Курс «Порядок разработки текущей и целевой архитектуры государственного органа. Сбор артефактов, анализ и визуализация данных, описание процессов, внедрение целевой архитектуры»

Практический курс предназначен для сотрудников государственных органов и квазигосударственных организаций, являющихся членами проектных команд по разработке архитектур государственных органов/ квазигосударственных организаций. В рамках курса участники на практике знакомятся со всеми этапами, моделями и артефактами архитектуры государственного органа/ квазигосударственной организации.

Продолжительность курса: 24 часа

Формат обучения: оффлайн

Преподаватель/лектор: Булатов Адильбек Байгабылович – Coordinator Центра архитектуры «электронного правительства»

Наименование блокаОписание работ в блокеПродолжительность
Описание архитектурного подхода в цифровизации. Разработка текущего состояния архитектуры деятельности, данныхВ ходе обучения участники были ознакомлены с описанием архитектурного подхода и его основными этапами. Также были рассмотрены основные артефакты (анкеты, каталоги, расчеты, калькуляторы) и модели текущего состояния архитектуры деятельности, данных.8 часов
Разработка текущего состояния архитектуры ИС, ИК-инфраструктурыВ ходе обучения участники были ознакомлены с методами сбора данных, рассмотрены основные артефакты (анкеты, каталоги, расчеты, калькуляторы) и модели текущего состояния архитектуры ИС и ИК-инфраструктуры.8 часов
Разработка целевого состояния архитектуры.
Планирование реализации архитектуры.		С участниками курса осуществляется практический разбор артефактов (каталоги, расчеты, калькуляторы) и моделей целевого состояния архитектуры ГО (деятельность, данные, ИС, ИК-инфраструктура), а также порядка определения целевых ИКТ-проектов.

Также в ходе обучения рассматривается порядок анализа текущих ИКТ-проектов, описания целевых ИКТ-проектов, а также формирования плана-графика (дорожной карты) по реализации ИКТ-проектов целевой архитектуры		8 часов
Список прошедших обучение
Курс «Основы и принципы разработки архитектуры государственного органа. Цели, задачи и ожидаемые результаты»

Теоретический курс предназначен для сотрудников государственных органов
и квазигосударственных организаций, являющихся членами рабочих групп/
стейкхолдерами проектов по разработке архитектур государственных
органов/ квазигосударственных организаций. Курс предоставляет общие
теоретические знания по этапам разработки архитектуры государственного
органа/ квазигосударственной организации.

Продолжительность курса: 16 часов

Формат обучения: оффлайн

Преподаватель/лектор: Булатов Адильбек Байгабылович – Coordinator
Центра архитектуры «электронного правительства»

Наименование блокаОписание работ в блокеПродолжительность
Краткое ознакомление с
понятием архитектура
предприятия		В ходе обучения участники были
ознакомлены с понятиями
архитектура предприятия,
архитектор предприятия,
основными методиками описания
архитектуры предприятия, в том
числе методологией TOGAF и
циклом Architecture Development
Method, ADM.		8 часов
Процесс разработки
архитектуры
предприятия		Участникам курса представлена
презентация по методике
разработки архитектуры
государственного органа на основе стандарта TOGAF, разработанной
Сервисным интегратором.
Материал содержал описание
основных этапов разработки
архитектуры государственного
органа, перечень моделей и
артефактов (анкеты, каталоги,
расчеты, калькуляторы)
архитектуры.		8 часов
Список прошедших обучение
Курс «Практическое применение методики реинжиниринга бизнес-процессов государственных органов»

Курс предназначен для сотрудников государственных и квазигосударственных организаций, которые являются участниками проектных команд по проведению реинжиниринга бизнес-процессов. В рамках курса участники на практике знакомятся со всеми этапами проекта по реинжинирингу бизнес-процессов закрепленных в методике.

