CDO (galvenais datu speciālists)

Jūs varat:

- apzināt lielo datu izmantošanas iespējas organizāciju darbībā,
- kompetenti vērsties pie Big Data projekta komandas veidošanas, vadot datu apstrādes un analīzes grupu,
- izvērtēt komandas darba efektivitāti Big Data projektā, veidojot biznesa pārskatu par lielo datu analīzes uzdevumiem, izdarot izvēli lielo datu analīzes metodes, projektu vadības pamata pieeju pielietošana projektu īstenošanai darba ar datiem jomā un daudz kas cits cits.

Ieguvumi no studijām programmas ietvaros

• Atlaižu sistēmas pieejamība korporatīvajiem klientiem.
• Konkurētspējas priekšrocības darba tirgū ar REU sertifikātu. G.V. Plehanova, vadošā ekonomikas universitāte Krievijā.
• Tīklošana ar citiem biznesa praktiķiem un biznesa paziņu un iespēju loka paplašināšana.
• Elastīgs nodarbību grafiks ļauj mācīties pat ņemot vērā komandējumus un saspringto darbu.

Kā turpināt

Prasības studentiem

Programmu atļauts apgūt personām, kurām ir vai ir iegūta augstākā/vidējā profesionālā izglītība

Dokumenti uzņemšanai

• Augstākās vai vidējās profesionālās izglītības diploma kopija ar pielikumu vai sertifikāts no mācību vietas (studējošiem)
  instagram viewer
• Pase: 1 izplatība (foto), 2 izplatība (reģistrācija)
• SNILS

Neklātienes izglītība, izmantojot tālmācības tehnoloģijas. Programma māca apzināt iespējas izmantot lielo datu izmantošanu organizāciju darbībā, veidot komandu Big Data projektam un vadīt datu apstrādes un analīzes grupu, novērtē komandas darba efektivitāti Big Data projektā, veidojot biznesa ziņojumu par uzdevumiem lielu analīzei. datu, lielo datu analīzes metožu izvēle, projektu vadības pamata pieejas pielietošana projektu īstenošanai darba jomā datus.

UZ

Koļesņiks Georgijs Vsevolodovičs

7

kursi

Ekonomikas doktors, asociētais profesors, Krievijas Ekonomikas universitātes Digitālās ekonomikas kompetences centra direktora vietnieks. G.V. Plekhanovs, Informācijas sistēmu vadības un programmēšanas katedras profesors.

Organizācijas vadīšana digitālajā ekonomikā (6 stundas)
Vadības lēmumu pieņemšanas pamati (14 stundas)
Metodes darbam ar datiem (14 stundas)
Mašīnmācība un mākslīgais intelekts (18 stundas)
Lielo datu analīzes iespējas (16 stundas)