Анонс
В результате освоения программы профессиональной переподготовки обучающиеся должны:
Знать:
– содержание и последовательность выполнения этапов аналитического проекта;
– возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных;
– предметную область анализа;
– основные виды и возможности математического моделирования, содержание основных этапов моделирования;
– сущности статистического моделирования, технологии проведения вычислительных экспериментов на моделях различных видов;
– основные методы и подходы к прогнозированию временных рядов;
– теоретические и прикладные основы анализа больших данных;
– современный опыт использования анализа больших данных;
– основные алгоритмы машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением;
– методы машинного обучения: классификация, кластеризация, обнаружение выбросов, фильтрация
– теоретические основы применения нейронных сетей: полносвязные, свёрточные и рекуррентные нейронные сети, методы обучения нейронных сетей, нейросетевые методы понижения размерности;
– методы статистического анализа: метод многовариантного тестирования, корреляционный анализ, регрессионный анализ;
– основные подходы и методы оценки моделей: оценка качества построенной модели по тестовой выборке и анализ обобщающих способностей алгоритма.
Уметь:
– планировать аналитические работы с использованием технологий больших данных;
– использовать имеющуюся у исполнителя методологическую и технологическую инфраструктуру анализа больших данных для выполнения аналитических работ;
– производить выбор методов и моделей для исследования статистических данных;
– проводить сравнительный анализ методов и инструментальных средств анализа больших данных;
– разрабатывать и оценивать модели больших данных;
– решать задачи классификации, кластеризации, регрессии, прогнозирования, снижения размерности и ранжирования данных;
– решать проблемы переобучения и недообучения алгоритма;
– формировать предложения по использованию результатов анализа;
– оформлять результаты аналитического исследования для представления заказчику;
– разъяснять заказчику результаты аналитической работы;
– осуществлять поиск информации о новых и перспективных методах анализа больших данных, выполнять сравнительный анализ методов.
Владеть:
– практическими навыками выбора методов и инструментальных средств анализа больших данных для проведения аналитических работ;
– практическими навыками решения прикладных задач с применением методов машинного обучения и искусственного интеллекта.
– практическими навыками выбора средств представления результатов аналитики больших данных;
– практическими навыками разработки отчетной аналитической документации.
Иметь представление:
– о методах интерпретации и визуализации больших данных;
– о возможностях имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных;
– о содержании и последовательности выполнения этапов аналитического проекта по исследованию больших данных;
– о методах извлечения информации и знаний из гетерогенных, мультиструктурированных, неструктурированных источников, в том числе при потоковой обработке;
– о возможностях программирования на языках высокого уровня, ориентированных на работу с большими данными: для статистической обработки данных и работы с графикой, для работы с разрозненными фрагментами данных в больших массивах, для работы с базами структурированных и неструктурированных данных.
