Аналитик данных (поток 2)

Программа «Аналитик данных»

Программа повышения квалификации направлена на получение компетенций, необходимых для выполнения вида профессиональной деятельности «Аналитик данных».

Аналитик данных — специалист, который работает с данными: собирает их, обрабатывает, изучает и интерпретирует. Выводы, которые делает аналитик, помогают принимать решения в бизнесе, в научных исследованиях, в менеджменте и в других областях.

В процессе обучения вы научитесь:

• Готовить данные для проведения аналитических работ по исследованию больших данных.
• Проводить аналитические исследования с применением технологий больших данных в соответствии с требованиями заказчика.
• Понимать принципы работы современных информационных технологий и программных средств, в том числе отечественного производства, и использовать их при решении задач профессиональной деятельности.
• Разрабатывать алгоритмы и программы, пригодные для практического применения.
• Классифицировать и идентифицировать задачи искусственного интеллекта, выбирать адекватные методы и инструментальные средства решения задач искусственного интеллекта.
• Разрабатывать и применять методы машинного обучения для решения задач.
• Использовать инструментальные средства для решения задач машинного обучения.
• Осуществлять сбор и подготовку данных для систем искусственного интеллекта.
• Использовать одну или несколько сквозных цифровых субтехнологий искусственного интеллекта.

Программа повышения квалификации предназначена для специалистов, имеющих высшее или среднее профессиональное образование в области информационных технологий (работа с данными и/или искусственным интеллектом / машинным обучением), а также лиц, получающих высшее или среднее профессиональное образование в области информационных технологий.

Программа повышения квалификации подойдет широкому кругу специалистов, в профессиональные задачи которых входит сбор и анализ большого количества информации для прогнозирования и управления процессами через цифровые данные.

Программа повышения квалификации требует следующих знаний и умений:

• Знания языка программирования Python на среднем уровне.
• Знание основ линейной алгебры, теории вероятностей и математической статистики.

Для успешного освоения программы требуется одна из следующих квалификаций:

• Разработчик на Python среднего уровня (предпочтительно).
• Разработчик на Python начального уровня .
• Разработчик на любом языке программирования среднего уровня.

Основные модули программы

• Введение в машинное обучение.
• Библиотеки Python для работы с данными.
• Классические алгоритмы машинного обучения.
• Глубокие нейронные сети.
• Нейронные сети для компьютерного зрения.
• Нейронные сети для обработки естественного языка.

После окончания обучения вы сможете работать аналитиком данных.

Результаты обучения

Знать:

• Современные методы и инструментальные средства анализа данных.
• Технологии и программное обеспечение анализа данных, в том числе отечественного производства.
• Алгоритмы машинного обучения.
• Теоретические и прикладные основы анализа больших данных.
• Современный опыт использования анализа больших данных.
• Типы больших данных: метаданные, полуструктурированные, структурированные, неструктурированные.
• Виды источников данных: созданные человеком, созданные машинами.
• Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования.
• Российские и международные стандарты информационной безопасности.
• Облачные технологии, облачные сервисы.
• Содержание и последовательность выполнения этапов аналитического проекта.
• Нейронные сети: полносвязные, свёрточные нейронные сети, методы обучения нейронных сетей.
• Семантический анализ: обработка естественного языка, сентиментный анализ, анализ текста.
• Алгоритмы машинного обучения: обучение с учителем, обучение без учителя.
• Машинное обучение: классификация, кластеризация, обнаружение выбросов.
• Анализ изображений.
• Лучшие практики применения искусственного интеллекта в различных проблемных и предметных областях.
• Модели искусственного интеллекта.
• Классы задач машинного обучения.
• Алгоритмы и методы машинного обучения.
• Метрики оценки качества решения задачи машинного обучения.
• Язык программирования Python.
• Библиотеки на Python для машинного обучения.
• Библиотеки на Python для работы с данными.
• Модели и методы искусственного интеллекта, используемые для решения задач компьютерного зрения.
• Модели и методы искусственного интеллекта, используемые для решения задач обработки естественного языка.

Уметь:

• Применять методы и инструментальные средства анализа данных для решения практических задач.
• Разрабатывать программы для решения практических задач с использованием машинного обучения.
• Определять требования к поставщикам данных из гетерогенных источников.
• Разрабатывать и оценивать модели больших данных.
• Проводить интеграцию и преобразование больших объемов данных.
• Оценивать соответствие наборов данных задачам анализа больших данных.
• Планировать аналитические работы с использованием технологий больших данных.
• Адаптировать и развертывать модели в предметной среде.
• Решать задачи классификации, кластеризации, регрессии.
• Решать проблемы переобучения и недообучения алгоритма.
• Формировать предложения по использованию результатов анализа.
• Оформлять результаты аналитического исследования для представления заказчику.
• Разъяснять заказчику результаты аналитической работы.
• Классифицировать и идентифицировать задачи систем искусственного интеллекта в зависимости от особенностей проблемной и предметной областей.
• Выбирает методы и инструментальные средства искусственного интеллекта для решения задач в зависимости от особенностей проблемной области.
• Собирать исходную информацию и формирует требования к решению задач с использованием методов искусственного интеллекта.
• Проводить анализ требований и определяет необходимые классы задач машинного обучения.
• Определять метрики оценки результатов моделирования и критерии качества построенных моделей.
• Принимать участие в оценке и выборе используемых методов машинного обучения.
• Осуществлять оценку и выбор инструментальных средств для решения поставленной задачи.
• Разрабатывать модели машинного обучения для решения задач.
• Осуществлять поиск данных в открытых источниках, специализированных библиотеках и репозиториях.
• Выполнять подготовку и разметку структурированных и неструктурированных данных для машинного обучения.
• Решать прикладные задачи и участвует в реализации проектов в области сквозной цифровой субтехнологии «Компьютерное зрение».
• Решать прикладные задачи и участвует в реализации проектов в области сквозной цифровой субтехнологии «Обработка естественного языка».

Владеть:

• Инструментальными средствами разработки алгоритмов машинного обучения.
• Инструментальными средствами решения задач искусственного интеллекта.
• Инструментальными средствами для решения задач машинного обучения на языке Python.
• Инструментальными средствами сбора и обработки данных на языке Python.
• Методами извлечения информации и знаний из гетерогенных, мультиструктурированных, неструктурированных источников, в том числе при потоковой обработке.
• Инструментами очистки данных для проведения аналитических работ.
• Технологиями анализа данных: статистический анализ, семантический анализ, анализ изображений, машинное обучение.
• Основами управления аналитическими работами.
• Методами и инструментами анализа требований к решению задач с использованием машинного обучения.
• Предварительно обученными моделями для решения задач компьютерного зрения.
• Предварительно обученными моделями для решения задач обработки естественного языка.

Стоимость обучения составляет 100 000 рублей и складывается из двух частей:

• средств Субсидии, предоставляемых Университетом 2035, в размере 76 000 рублей;
• внебюджетных средств, предоставляемых Получателем ПЦС и (или) Работодателем не из бюджетного источника, в размере 24 000 рублей.