Тренинг "Data Science и машинное обучение
для бизнес-аналитиков" 

 

В рамках курса мы разберем, какие задачи бизнес-аналитик может решать с помощью данных технологий, какую пользу они могут принести в ваших текущих проектах заказчику и команде.  В ходе тренинга вы получите ответы на следующие вопросы: 

  • Как можно использовать новые возможности работы с данными для того, чтобы предложить новые решения и ценности для бизнеса?  

  • Какие задачи можно решить гораздо быстрее и проще с использованием Data Science технологий? 

  • Как развить уже имеющиеся проекты и решения и добавить функциональность на основе Data Science и Machine Learning 

 В ходе тренинга вы будете выполнять практические задания с использованием Microsoft Azure ML Studio и Power BI. 

Вы научитесь
  1. Выявлять проблемы, которые можно эффективнее решить с помощью технологий Data Science и Machine Learning 

  2. Выполнять бизнес-анализ с учетом специфики DS&ML 

  3. Самостоятельно создавать Proof of Concept для проектов с использованием Microsoft Azure ML Studio 

  4. Выполнять задачи визуализации бизнес-данных 

Целевая аудитория

Бизнес-аналитики, Product Owner, системные аналитики, руководители департаментов, специалисты по работе с данными (инвестиционные/финансовые аналитики, экономисты), предприниматели и собственники бизнеса, маркетологи. 

Тренер
Дмитрий Гузенко, бизнес-аналитик и аналитик данных с более чем 20-летним опытом автоматизации бизнес-процессов и построения ERP систем. Последние годы занимается цифровой трансформацией компаний и с использованием методов Data Science и Machine Learning.
Дополнительные требования

Все участники должны прийти с своими ноутбуками (ОС Windows - предпочтительно). Список ПО для установки высылается после регистрации.

Расписание

Даты проведения:  13 - 14 сентября 2019

Занятия проходит с 10:00 до 19:00
Место проведения: Киев, ул. Гетьмана 1а

 

Цена

При оплате до 13.08.2019

Физические лица: 4500 грн.

Юридические лица: 5500 грн.

При оплате после 13.08.2019

Физические лица: 5500 грн.

Юридические лица: 6500 грн.

Детальная программа

Блок 1: Введение в Data Science и Machine Learning 

  • Что такое Data Science и машинное обучение 

  • Типовые задачи, которые можно решать с помощью машинного обучения 

  • Что такое большие данные и какие ценности они несут для организаций 

  • Data Driven подход для развития бизнеса 

  • Существующие стандарты и практики DS проектов  

  • Наиболее яркие и значимые примеры применения Data Science проектов

  • Обзор успешных проектов по Big Data и Machine Learning в Украине и за рубежом

 
Блок 2: Бизнес анализ в проектах машинного обучения  

  • Детальный обзор современного Data Science процесса и его этапов 

  • Обзор и понимание основных терминов Data Science

  • Основы машинного обучения и типы решаемых задач

  • Выполнение этапа бизнес анализа в проектах машинного обучения 

  • Особенности бизнес анализа для Data Science проектов 

  • Новые сложности DS проектов и пути их преодоления 

  • Workshop: Бизнес анализ и рекомендация решения c применением технологий Data Science и Machine Learning

  • Этап исследования данных  

  • Сложности, связанные с этапом Data Understanding

  • Структуры данных и артефакты для перехода к началу проекта 

  • Workshop: Выполнение этапа Исследование данных для DSML проекта

  

Блок 3: Начальная подготовка данных

  • Основы понимания наборов данных, feature и целевых переменных

  • Импорт и объединение данных

  • Работы с некачественными данными

  • Инструменты для обработки данных

  • Workshop: Импорт и предварительная обработка данных

Блок 4. Визуализация данных

  • Походы и методики для визуализации данных  

  • История визуализации, примеры лучших кейсов

  • Типичные ошибки при визуализации

  • Лучшие практики и руководства при проектировании визуализации

  • Что такое Data Storytelling и зачем этот навык  

  • Обзор инструментов для визуализации

  • Инструмент Power BI для визуализации данных 

  • Продвинутые методы визуализации

  • Workshop 1: Визуализация данных с помощью Power BI и R 

Блок 5: Решение задач с учителем

  • Типы решаемых задач

  • Общий подход для выполнения Supervised Learning

  • Задачи регрессии и алгоритмы для их решения

  • Задачи классификации и алгоритмы для их решения

  • Оценка полученных моделей в задачах регрессии и классификации

  • Статистические метрики для оценивания задач с учителем

  • Визуализация качества работы модели

  • Workshop 2: Решение задачи регрессии на примере определения стоимости

  • Workshop 3: Решение задачи классификации на примере Employee / Customer Churn Rate Prediction 

 

Блок 6: Решение задач машинного обучения без учителя

  • Обзор проблематики и типы решаемых задач в Unsupervised Machine Learning

  • Разбор принципов работы популярных алгоритмов кластеризации

  • Алгоритмы, подходы и сложности решения решения задач кластеризации

  • Построение рекомендательных систем

  • Решение задач мошенничества и нетипичного поведения

  • Workshop 4: Модель решения задачи кластеризации

 

Блок 7: Имплементация моделей машинного обучения 

  • Типовые архитектуры проектов Data Science

  • Деплоймент моделей машинного обучения для дальнейшего использования 

  • Управление проектами Data Science и применение Agile практик

  • Workshop 5: Публикация модели в виде рабочего продукта

  • Ресурсы с готовыми наборами данных

  • Ресурсы с готовыми решениями

  • Ресурсы для самостоятельного развития

Дополнительная информация

e-mail: ArtofBA@i.ua

телефон: +380502721625