Повышай квалификацию! Освой профессию будущего!

Аналитик данных

Курс нацелен на получение компетенций, необходимых для профессиональной деятельности специалиста в области искусственного интеллекта и больших данных при реализации проектов и разработки новых решений на основе данных.

Получите дополнительное профессиональное образование в области искусственного интеллекта
Более 80% от стоимости обучения оплатит Государство!

3 месяца обучения по 2-3 часа в день. Всего 250 часов

удостоверение по окончании

помощь в трудоустройстве

зарплата
от 120 тыс.  в месяц

Курс нацелен на получение компетенций, необходимых для профессиональной деятельности аналитика данных (Data Scientist) для разработки и применения технологических решений в области искусственного интеллекта и в смежных областях.

Курс включает изучение методов и инструментальных средств решения задач искусственного интеллекта. Вы научитесь анализировать данные с помощью сервисов аналитики и BI-инструментов, освоите Python и SQL. Станете незаменимым специалистом — и сможете помогать бизнесу принимать решения на основе данных. Программа нацелена на формирование навыков применения методов обработки и хранения больших данных современными инструментами, а также навыков применения методов математической статистики, машинного обучения и глубокого обучения к интеллектуальному анализу данных для решения прикладных задач.

Программа повышения квалификации построена по модульному принципу, предполагает изучение теоретического материала и практическую отработку полученных знаний.

Для оценки уровня знаний вы выполните практические кейсы и пройдете тестирование.

преимущества курса
Можно осваивать параллельно с получением среднего профессионального образования или высшего образования, основной работой без отрыва от производства.
В основе – передовые и наиболее востребованные методы, приемы, технологии работы с большими данными.
Использование современного программного обеспечения.
Дистанционный формат, удобный график и темп обучения.
Персональное сопровождение и поддержка слушателей.
Интерактивный формат подачи учебного материала.

курс подойдет

для студентов колледжей и вузов

для начинающих специалистов в области IT

для получения прибыльной IT-специальности

для всех желающих, имеющих высшее или среднее профессиональное образование (базовое математическое или техническое образование)

чему вы научитесь
Выбирать методы и инструментальные средства искусственного интеллекта для решения задач в зависимости от особенностей проблемной области
Разрабатывать и применять методы машинного обучения для решения задач
Разрабатывать модели машинного обучения для решения задач
Осуществлять сбор и подготовку данных для систем искусственного интеллекта
Выполнять обработку, аналитику, описание и управление качеством и достоверностью больших данных, использовать результаты анализа.
Решать прикладные задачи и участвовать в реализации проектов в области цифровых субтехнологий «Компьютерное зрение» и «Обработка естественного языка»
кто может учиться
Граждане РФ – жители всех регионов России, если:
  • старше 18 лет и не достигли пенсионного возраста
  • имеют среднее профессиональное / высшее образование или являются студентами вуза / колледжа
  • имеют достаточный уровень базовых знаний в сфере ИТ и могут справиться со вступительным испытанием

По данной программе вы можете получить финансовую поддержку от государства в рамках федерального проекта «Искусственный интеллект» — 75000 рублей компенсирует государство.

Стоимость обучения
10 000 
85 000 

*75 000 оплачивает государство

В рамках федерального проекта
«Искусственный интеллект»

Как записаться на курсы
01
Оставьте заявку на нашем сайте.
02
Заполните анкету участника и пройдите диагностику.
03
Дождитесь успешной проверки анкеты и запишитесь на программу в каталоге проекта.
04
По итогам успешного вступительного испытания заключите договор на обучение со скидкой от государства.
Программа курса
Раздел 1. Введение в большие данные
  1. Введение в профессию Аналитик данных (Data Scientist)
  2. Базовое представление о Map Reduce
  3. Базовое представление о Hadoop
  4. Введение в язык программирования: Python. Обзор языка R
  5. Основы Python для работы с данными
  6. Работа с библиотеками Python: Pandas, Numpy, Scikit-learn, Matplotlib
  7. Статистический и описательный анализ данных
Раздел 2. Технологии анализа данных
  1. Аналитика больших данных
  2. Когнитивный анализ данных
  3. Прикладные инструменты анализа данных. Корреляция.
  4. Методы анализа на графах
  5. EDA - разведочный анализ данных
  6. BI-системы и визуализация данных
Раздел 3. Работа с базами данных. Хранилища данных
  1. Введение в Базы данных и теорию хранения данных
  2. Язык SQL. Реляционные базы данных, использование SQL
  3. Введение в DWH
  4. Распределенные базы данных NoSQL
  5. Введение в Озера данных (Data Lake)
Раздел 4. Машинное обучение
  1. Введение в ML. Основные задачи, виды классических моделей, метрики качества моделей
  2. Линейная алгебра, работа с Numpy, принцип работы классических моделей ML
  3. Обучение с учителем в ML
  4. Способы улучшить качество модели. Конструирование и извлечение признаков
  5. Обучение без учителя в ML
  6. Временные ряды в ML
  7. Погружение в ML. RecSys - Рекомендательные системы
  8. Развертывание модели ML в производство. MLOps
Раздел 5. Нейронные сети
  1. Введение в искусственный интеллект и нейронные сети
  2. Многослойный перцептрон, полносвязные и сверточные нейронные сети
  3. Обработка изображений с помощью нейронных сетей
  4. Обработка языковых представлений с помощью нейронных сетей
  5. Генерация и генеративно-состязательные модели сетей
  6. RL - Обучение нейронных сетей с помощью взаимодействия со средой - обучение с подкреплением
модули

Модуль 1.

Основной

Модуль предполагает введение в аналитику больших данных, технологии анализа данных, а также изучение основ работы с базами данных. Отдельные темы посвящены Map Reduce, Hadoop; основам Рython и его особенностям; платформам: Jupyter notebook, kaggle, Nvidia Cuda, средам разработки: VS, IntelliJIdea; математическому и числовому анализу с помощью библиотек Numpy, Scikit-learn, практическому применению библиотек. Будут изучены методы статистического и описательного анализа данных; способы анализа данных в R, введение в Data Mining; готовые комплексные решения анализа данных, EDA. Будут рассмотрены BI-системы и визуализация данных; основы языка SQL и реляционные базы данных, базы данных NoSQL; Data Lake.

Модуль 2.

Профилирующий

Модуль предполагает введение в основы машинного обучения и нейронных сетей. Отдельные темы посвящены знакомству с ML, работе с Numpy, принципам работы классических моделей ML, обучению с учителем и без, временным рядам, развертыванию модели ML в производство. Будут рассмотрены виды нейронных сетей, способы обработки изображений с помощью нейронных сетей, способы обработки языковых представлений с помощью нейронных сетей, RL-обучение нейронных сетей с помощью взаимодействия со средой, обучение с подкреплением.