08/09/2022
0
צפיות
יסודות העבודה עם ביג דאטה (Data Science) - קורס RUB 14,990. ממומחה, הכשרה, תאריך: 30 בנובמבר, 2023.
Miscellanea / / November 30, 2023
מורה מוביל של המרכז, ראש הכיוון "טכנולוגיות הוראה חדשניות". דוקטור למדעים טכניים התמחות ב"ניתוח מערכות במערכות מידע". בעל סטטוסים יוקרתיים PfMP(®),PgMP®,PMP®, ITIL® Expert, ITIL 4.0. איש מקצוע ניהולי, מנהיג אסטרטגי, בעל מוצר מוסמך DASA, מאמן מוסמך PMP® ו ITIL®, מדריך הדרכה מקוון מוסמך PMP®,ITIL 4.0 ו DASA.
מלמדת למעלה מ-15 שנה, מחברת קורסים וסמינרים במרכז, למעלה מ-80 עבודות מדעיות ו-20 עבודות מתודולוגיות. ניסיון בתעשיית ה-IT - מעל 25 שנים, מתוכן למעלה מ-15 שנים - בתחום ניהול פרויקטים, תיקי פרויקטים, מוצרים, סטארטאפים; בעלת ניסיון בייעוץ בניהול פרויקטים ושינויים ארגוניים (טרנספורמציה דיגיטלית) במספר חברות גדולות.
ביצע יותר מ-20 פרויקטים בתעשיות הבאות: IT (כולל פתרונות אינטרנט, ניהול שירותי IT), חינוך, מטלורגיה, ביטוח, טלקומוניקציה. הלקוחות המפורסמים ביותר איתם עבד דניל יוריביץ': Siemens Telecom CIS, Microsoft, Royal Canin, PepsiCo Rus, Accenture, Pharmstandard, Myasnitsky Ryad. לדניל יוריביץ' יש ענק ניסיון בבניית שותפויות עם חברות גדולות, כולל מיקרוסופט, סיטריקס וכו.
מאז 2015 דניל יורייביץ' עובד באופן פעיל בסטארטאפים כשותף (סדרת מוצרים לאנשים עם ליקויי שמיעה; מערכת הסמכה לחינוך מקוון) וכמנטור (IAMCP, G-Accelerator).
דניל יוריביץ' משתתף קבוע בכנסים בינלאומיים, כולל PMXPO 2019, PMI כישרונות וטכנולוגיה סימפוזיון, PMI® Organizational Agility Conference ואחרים. במשך שנתיים ברציפות הוא שימש כדובר ב-DevOps Pro Moscow 2019-2020. משפר כל הזמן מיומנויות בהדרכות ספקים (DASA, Peoplecert). סיים בהצלחה הכשרה והערכה (הערכה) כדי להפוך למאמן PMP לפי הגרסה החדשה.
באמצעות ניסיונו הרב ומתנת ההוראה הנפלאה, הוא מציג את החומר במספר רב של דוגמאות. מעורר במיומנות דיונים פוריים בקבוצות ועונה בפירוט על כל השאלות. דניל יורייביץ' יציג לכם לא שיטות מופשטות, אלא איך הן לעבוד בפועל תוך התחשבות בחקיקה ובמוזרויות של עשיית עסקים.
מורה למטרה מיוחדת, בעל מעמד בינלאומי יוקרתי מאסטר מוסמך של מיקרוסופט. בוגר האוניברסיטה הטכנית הממלכתית של מוסקבה על שם N.E. באומן.
בשיעוריו, פדור אנטולייביץ' שם את העיקרון בראש סדר העדיפויות "הסתכל אל השורש!" - חשוב לא רק ללמוד את פעולת המנגנון, אלא גם להבין מדוע הוא פועל כך ולא אחרת.
כללית בתחום עיצוב ופיתוח תוכנה. בעל ניסיון רב שנים כראש צוות פיתוח ואדריכל ראשי. מתמחה באינטגרציה של יישומים ארגוניים, פיתוח ארכיטקטורת פורטל אינטרנט, מערכות ניתוח נתונים, פריסה ותמיכה תשתית חלונות.
השילוב בין סגנונות הצגה הנדסיים ומדעי הטבע מאפשר לתלמידים להעביר את התשוקה והגישה היצירתית של המורה. פדור אנטולייביץ' מקבל תמיד את הביקורות הנלהבות ביותר מבוגריו האסירים.
מודול מספר 1. היקף ביג דאטה. משימות אופייניות. (1 ac. ח.)
-יעדי הקורס
-הגדרת מושגי יסוד
-היסטוריה של מדעי הנתונים
-יתרונות מעבודה עם ביג דאטה
-משימות אופייניות: תחזית מכירות, ייצור, ביקוש. ניתוח התנהגות. זיהוי תבנית. מערכות מומחים.
מודול 2. איסוף והכנת נתונים ראשוניים. טכניקת CRISP-DM (אחד אקדמאי. ח.)