Продолжительность курса: 16 часов

Формат обучения: оффлайн

Преподаватель/лектор:
Кайракбеков Алмат Бакытбекович — методолог центра цифровой трансформации

Программа курса:

Наименование блокаОписание работ в блокеПродолжительность
Ознакомление с методикой реинжиниринга бизнес-процессов государственных органовВ ходе презентации участникам предоставляется информация о методике:  основные задачи методики основные разделы методики описание свойств видов деятельности в организациях описание типовой структуры проекта по реинжинирингу бизнес-процессов 1 час
Ознакомление с основами формализации бизнес-процессов в формате нотации BPMNВ ходе презентации участники знакомятся с нотацией BPMN и ее основными элементами. Проводится обучение по работе с программным обеспечением предназначенным для моделирования бизнес-процессов (camunda modeler)2 часа
Практические работы по формализации бизнес-процессов в формате BPMNУчастникам раздаются задачи с описанием простых (типовых) бизнес-процессов. Участники самостоятельно формализовывают задачи и моделируют диаграммы бизнес-процессов в программном обеспечении. На практике закрепляются навыки правильного использования элементов нотации при моделировании бизнес-процессов. Проводится общая работа по разбору ошибок с участием лектора.6 часов
Ознакомление с техниками расчета показателей эффективности процессаВ рамках презентации участники знакомятся с показателями эффективности бизнес-процесса закрепленными в методике и техниками их расчета. 1 час
Практическая работа по расчету показателей эффективности формализованного бизнес-процессаУчастники с помощью лектора рассчитывают показатели эффективности формализованного бизнес-процесса. 1 час
Практическая работа по разработке целевой модели бизнес-процесса (оптимизация/реинжиниринг)Участники делятся на группы и каждая группа самостоятельно проводят оптимизацию/реинжиниринг бизнес-процесса. Формируют диаграмму целевого процесса.4 часа
Практическая работа по расчетам количественной степени улучшения Участники проводят расчет показателей эффективности целевого бизнес-процесса. По техникам приведенным в методике рассчитывают относительную степень улучшений целевого бизнес-процесса.1 час
Список участников курса
Курс “Data Science for Executives”

Широкое распространение цифровых технологий привело к созданию огромного количества цифровых данных. Сейчас науки о данных применяются в финансах, спорте, образовании, медицине и многих других сферах. Науки о данных могут найти широкое применение и в госуправлении для улучшения процесса принятия государственных решений.

Данный курс предоставит управленцам и менеджерам стратегии и рекомендации о том, как извлечь наибольшую пользу от имеющихся данных на примере реальных примеров применения машинного обучения в бизнесе. Курс затрагивает такие вопросы как: основные виды машинного обучения; какие необходимы данные и вычислительные ресурсы для каждого отдельного алгоритма; как наладить весь процесс от получения данных до генерации прогнозов.

Продолжительность курса: 8 занятий.

Формат обучения: онлайн.

Стоимость обучения: 200 000 тенге

Преподавательский состав:

  1. Бакыт Жаркынбай — M.S applied mathematics, Skolkovo Institute of Science and Technology, Moscow.
  2. Ержан Апсаттаров — M.S. in Computer Science and Data Analytics, Warwick University, Coventry, UK.
  3. Фархад Акимов — M.S. in Nuclear Engineering, Purdue University, USA.

Syllabus

ЗанятиеТемаОписание
Занятие 1Введение в Data science— Что такое data science: структура, разделы (NLP, Computer Vision, Классический ML), какие задачи можно решить с помощью data science.
— Данные: виды, особенности, структура.
— Анализ данных в идеале против реальной жизни
— Экспериментальный план и наблюдательный анализ
— Что может пойти не так? Проблемы
Занятие 2Базовые принципы машинного обучения— Статистика в примерах
— Введение в машинное обучение, принцип работы, виды
— Какие результаты можно получить в  экспериментах машинного изучения
— Разница между машинным обучением и  традиционной статистикой
Занятие 3Как создать команду Data Science— В каких случаях вам нужна команда специалистов по данным
— Квалификации Дата-Инженера
— Квалификации Аналитика Данных
— Квалификации Менеджера в области анализа данных
— Как найти команду специалистов по обработке данных
— Как управлять командой
Занятие 4Машинное обучение в производстве— Use-case Severstal (обнаружение дефектов на стальных листах с помощью Computer Vision)
— Use-case Bosch (Предсказание о том, какие конвейерные детали не пройдут проверку качества)
— Use-case Mercedes (Техники уменьшения объема данных, для более быстрого тестирования автомобилей)  
Занятие 5Машинное обучение в медицине— Use-case blindness (Выявление диабетической ретинопатии, чтобы остановить слепоту на ранней стадии )
— Use-case pneumonia (Предсказание пневмонии у пациентов)
— Use-case cancer (Предсказание раковых опухолей)
Занятие 6Машинное обучение в социальной сфере и МЧС—  Use-case применение машинного обучения, для приоритизации семей, которым нужна адресная помощь (Коста-Рика)
— Предсказание вероятности начало землетрясений
Занятие 7Машинное обучение в спорте— Применение статистических методов в футболе
— use-case судейство матчей по боксу с помощью CV (jabbr case)
Занятие 8Машинное обучения для прогнозирования временных рядов— Use-case: Прогнозирование количества покупок каждого отдельного вида товаров в отделениях супермаркета Walmart
— Use-case: Прогнозирование интернет трафика веб-страницы на примере Wikipedia
Занятие 9Парсинг статичных сайтов с использованием Beautiful SoupАгрегация данных и сбор данных с различных сайтов
Занятие 10Регрессионный анализПредсказание цен на недвижимость используя реальные данные Boston Housing dataset.
Занятие 11КлассификацияКлассификация объектов, субъектов и нахождение ответов  в данных с помощью алгоритмов машинного обучения
Занятие 12 КластеризацияКластеризация клиентов используя алгоритм K Nearest Neighbors.
Курс “Data Science”

