онлайн-курс
Искусственный интеллект и основы аналитики больших данных
Актуальная профессия с нуля
Курс направлен на изучение основ искусственного интеллекта, работы с базами данных, линейной математики и получение практических навыков в области анализа данных и ИТ-технологий
До завершения акции
00
00
00
:
дней
часов
минут
от 3 200
руб. / мес.*
* в рассрочку на 10 месяцев
Старт
Продолжительность
Уровень
Документ
20 декабря
2023 года
2023 года
5 месяцев
С нуля
Удостоверение о повышении квалификации
Формат
Онлайн
Подождите, не уходите!
Приглашаем в наш новостной телеграм-канал, где вы первым узнаете о наших бесплатных вебинарах, скидках на курсы, а также другой полезной информации
Кому подойдет этот курс?
Новичкам
Программистам
Аналитикам
Наш курс идеально подходит для новичков в программировании. Мы начинаем с основ и постепенно переходим к более сложным темам, обеспечивая понимание и уверенность в каждом новом навыке. Вы научитесь основам кодирования и разработки, и уже через несколько месяцев сможете создавать свои собственные проекты.
Для опытных программистов наш курс предлагает возможность углубить свои знания и расширить набор навыков. Мы рассмотрим продвинутые темы и технологии, которые помогут вам не отставать от технологического прогресса. После прохождения курса вы сможете решать более сложные задачи и улучшить свои перспективы карьеры.
Для аналитиков наш курс предлагает уникальную возможность изучить программирование в контексте анализа данных. Вы научитесь использовать код для автоматизации аналитических процессов, создания визуализаций и обработки больших объемов данных. Этот курс поможет вам стать более эффективным аналитиком и открыть новые возможности для вашей карьеры.
Востребована ли профессия аналитика больших данных?
По данным портала hh.ru, в России открыты более 6 406 вакансий «Аналитик»
Искусственный интеллект (ИИ) и аналитика больших данных стали одними из самых востребованных областей в современном мире, а средняя зарплата аналитика без опыта может составлять от 45 000 ₽.
Профессия аналитика данных — хорошая точка входа в сферу Big data.
Профессия аналитика данных — хорошая точка входа в сферу Big data.
*скриншоты с сайта hh.ru от24.07..23
Чему вы научитесь на курсе?
проводить анализ данных, выстраивать модели данных
визуализировать данные
применять Python для анализа данных
пользоваться алгоритмами искусственного интеллекта
владеть методами анализа больших данных
составлять ТЗ для разработки системы обработки данных
Программа обучения профессии
- Современный искусственный интеллект
- Нормы этики и морали в сфере разработки искусственного интеллекта
- Варианты использования AI Use Case для аналитики в различных отраслях экономики. (Клиентская и товарная аналитика в Ритейле. Онлайн аналитика.)
- Варианты использования AI Use Case для аналитики в различных отраслях экономики. (Финансовый сектор. Аналитика в играх)
- Технология формирования технического задания на аналитику или разработку системы обработки данных
- Промежуточная аттестация
- Основы программирования
- Введение в Python
- Структуры данных в Python
- Базовые алгоритмы Python
- Введение в комбинаторику
- Теория вероятностей
- Статистика в Python
- A/B Тестирование
- Инструменты Python для обработки данных. Pandas
- Визуализация на Python. Matplotlib. Seaborn. Plotly
- Промежуточная аттестация
- Источники данных. Структурированные и неструктурированные источники данных
- Виды баз данных
- Реляционные базы данных
- SQL и получение данных
- Применение соединения (JOIN) и агрегатные функции
- Оконные функции: простые запросы, накопление
- Сервисы создания дашбордов (Power BI)
- Преобразование сложных данных в простые для восприятия и ценные для бизнеса сведения
- Построение моделей данных из разных неструктурированных источников: таблиц, сайтов и баз данных
- NoSQL-подход
- MapReduce-подход и Apache Hadoop - обзор
- ETL - подготовка и предобработка данных
- Контроль качества данных
- Промежуточная аттестация
- Основы машинного обучения. Типы задач машинного обучения. Регрессия и классификация. Линейная регрессия и логистическая
- Оценка качества алгоритмов машинного обучения. Метрики качества регрессии и классификации
- k ближайших соседей. Метод опорных векторов
- Решающее дерево
- Ансамбли. Бэгинг. Бустинг
- Алгоритмы понижения размерности
- Виды кластеризации. k-means. Оценка качества кластеризации
- Нейросети. PyTorch
- Промежуточная аттестация
- Современный искусственный интеллект
- Нормы этики и морали в сфере разработки искусственного интеллекта
- Варианты использования AI Use Case для аналитики в различных отраслях экономики. (Клиентская и товарная аналитика в Ритейле. Онлайн аналитика.)
