в соответствии с задачами предприятия навыками применения методов и алгоритмов решения задач распознавания и обработки данных;
применять фреймворки машинного обучения и платформ науки о данных для создания, обучения и оценки моделей машинного обучения;
использовать языки SQL и Python для анализа данных, платформ интеграции и очистки данных, платформы бизнес-аналитики и науки о данных.

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

методы подготовки и разметки структурированных и неструктурированных данных для машинного обучения;
методы сбора, анализа, систематизации, хранения и поддержания в актуальном состоянии информации бизнес-анализа;
возможности и особенности технологий сбора, хранения и анализа больших данных;
принципы работы информационных технологий, основные способы использования информации, методы и программные средства ее сбора, обработки и анализа для информационно-аналитической поддержки принятия управленческих решений.

Уметь:

осуществлять поиск данных в открытых источниках, специализированных библиотеках и репозиториях для осуществления анализа больших данных;
выполнять подготовку и разметку структурированных и неструктурированных данных для осуществления анализа больших данных;
создавать программные приложения аналитический контент, организовывать совместную аналитическую работу, используя облачные аналитические платформы.

Владеть:

навыками использования информации, методов и программных средств ее сбора, обработки и анализа для информационно-аналитической поддержки принятия управленческих решений;
навыками применения инструментов и технологий выявления, сбора и анализа информации для формирования возможных решений.

ПК-7.п. Способен выполнять анализ больших данных
Знать:

математические методы решения задач анализа и классификации данных;
основные модели и методы машинного обучения и искусственного интеллекта для разработки данных;
методы анализа больших данных для эффективной работы;
возможности и границы применимости методов обработки и анализа.

Уметь:

использовать знания о вариантах использования больших данных, определениях, словарях и эталонной архитектуре больших данных для эффективного извлечения, хранения, подготовки больших данных для проведения анализа создавать, обучать и сравнивать модели;
машинного обучения, основанные на различных алгоритмах, осуществлять их оценку, используя фреймворки и платформы машинного обучения;
применять современные информационные технологии аналитики для информационно-аналитического сопровождения деятельности организации.

Владеть:

навыками выполнения обработки, удаленной,
распределенной и объединенной аналитики,
описания и управления качеством и
достоверностью, используя результаты анализа
больших данных;
навыками применения технологии аналитики больших данных для извлечения и добычи знаний из данных.

Требования

Граждане Российской Федерации в возрасте от 18 лет и до достижения возраста, дающего право на страховую пенсию по старости в соответствии с частью 1 статьи 8 Федерального закона «О страховых пенсиях».

Квалификация
Граждане, имеющие среднее профессиональное и (или) высшее образование, либо получающие среднее профессиональное и (или) высшее образование, постоянно проживающие на территории Российской Федерации.
Владение необходимыми профессиональными компетенциями
среднее профессиональное или высшее образование, направление подготовки – без ограничений;
владение основами Python;
владение навыками уверенного пользователя ПК:
Google Colaboratory
Jupyter блокнот
Excel - версия Desktop
облачная платформа BigQuery
платформа Loginom
платформа Yandex DataLens
платформа Knime
платформа Rapidminer
иные BI платформы.
Иные требования и рекомендации для обучения по программе

Граждане Российской Федерации в возрасте от 18 лет и до достижения возраста, дающего право на страховую пенсию по старости в соответствии с частью 1 статьи 8 Федерального закона «О страховых пенсиях».

Модули

свернуть
164ч
Модуль 1 Базовый модуль
Базовый модуль посвящен применению языка программирования Python для анализа данных. Основная причина популярности Python – универсальность. Он применяется в огромном количестве областей и способен справляться с абсолютно разными задачами. Дополняет указанный фактор еще и простота изучения языка, так что армия разработчиков на Python постоянно увеличивается. В области анализа данных Python активно применяется в бизнес аналитике. В рамках реализации базового модуля заложено 94 ак часов на практическую работу, в рамках вебинаров на основе различных датасетов (наборов данных) вы с преподавателем будете выполнять аналитику данных с применением тех или иных методов, инструментов и библиотек.
138ч
Модуль 2 Профильный модуль
Профессиональный модуль посвящен методам и платформам машинного обучения для анализа данных , вы получите основные знания по машинному обучению, нейронным сетям, научитесь разрабатывать алгоритмы и обучать программы, анализировать данные и применять креативные подходы.
164ч
Модуль 1 Базовый модуль
Базовый модуль посвящен применению языка программирования Python для анализа данных. Основная причина популярности Python – универсальность. Он применяется в огромном количестве областей и способен справляться с абсолютно разными задачами. Дополняет указанный фактор еще и простота изучения языка, так что армия разработчиков на Python постоянно увеличивается. В области анализа данных Python активно применяется в бизнес аналитике. В рамках реализации базового модуля заложено 94 ак часов на практическую работу, в рамках вебинаров на основе различных датасетов (наборов данных) вы с преподавателем будете выполнять аналитику данных с применением тех или иных методов, инструментов и библиотек.
138ч
Модуль 2 Профильный модуль
Профессиональный модуль посвящен методам и платформам машинного обучения для анализа данных , вы получите основные знания по машинному обучению, нейронным сетям, научитесь разрабатывать алгоритмы и обучать программы, анализировать данные и применять креативные подходы.

Преподаватели

Бочаров

Михаил Иванович

Московский городской педагогический университет

Доцент департамента информатики, управления и технологий

Кандидат педагогических наук

Доцент

https://www.mgpu.ru/personal/bocharov-mihail-ivanovich/

Сахнюк

Павел Анаатольевич

Финансовый университет при Правительстве Российской Федерации

Доцент кафедры «Бизнес информатика»

Кандидат технических наук

Доцент

https://www.mgpu.ru/personal/sahnyuk-pavel-anatolevich/
Авторизуйтесь чтобы записаться

Профстандарт

Специалист по большим данным

06.042

Ответственный за программу

natalya.krapivina@rt.ru

+7(939)8431972