-איפה להתחיל. מתודולוגיה סטנדרטית חוצת תעשיות לעבודה עם נתוני CRISP-DM
-מחקר תיאורי ואסוציאטיבי של נתוני מקור
-פילוח וניקוי נתונים (פרוסה וקוביות). דוגמאות לכלי אקסל
-הדמיית נתונים באקסל. כיצד להשתמש בטבלאות ציר ותרשימים
-עבודה מעשית. פלח ונקה את מערך נתוני הבדיקה.
מודול 3. יסודות הסטטיסטיקה המתמטית. ANOVA. תוסף Excel "חבילת ניתוח" (2 ac. ח.)
-סטטיסטיקה תיאורית
-ממוצע, סביר ביותר, חציוני
-שונות, סטיית תקן, שגיאת תקן
-סוגי הפצות
-חבילת ניתוח נתונים של אקסל
-סקירה של כלי יישומים אחרים לעבודה עם נתונים (R, Python, Octave, MathLab, מסדי נתונים מיוחדים).
-עבודה מעשית. קבע את המאפיינים הסטטיסטיים של מדגם הנתונים.
מודול 4. משימת תחזית מכירות. קונספט למידת מכונה. מתאם. ניתוח רגרסיה (3 ac. ח.)
-הצהרת בעיית הערכת הקשר בין גורמים שונים וביצוע תחזית
-מתאם. מקדם פירסון
-מבחן תלמיד (ניתוח T)
-היסודות של למידת מכונה
-ניתוח רגרסיה
-קריטריון פישר
-בנייה וניתוח מגמות באקסל
-עבודה מעשית. קבע את נוכחותם של תלות מתאם ורגרסיה בין שני דגימות נתונים. בנה טרנד.
מודול 5. בעיות של סיווג וזיהוי של תמונות, וידאו, דיבור, טקסט. הרעיון של רשתות עצביות. דוגמאות ליישום. (3 ac. ח.)
-המשימה של פילוח נתונים בדידים באמצעות דוגמה של משימות זיהוי (גרפיקה, דיבור, טקסט)
-רשתות עצביות ככלי לפתרון בעיות סיווג
-הדגמה באמצעות דוגמאות של Azure, AWS
-משימות של סיווג נתונים ברשתות חברתיות ומציאת הפתרון האופטימלי (מסלול)
-גרפים ככלי לפתרון בעיות בגרפים חברתיים וחיזוי התנהגות
-עץ החלטות
-חלוקה לדוגמאות (הדרכה, בדיקה, אימות)
-ניתוח טעויות למידה. בסיס וסטיות. התאמה ידנית
-עבודה מעשית: סיווג מערך נתונים וחלק אותו למקטעים.
מודול 6. האתגר של מחקר רשתות חברתיות. המשימה של חיזוי התנהגות המשתמש. גרפים חברתיים ומכוונים. עצי החלטה. דוגמאות ליישום (3 ac. ח.)
-המשימה של סיווג נתונים ברשתות חברתיות
-גרפים ככלי לפתרון בעיות בגרפים חברתיים וחיזוי התנהגות
-חלוקה לדוגמאות (הדרכה, בדיקה, אימות)
-ניתוח טעויות למידה. בסיס וסטיות. התאמה ידנית
מודול 7. כלים מתקדמים: למידת מכונה עמוקה, בינה מלאכותית, סטים מטושטשים (1 ac. ח.)
-המושג של Deep Machine Learning
-ניתוח עסקי רב גורמים תוך שימוש בהיגיון מטושטש כדוגמה
מודול 8. הנחיית קריירה להתמחויות במדעי הנתונים. מסקנות והמלצות לבניית וארגון עבודת צוות (2 ac. ח.)
-תפקידים של מומחי DS: מנתח נתונים, מדען נתונים, מתכנת, מנהל דיגיטלי
-דרישות לכשירות ואינטראקציה של עובדים בתחום ניתוח הנתונים
-הרכב ודרישות לצוות הפרויקט עבור DS
-הכנת החברה לשימוש ב"ביגדאטה"
מקצועות אנליטיקה: מה לבחור
1 סקירה
• נספר לכם במילים פשוטות על Data Science, רשתות עצביות, בינה מלאכותית ועוד תופעות פופולריות • תבינו אילו תחומים קיימים בתחום העבודה עם דאטה, ועבודה עם כלי אנליטיקה בפועל • קבלו מדריך שלב אחר שלב וגלו מה אתם צריכים כדי להתחיל בתחום ה-Data מַדָע
4,6
מנתח נתונים מאפס ועד ג'וניור
תלמד לפתור בעיות עסקיות באמצעות נתונים. ראשית, קבל את ההכשרה הדרושה, שפר את המתמטיקה והסטטיסטיקה שלך, ולאחר מכן למד SQL, Python, Power BI ובעוד שנה תהפוך למנתח נתונים.
4,2
הירשם
YOU MIGHT ALSO LIKE