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

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: +38 050 272 16 25