- Варианты использования AI Use Case для аналитики в различных отраслях экономики. (Финансовый сектор. Аналитика в играх)
- Технология формирования технического задания на аналитику или разработку системы обработки данных
- Промежуточная аттестация
- Основы программирования
- Введение в Python
- Структуры данных в Python
- Базовые алгоритмы Python
- Введение в комбинаторику
- Теория вероятностей
- Статистика в Python
- A/B Тестирование
- Инструменты Python для обработки данных. Pandas
- Визуализация на Python. Matplotlib. Seaborn. Plotly
- Промежуточная аттестация
- Источники данных. Структурированные и неструктурированные источники данных
- Виды баз данных
- Реляционные базы данных
- SQL и получение данных
- Применение соединения (JOIN) и агрегатные функции
- Оконные функции: простые запросы, накопление
- Сервисы создания дашбордов (Power BI)
- Преобразование сложных данных в простые для восприятия и ценные для бизнеса сведения
- Построение моделей данных из разных неструктурированных источников: таблиц, сайтов и баз данных
- NoSQL-подход
- MapReduce-подход и Apache Hadoop - обзор
- ETL - подготовка и предобработка данных
- Контроль качества данных
- Промежуточная аттестация
- Основы машинного обучения. Типы задач машинного обучения. Регрессия и классификация. Линейная регрессия и логистическая
- Оценка качества алгоритмов машинного обучения. Метрики качества регрессии и классификации
- k ближайших соседей. Метод опорных векторов
- Решающее дерево
- Ансамбли. Бэгинг. Бустинг
- Алгоритмы понижения размерности
- Виды кластеризации. k-means. Оценка качества кластеризации
- Нейросети. PyTorch
- Промежуточная аттестация
Как будет проходить обучение?
Лекции с преподавателем
Закрепление практических навыков
Консультации с наставником
вебинары 2 раза в неделю в вечернее время
обучающая платформа
просматривать можно из любого региона в удобное время
проверит ваши домашние работы
поможет разобраться со сложными для вас вопросами
даст обратную связь с профессиональными советами
60% курса — это практические задания
учебный проект для портфолио
тесты для проверки знаний после каждого модуля
Преподаватели
Астахов Алексей
Выпускник Университета Иннополис в направлении робототехники и компьютерного зрения
Воробьева Мария
преподаватель на базовой кафедре факультета компьютерных наук в ВШЭ
Чимитова Екатерина
Д-р тех. н., область научных исследований – статистические методы анализа данных типа времени жизни
Мокшин Владимир
Канд. тех. наук , опыт более 12 лет программирования на C#, MySQL, имитационное моделирование (оптимизация бизнес-процессов) в Anylogic / GPSS, работа с виртуальными машинами VMWare/Oracle VirtualBox, работа в Matlab, Statistica, Python
Якупов Азат
Архитектор данных и CDO, руководитель DataLab в КФУ, работает 20+ лет в ИТ-индустрии
Корчагин Илья
Эксперт по технологиям искусственного интеллекта АНО ВО «Университет Иннополис» Институт искусственного интеллекта
Астахов Алексей
- Выпускник Университета Иннополис в направлении робототехники и компьютерного зрения
- Опыт в областях: Обучение с подкреплением, Компьютерное зрение, Обработка естественного языка, Предиктивная аналитики.
Чимитова Екатерина
- Д. тех. н., область научных исследований – статистические методы анализа данных типа времени жизни.
- Опыт работы в академической сфере и в области Data Science.
- Педагогический стаж более 20 лет.
Воробьева Марьяна
- Ведущий Data Scientist
- Преподаватель на базовой кафедре факультета компьютерных наук в ВШЭ более 4-х лет
Мокшин Владимир
- Опубликовано более 100 научных трудов (4 монографии; 15 статей в рецензируемых журналах, входящих в наукометрическую базу Скопус; более 20 статей в журналах, рекомендованных ВАК
Якупов Азат
- 7+ лет преподавания.
- Опыт в архитектуре данных 6+ лет.
- Преподаватель курсов в Университете Иннополис и КФУ.
Корчагин Илья
- Руководитель образовательных проектов ООО Гикбрейнс.
- Лучший выпускник института физика Казанского (Приволжского) федерального университета.
- Лауреат конференции по математическому моделированию и информационным технологиям СМИТ 2016
Удостоверение о повышении квалификации
Слушателям курсов, успешно завершившим обучение, выдается удостоверение о повышении квалификации установленного образца с занесением в Федеральный реестр сведений о документах об образовании и повышении квалификации.
Беспроцентная рассрочка
Обучение за счет работодателя
Беспроцентная рассрочка от Банка-партнера АО «Тинькофф Банк» от 4 до 12 месяцев.
Предоставим необходимые документы и сформируем договор на обучение.
-50% студентам и людям с инвалидностью
Если вы студент дневного, вечернего отделения или у вас инвалидность 1, 2 группы, то стоимость составит 20 000 ₽ при предъявлении соответствующих документов.
-25% выпускникам наших курсов
Если вы уже проходили у нас обучение на любом из курсов, то просто сообщите об этом менеджеру для получения скидки.
Забронируйте скидку на обучение
скидка действует
до 8 декабря
до 8 декабря
До завершения акции
00
00
00
:
дней
часов
минут
-20%
руб. / мес.
старая цена
3 200
со скидкой 20% до 8 декабря
беспроцентная рассрочка на 10 месяцев
экономия − 8 000 руб.
+ Тайм-менеджмент
4 курса в подарок:
+ Основы анализа данных и машинного обучения
+ Цифровая трансформация бизнеса
+ Технологии виртуальной и дополненной реальности (AR/VR)
