Основы работы с большими данными Data Science

Name: Основы работы с большими данными Data Science
Price: 764 RUB
Availability: PreOrder

15 участников

О чём курс

Курс «Основы работы с большими данными: Data Science Orientation» представляет собой комплексную программу погружения в одну из самых востребованных и динамично развивающихся областей современного IT. В эпоху цифровой трансформации умение работать с большими данными (Big Data) становится критически важным навыком для специалистов самого разного профиля. Данный курс разработан таким образом, чтобы дать слушателям фундаментальное понимание концепций Data Science, начиная от базовых определений и заканчивая сложными вопросами организации команд и внедрения аналитических процессов в бизнес-структуры.

Программа курса охватывает широкий спектр тем, необходимых для формирования целостной картины мира больших данных. Участники познакомятся с источниками информации, научатся различать структурированные и неструктурированные данные, а также освоят основные характеристики и методы их анализа. Важной частью обучения является изучение элементов классификации данных и машинного обучения, что позволяет перейти от простого сбора информации к извлечению из неё ценных бизнес-инсайтов. Слушатели погрузятся в основы статистического анализа, научатся строить регрессионные зависимости и визуализировать результаты анализа, делая их понятными для принятия управленческих решений.

Особое внимание в курсе уделено обзору классов задач, которые успешно решаются с помощью инструментов машинного обучения и искусственного интеллекта. Это включает в себя распознавание образов, звуков и текстов, прогностическое моделирование, а также глубокий анализ социальных сетей. Вы познакомитесь с современными математическими инструментами, такими как нейронные сети, графы, нечеткие и К-значные логики, а также с прикладными облачными платформами, включая AWS и Azure AI, что позволит увидеть практическое применение теории в реальных бизнес-кейсах.

Курс ориентирован на широкую аудиторию: от управляющего персонала и менеджеров до разработчиков и сотрудников, вовлеченных в аналитическую деятельность. Программа помогает не только освоить технические аспекты, но и понять, как правильно выстраивать работу компании при внедрении анализа больших данных. Вы узнаете о различных ролях в Data Science, таких как аналитики данных, «ученые по данным» (Data Scientists), программисты и менеджеры по большим данным (CDO), а также о принципах формирования эффективных проектных команд. По итогам обучения вы будете уверенно ориентироваться в профессиональной среде, сможете грамотно организовывать процессы работы с данными и определите вектор своего дальнейшего развития в этой перспективной области. Это идеальный старт для тех, кто хочет «подружиться» с Big Data и использовать их потенциал для достижения профессиональных и бизнес-целей.

Программа обучения

Модуль 1. Область применения больших данных. Типовые задачи. Цели курса Определение основных понятий История науки о данных Выгоды от работы с большими данными Типовые задачи: прогноз продаж, производства, спроса. Анализ поведения. Распознавание образов. Экспертные системы. Модуль 2. Сбор и подготовка исходных данных. Методика CRISP-DM С чего начать. Межотраслевая стандартная методика работы с данными CRISP-DM Описательное и ассоциативное исследование исходных данных Сегментирование и очистка данных (slice and dice). Примеры инструментов Excel Визуализация данных в Excel. Как использовать сводные таблицы и диаграммы Практическая работа. Сегментировать и очистить тестовый набор данных. Модуль 3. Основы математической статистики. ANOVA. Надстройка Excel «Пакет анализа» Описательная статистика Среднее, наиболее вероятное, медиана Дисперсия, стандартное отклонение, стандартная ошибка Виды распределений Пакет анализа данных Excel Обзор других прикладных средств работы с данными (R, Python, Octave, MathLab, специализированные БД). Практическая работа. Определить статистические характеристики выборки данных. Модуль 4. Задача прогноза продаж. Понятие машинного обучения. Корреляция. Регрессионный анализ Постановка задачи оценки взаимосвязи между различными факторами и построение прогноза Корреляция. Коэффициент Пирсона Критерий Стьюдента (T-анализ) Основы машинного обучения Регрессионный анализ Критерий Фишера Построение и анализ трендов в Excel Практическая работа. Определить наличие корреляции и регрессионную зависимость между двумя выборками данных. Построить тренд. Модуль 5. Задачи классификации и распознавания образов, видео, речи, текста. Понятие нейронных сетей. Примеры применения. Задача сегментации дискретных данных на примере задач распознавания (графика, речь, текст) Нейронные сети как инструмент решения задач классификации Демонстрация на примерах Azure, AWS Задачи классификации данных в социальных сетях и поиска оптимального решения (маршрута) Графы как инструмент решения задач на социальных графах и прогнозирования поведения Дерево решений Разбиение на выборки (обучающую, тестовую, проверочную) Анализ ошибок обучения. Базис и отклонения. Ручная корректировка Практическая работа: провести классификацию набора данных и его разбиение на сегменты. Модуль 6. Задача исследования социальных сетей. Задача прогнозирования поведения пользователя. Социальные и направленные графы. Деревья решений. Примеры применения Задача классификации данных в социальных сетях Графы как инструмент решения задач на социальных графах и прогнозирования поведения Разбиение на выборки (обучающую, тестовую, проверочную) Анализ ошибок обучения. Базис и отклонения. Ручная корректировка Модуль 7. Продвинутые инструменты: глубокое машинное обучение, искусственный интеллект, нечеткие множества Понятие Deep Machine Learning Многофакторный бизнес анализ на примере нечетких логик Модуль 8. Профориентация по специальностям в Data Science. Выводы и рекомендации по построению и организации работы команды Роли специалистов по DS: аналитик данных, ученый по данным, программист, цифровой директор Требования к компетенциям и взаимодействию сотрудников в области аналитики данных Состав и требования к проектной команде для DS Подготовка компании к применению «бигдата» Продажник

