Курс «Data Science for Executives»

Arrow
Назад
Курс «Data Science for Executives»

Курс

Курс «Data Science for Executives»

21.11.2022

Admin

Общая информация:

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:

12 занятий

Формат обучения:

онлайн

Преподавательский состав:

1. Бакыт Жаркынбай

M.S applied mathematics, Skolkovo Institute of Science and Technology

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

Курс

Содержание курса

Занятие

Тема

Описание

Занятие 1

Введение 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 2

Базовые 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 3

Как 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 4

Машинное 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 5

Машинное 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 6

Машинное 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 7

Машинное обучение в спорте

— Применение статистических методов в футболе
— use-case судейство матчей по боксу с помощью CV (jabbr case)

Занятие 8

Машинное 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 9

Парсинг статичных сайтов с использованием Beautiful Soup

Агрегация данных и сбор данных с различных сайтов

Занятие 10

Регрессионный анализ

Предсказание цен на недвижимость используя реальные данные Boston Housing dataset.

Занятие 11

Классификация

Классификация объектов, субъектов и нахождение ответов в данных с помощью алгоритмов машинного обучения

Занятие 12

Кластеризация

Кластеризация клиентов используя алгоритм K Nearest Neighbors.

Комментарии

Комментариев пока нет

Добавить комментарий

Ваш адрес email не будет опубликован.

Обязательные поля помечены *

* Имя

* Email

Сайт

* Комментарий

Спасибо

Ваш комментарий

был успешно

отправлен

Send comment