Grondbeginselen van het werken met big data (Data Science) - cursus RUB 14.990. van Specialist, opleiding, Datum: 30 november 2023.
Gemengde Berichten / / November 30, 2023
Leidende leraar van het Centrum, hoofd van de richting “Innovatieve onderwijstechnologieën”. Doctor in de Technische Wetenschappen met als hoofdvak “Systeemanalyse in informatiesystemen”. Houder van prestigieuze statussen PfMP(®),PgMP®,PMP®, ITIL®-expert, ITIL 4.0. Managing professional, Strategisch Leider, DASA gecertificeerd Producteigenaar, geaccrediteerd trainer PMP® En ITIL®, gecertificeerde online trainingsinstructeur PMP®,ITIL 4.0 En DASA.
Ze geeft al meer dan 15 jaar les, is de auteur van cursussen en seminars bij het Centrum, meer dan 80 wetenschappelijke en 20 methodologische werken. Ervaring in de IT-industrie - ruim 25 jaar, waarvan ruim 15 jaar - op het gebied van projectmanagement, projectportfolio's, producten, startups; heeft ervaring met advisering over projectmanagement en organisatieveranderingen (digitale transformatie) bij een aantal grote bedrijven.
Implementeerde meer dan 20 projecten in de volgende sectoren: IT (inclusief weboplossingen, IT-servicebeheer), onderwijs, metallurgie, verzekeringen, telecommunicatie. De beroemdste klanten met wie Danil Yuryevich werkte: Siemens Telecom CIS, Microsoft, Royal Canin, PepsiCo Rus, Accenture, Pharmstandard, Myasnitsky Ryad. Danil Yuryevich heeft een enorme
ervaring met het opbouwen van partnerschappen met grote bedrijven, waaronder Microsoft, Citrix en etc.Sinds 2015 Danil Yurievich werkt actief als partner in startups (een serie producten voor mensen met gehoorproblemen; online onderwijscertificeringssysteem) en als mentor (IAMCP, G-Accelerator).
Danil Yuryevich neemt regelmatig deel aan internationale conferenties, waaronder PMXPO 2019, PMI Talent and Technology Symposium, PMI® Organizational Agility Conference en anderen. Twee jaar op rij trad hij op als spreker op DevOps Pro Moskou 2019-2020. Verbetert voortdurend de vaardigheden tijdens leverancierstrainingen (DASA, Peoplecert). Opleiding en assessment (assessment) succesvol afgerond om PMP trainer te worden volgens de nieuwe versie.
Gebruikmakend van zijn enorme ervaring en geweldige onderwijsgave, presenteert hij de stof met een groot aantal voorbeelden. Lokt vakkundig vruchtbare discussies in groepen uit en beantwoordt alle vragen tot in detail. Danil Yurievich laat je niet kennismaken met abstracte methoden, maar met hoe ze werken werken in de praktijk rekening houdend met de wetgeving en de bijzonderheden van het zakendoen.
Leraar voor speciale doeleinden, houder van prestigieuze internationale status Microsoft-gecertificeerde meester. Afgestudeerd aan de Technische Staatsuniversiteit van Moskou, vernoemd naar N.E. Bauman.
In zijn lessen stelt Fedor Anatolyevich het principe op de voorgrond “Kijk naar de wortel!” - het is belangrijk om niet alleen de werking van het mechanisme te bestuderen, maar ook om te begrijpen waarom het op deze manier werkt en niet anders.
Een generalist op het gebied van softwareontwerp en -ontwikkeling. Hij heeft jarenlange ervaring als ontwikkelteamleider en hoofdarchitect. Gespecialiseerd in integratie van bedrijfsapplicaties, ontwikkeling van webportalarchitectuur, data-analysesystemen, implementatie en ondersteuning Windows-infrastructuur.
Door de combinatie van presentatiestijlen op het gebied van techniek en natuurwetenschappen kunnen studenten de passie en creatieve aanpak van de docent overbrengen. Fedor Anatolyevich ontvangt steevast de meest enthousiaste recensies van zijn dankbare afgestudeerden.
Module 1. Reikwijdte van big data. Typische taken. (1 ac. H.)
-Cursus Doelstellingen
-Definitie van basisconcepten
-Geschiedenis van datawetenschap
-Voordelen van het werken met big data
-Typische taken: prognose van verkoop, productie, vraag. Gedragsanalyse. Patroonherkenning. Expertsystemen.
module2. Verzameling en voorbereiding van initiële gegevens. CRISP-DM-techniek (1 academisch. H.)
