0
Views
Analīze: datu pārvaldības māksla - kurss RUB 76 800. no Innopolisas universitātes, apmācība 5,5 mēneši, datums 28.11.2023.
Literārs Mistrojums / / November 29, 2023
Tiem, kas vēlas pāriet uz IT un ir zināšanas lietišķajā matemātikā.
Programma ir piemērota tiem, kas vēlas ienirt analītikā no nulles. Jūs iegūsit tehnisko pieredzi un prasmes datu zinātnes rīku izmantošanā. Pabeidzot kursu, varēsi veikt prognozes, pamatojoties uz datiem, un palīdzēt uzņēmumiem pieņemt lēmumus. Šīs prasmes palīdzēs iegūt pirmo darbu IT jomā.
Tiem, kuri tikai sāk savu ceļojumu analītikas jomā.
Jūs saņemsiet noderīgas zināšanas un efektīvus rīkus, kas palīdzēs paaugstināt profesionālās prasmes. Pēc apmācības uzsāksi jaunu karjeras attīstības trajektoriju: varēsi atrisināt sarežģītākas un interesantākas problēmas, un kļūsi par pērkamāku speciālistu.
Eksperts ražošanas automatizācijas jomā, starptautisko un Krievijas konkursu laureāts datorvadības sistēmu jomā. Krievijas valdības balvas laureāts zinātnes un tehnoloģiju jomā jaunatnei. Man ir vairāk nekā 10 gadu pedagoģiskā pieredze. Īstenoti projekti mašīnbūves uzņēmumu darbgaldu un vadības centru vadības sistēmu izstrādei un ieviešanai. Iekļuvis intensīvā kursa darbā ar projektiem AI jomā “Arhipelāgs 20.35” superfinālā ar projektu izveidot digitālu platformu informācijas vākšanai un analīzei no tehnoloģiskām iekārtām.
MSTU "STANKIN" Sociālās un tehnoloģiskās vadības institūta direktora vietnieks, Finanšu vadības katedras asociētais profesors
20 gadu pieredze IT jomā. 6 gadu pieredze datu arhitektūrā. Izstrādāju un pasniedzu kursus par lielajiem datiem (Innopolis University, School 21, Gazprom Neft, Rostelecom). Piedalījies vietējās operētājsistēmas Aurora auditā, Krievijas Federācijas valdības pakļautībā esošā Analītiskā centra projektos.
1. modulis: ievads pakalpojumā Analytics, tabulu dati, datu bāzes
Pamata Analytics rīki
— Kas ir analītika?
— Ievads Google izklājlapās
— uzlabotas Google tabulas
— Statistikas pamati
— Uzlabota statistika
- Datu vākšana
— Datu vizualizācija
SQL un datu izguve
- Datu bāze
— Vaicājuma valoda
— Sarežģīti jautājumi
— vaicājumu optimizācija
— Darbs ar PostgreSql
Pagaidu sertifikācija
2. modulis: Python kā datu rīks
Python datu analīzei
— Python valodas pamati un pamata algoritmiskās konstrukcijas (datu tipi, sazarojumi, cilpas un pamata operatori)
— Darbs ar sarakstiem. Praktizējiet nejutīgus pamatus
— Datu ielāde/augšupielādēšana dažādos formātos: xlsx, csv, json, xml
— Izmantojot IPython, Jupyter
- Git izmantošana versiju kontrolei un sadarbībai
Darbs ar datu kopām
— Datu sagatavošana analīzei, tīrīšanai un normalizēšanai, nepilnību aizpildīšana
— Datu grupēšana (izmantojot vārdnīcas, izmantojot funkcijas), grupētu datu atkārtošana
— Informācijas vizuālās pasniegšanas pamatprincipi
— Datu vizualizācijas metodes. Prakse uz matplotlib, seabor
- Uzlabotas numpy funkcijas: apraide
Statistika Python
— Aprakstoša statistika un izpētes datu analīze programmā Python. Korelācija. SciPy darbnīca
— A/B testēšana
— Darbs ar laika rindām Python. Slīdošais vidējais. ARIMA. Laika rindu dekompozīcija. Seminārs par statistikas modeļiem
Pagaidu sertifikācija
3. modulis: lielie dati
Lielie dati
— Kas ir lielie dati?
— Mašīnmetodes datu apstrādē
— datu apstrādes paātrināšana. pandas prakse
— Motivācijas un lielo datu rīki
— NoSQL pieeja darbam ar lielajiem datiem
- MapReduce
— datu vākšanas kultūra un avoti
— PySpark prakse
Pagaidu sertifikācija
gala eksāmens
Projekta darba aizsardzība
Abonēt
YOU MIGHT ALSO LIKE