Общая информация:

Курс “Data Science” рассчитан как на аудиторию, у которой уже есть определенный опыт программирования, так и на людей, которые никогда не программировали. Курс является собственной разработкой и по существу является экстрактом курсов ведущих зарубежных топовых университетов (Stanford University, Princeton University, Higher School of Economics). В первых главах будет знакомство с языком программирования Python. Вы научитесь писать функции, разбираться в типах данных и применять свои навыки на практике в проектах по автоматизации документации, табличных данных. Вы научитесь извлекать ценную информацию из сайтов, упорядочивая ее в табличном виде. В конце, вы познакомитесь с алгоритмами регрессии классификации и кластеризации и примените их на реальных данных.  

Продолжительность курса: Продолжительность курса — 1.5 месяца. Занятия будут проводиться 2 раза в неделю по 1 академическому часу.

Формат обучения: онлайн.

Стоимость курса: 200,000 тенге.

Преподавательский состав:

  1. Бакыт Жаркынбай — M.S applied mathematics, Skolkovo Institute of Science and Technology, Moscow.
  2. Ержан Апсаттаров — M.S. in Computer Science and Data Analytics, Warwick University, Coventry, UK.
  3. Фархад Акимов — M.S. in Nuclear Engineering, Purdue University, USA.

Обучение проводится на платформе Google Colab (для пользования необходим аккаунт Google)

ЗанятиеТемаОписание
Занятие 1Введение в программирование.
Строки.
Условные операции		Виды языков программирования. Среда разработки. Интерпретатор Python.
Условные операции Логические операторы. Else, if, elif. Оператор сравнения. Решение задач.
Занятие 2Циклы в PythonФункция range. Цикл for. Цикл while. Бесконечный цикл. Операторы break, continue. Решение задач.
Занятие 3Списки. Кортежи.
Словари. Множества.		Знакомство с основными встроенными коллекциями Python. Решение задач.
Занятие 4Функции в PythonСоздание функций. Параметры функций. Return keyword. Лямбда Функции. *args, **kwargs. Рекурсия. 
Занятие 5Полезные модули Python (os, re, folium, etc)Полезные модули Python. Работа с регулярными выражениями. Работа с файловой системой.
Занятие 6Введение в Pandas.
Работа с пропущенными данными. Работа с некорректно заполненными данными
Удаление дубликатов		Что такое DataFrame, Pandas series
Использование Pandas функций. Заполнение или удаление строк с пропущенными данными
Занятие 7Автоматизация табличных данных с применением PythonСоздание шаблонов табличных данных для заполнения. Использование специальных библиотек Python для автоматизации табличных данных
Занятие 8Автоматизация текстовых данных с применением python-docx, docxtplСоздание шаблонов текстовых данных для заполнения. Использование специальных библиотек Python для автоматизации текстовых данных
Занятие 9Парсинг статичных сайтов с использованием Beautiful SoupАгрегация данных и сбор данных с различных сайтов
Занятие 10Регрессионный анализПредсказание цен на недвижимость используя реальные данные Boston Housing dataset.
Занятие 11КлассификацияКлассификация объектов, субъектов и нахождение ответов  в данных с помощью алгоритмов машинного обучения
Занятие 12 КластеризацияКластеризация клиентов используя алгоритм K Nearest Neighbors.
Список участников курса