-Waar te beginnen. Industrieoverschrijdende standaardmethodologie voor het werken met CRISP-DM-gegevens
-Beschrijvend en associatief onderzoek van brongegevens
-Segmentatie en gegevensopschoning (slice en dice). Voorbeelden van Excel-tools
-Gegevensvisualisatie in Excel. Hoe draaitabellen en grafieken te gebruiken
-Praktisch werk. Segmenteer en reinig de testgegevensset.
module3. Grondbeginselen van wiskundige statistiek. ANOVA. Excel-add-in “Analysepakket” (2 ac. H.)
-Beschrijvende statistieken
-Gemiddeld, meest waarschijnlijk, mediaan
-Variantie, standaarddeviatie, standaardfout
-Soorten distributies
-Excel data-analysepakket
-Overzicht van andere applicatietools voor het werken met data (R, Python, Octave, MathLab, gespecialiseerde databases).
-Praktisch werk. Bepaal de statistische kenmerken van het gegevensmonster.
module4. Taak voor verkoopprognose. Machine learning-concept. Correlatie. Regressieanalyse (3 ac. H.)
-Verklaring van het probleem van het beoordelen van de relatie tussen verschillende factoren en het maken van een voorspelling
-Correlatie. Pearson-coëfficiënt
-Studententoets (T-analyse)
-Grondbeginselen van machinaal leren
-Regressie analyse
-Fisher-criterium
- Opstellen en analyseren van trends in Excel
-Praktisch werk. Bepaal de aanwezigheid van correlatie en regressie-afhankelijkheid tussen twee gegevensmonsters. Bouw een trend.
module5. Problemen met classificatie en herkenning van afbeeldingen, video, spraak, tekst. Het concept van neurale netwerken. Toepassingsvoorbeelden. (3 ac. H.)
-De taak van het segmenteren van discrete gegevens met behulp van het voorbeeld van herkenningstaken (afbeeldingen, spraak, tekst)
-Neurale netwerken als hulpmiddel voor het oplossen van classificatieproblemen
-Demonstratie met voorbeelden van Azure, AWS
-Taken voor het classificeren van gegevens in sociale netwerken en het vinden van de optimale oplossing (route)
-Grafiek als hulpmiddel voor het oplossen van problemen op sociale grafieken en het voorspellen van gedrag
-Beslissingsboom
-Verdeling in monsters (training, testen, verificatie)
-Analyse van leerfouten. Basis en afwijkingen. Handmatige aanpassing
-Praktisch werk: classificeer een dataset en verdeel deze in segmenten.
module6. De uitdaging van onderzoek naar sociale netwerken. De taak van het voorspellen van gebruikersgedrag. Sociale en gerichte grafieken. Beslissingsbomen. Toepassingsvoorbeelden (3 ac. H.)
-De taak van het classificeren van gegevens in sociale netwerken
-Grafiek als hulpmiddel voor het oplossen van problemen op sociale grafieken en het voorspellen van gedrag
-Verdeling in monsters (training, testen, verificatie)
-Analyse van leerfouten. Basis en afwijkingen. Handmatige aanpassing
Module 7. Geavanceerde tools: deep machine learning, kunstmatige intelligentie, fuzzy sets (1 ac. H.)
-Het concept van diep machinaal leren
-Multifactor bedrijfsanalyse met fuzzy logic als voorbeeld
Module 8. Loopbaanbegeleiding voor specialismen in Data Science. Conclusies en aanbevelingen voor het opbouwen en organiseren van teamwerk (2 ac. H.)
-Rollen van DS-specialisten: data-analist, datawetenschapper, programmeur, digitaal directeur
- Eisen aan competenties en interactie van medewerkers op het gebied van data-analyse
-Samenstelling en eisen voor het projectteam voor DS
-Het bedrijf voorbereiden op het gebruik van “bigdata”
• We zullen je in eenvoudige woorden vertellen over Data Science, neurale netwerken, kunstmatige intelligentie en andere populaire fenomenen • Je zult begrijpen welke gebieden er bestaan op het gebied van werken met data, en werken met analytics tools in de praktijk • Ontvang een stap-voor-stap handleiding en ontdek wat je nodig hebt om te beginnen op het gebied van Data Wetenschap
4,6
Je leert bedrijfsproblemen op te lossen met behulp van data. Eerst de nodige training krijgen, je wiskunde en statistiek verbeteren, daarna SQL, Python, Power BI gaan studeren en binnen een jaar word je data-analist.
4,2