Складчина создана 8 ноября 2019 г. · описание обновлено 25 апреля 2026 г.

Теги курса

Другие материалы автора 12

ДД Данил Динцис Все материалы

С Сбор требований и разработка технического задания для ИТ проектов 844 ₽ 16 150 ₽ −95%I ITIL®4 CDS: Создание, предоставление и поддержка ИТ-услуг 2 612 ₽ 25 990 ₽ −90%

Основы управления цифровыми продуктами и услугами на основе ИТИЛ5 6 409 ₽ 26 990 ₽ −76%I ITIL®4.0 DPI: Управление IT в организации 2 498 ₽ 25 990 ₽ −90%А Анализ данных с применением надстройки Excel «Пакет анализа» 158 ₽ 1 124 ₽ −86%

Основы работы с большими данными: Data Science Orientation 510 ₽ 7 990 ₽ −94%У Управление ИТ продуктом IT Product management 1 609 ₽ 20 200 ₽ −92%

Управление программами проектов на основе PMI Standard for Program Management и ГОСТ Р 54871 2 398 ₽ 14 990 ₽ −84%О Основы управления ИТ услугами по ITIL 4.0 1 532 ₽ 19 990 ₽ −92%

Управление IT и цифровыми организациями на основе ИТИЛ5 концепция Experience Опыт 8 883 ₽ 37 590 ₽ −76%У Управление организационными изменениями 2 230 ₽ 16 990 ₽ −87%S Service Desk и процессы поддержки ИТ услуг 5 009 ₽ 20 990 ₽ −76%

Отзывов пока нет. Будьте первым!

Как получить курс?

Влада Администратор сайта

Этот курс сейчас в процессе организации складчины. Нажмите кнопку «Записаться» и ожидайте старта — вам придёт уведомление. Когда складчина стартует, в карточке курса будет указан актуальный взнос. Текущая цена пока в процессе формирования и может отличаться от финальной.

Финальный взнос будет ниже, чем 9 990 ₽?

Влада Администратор сайта

Да, мы стремимся, чтобы финальный взнос был не больше ≈10% от оригинальной цены курса. Чем больше участников записывается в складчину, тем ниже выходит взнос для каждого.

Как я могу ускорить сбор складчины и уменьшить взнос?

Влада Администратор сайта

Нажмите кнопку «Записаться» и авторизуйтесь на сайте через email (через ту же почту, которую будете использовать для входа). В личном кабинете вас будут ждать инструкции, как пригласить других участников — чем больше людей записалось, тем быстрее стартует складчина и тем ниже взнос. Как только складчина готова к приобретению, вам придёт уведомление.