close facebook google+ habr instagram linkedin arrow-right phone telegram twitter user vk youtube upload close menu-stroke search lock cart

Data Science для руководителей бизнеса и промышленности: задачи, технологии, кейсы

001-АА
топ 50

25 000 руб

очно
Очное обучение

Очное обучение – это обучение в одном из 13 городов России, где есть классы Учебного центра Softline (Москва, Санкт-Петербург, Владивосток, Екатеринбург, Казань, Красноярск, Нижний Новгород, Новосибирск, Омск, Ростов-на-Дону, Самара, Уфа, Хабаровск).

Вы приезжаете в указанное администратором время по нужному адресу и проходите обучение на наших ПК. Все лабораторные работы и/или практические задания будут заранее настроены нашими техническими специалистами и готовы к работе. В стоимость очного обучения входит блокнот, ручка, учебники и пособия, чай/кофе/вода/печеньки и обед. Иногородним слушателям, желающим обучаться в наших классах очно, мы помогаем с подбором и бронированием гостиницы (командировку вы оформляете за свой счёт).

Подробнее

22 500 руб

дистанционно
Дистанционное обучение

Если в вашем городе нет класса, вы можете пройти обучение в дистанционном формате. Стоимость дистанционного курса на 10% меньше, чем очного.

Удалённый формат подразумевает подключение к очной группе во время проведения курса (ссылка для подключения будет выслана вам заранее). С вашей стороны нужен компьютер или ноутбук с устойчивым подключением к интернету и гарнитура с микрофоном и наушниками. Вы будете видеть презентацию преподавателя, слышать его, получите удалённый доступ к лабораторным работам (если курс подразумевает их использование), сможете задавать вопросы в групповом чате или голосом, общаться с другими слушателями, а по окончании обучения получите те же сертификаты (по электронной почте), что и очные слушатели (в сертификате не указано, в каком формате вы прошли обучение).

Подробнее

В уникальном однодневном курсе Академии Анализа Данных «Data Science для руководителей: обзор задач, методов, кейсов» даются знания для руководителей бизнеса, IT-директоров, директоров по развитию, директоров по маркетингу, позволяющие понимать современные тренды компьютерной аналитики и применять методы data science и IoT на практике. В интенсивном насыщенном курсе с множеством примеров и описанием аналитических технологий слушатели получат всесторонние знания о возможностях применения машинного обучения к решению реальных задач. Курс «Data Science для руководителей: обзор задач, методов, кейсов» включает в себя теоретическую и практическую часть и доступен к прослушиванию онлайн и в классах Учебного центра Softline в 11 городах России (Москве, Санкт-Петербурге, Владивостоке, Екатеринбурге, Казани, Красноярске, Нижнем Новгороде, Новосибирске, Омске, Ростове-на-Дону и Хабаровске). По окончании обучения выдаются сертификаты Учебного центра Softline и Академии Анализа Данных.

Подробнее

Производитель: Академия Анализа Данных

Направление: Data Science & Machine Learning
Продолжительность: 8 ак. часов
  • Расписание и цены
    09 сентября 2019
    8 ак. часов
    Москва
    Дистанционный
    22 500 руб.
    Место обучения Формат Дата и время (МСК) Стоимость
  • О курсе

    Профиль аудитории:

    • Курс предназначен для IT директоров, директоров по развитию бизнеса, разработке новых видов продукции, ведущих менеджеров, желающих получить знания в области современной компьютерной аналитики и дейта сайнс.

    Предварительные требования:

    • К освоению программы допускаются лица, обладающие базовыми навыками работы с персональным компьютером и офисными приложениями Microsoft: Excel и Word.

    По окончании курса слушатели смогут:

    Уметь:

    • Использовать инструменты анализа данных для решения практических задач;
    • Оценивать точность моделей;
    • Сохранять предсказательные модели в различных форматах, включая язык разметки прогнозного моделирования PMML (Predictive Model Markup Language);
    • Корректировать точность моделей на основе новых данных;
    • Пользоваться алгоритмами классификации;
    • Пользоваться классическими регрессионными моделями;
    • Проводить анализ остатков и диагностику регрессионных моделей;
    • Интерпретировать и сравнивать модели;
    • Проводить кросс-проверку моделей;

    Знать:

    • Примеры применения анализа данных и моделей машинного обучения в реальном бизнесе;
    • Методы построения предсказательных моделей;
    • Основы регрессионного анализа;
    • Основы деревьев классификации и регрессии.
  • Программа курса

    Модуль 1. История развития анализа данных, обзор методов, примеры

    • Назначение предсказательных моделей, модели регрессии и классификации
    • Обзор методов построения предсказательных моделей
    • Разделение переменных на предикторы и отклики, выборка и ее размер, учет факторов, влияющих на отклик

    Модуль 2. Построение CART моделей, примеры моделей в бизнесе (оценка стоимости жилья, автомобилей, вероятность отклика на коммерческое предложение и др)

    • Описание деревьев классификации и регрессии на примерах, правила ветвления
    • Построение многомерных моделей
    • Анализ результатов
    • Оценка адекватности моделей, анализ остатков, применение модели к новым данным

    Модуль 3. Построение логит моделей, технология, примеры

    • Построение двумерных моделей
    • Построение многомерных моделей
    • Анализ результатов
    • Оценка адекватности моделей, анализ остатков, применение модели к новым данным

    Модуль 4. Основы теории вероятностей, байесовский классификатор, сравнение моделей, улучшение моделей

    • Основные понятия теории вероятностей и статистики
    • Теорема Байеса
    • Байесовский классификатор и его применения

    Модуль 5. Применение нейросетевых технологий

    • Обзор нейронных сетей
    • Этапы построения нейронных сетей
    • Оценка адекватности моделей
    • Примеры применения

    Модуль 6. Методы кластеризации и сегментации

    • Обзор методов кластеризации и сегментации
    • Сегментация баз данных

    Модуль 7. Кейсы: примеры применения предиктивных моделей в экономике, промышленности

    • Обзор кейсов
    • Применение моделей регрессии
    • Применение моделей классификации
  • Отзывы
    Data Science для руководителей бизнеса и промышленности: задачи, технологии, кейсы

    Доброго дня. Курс интересный, очень ждал практических примеров, но похоже это в другой части

    Data Science для руководителей бизнеса и промышленности: задачи, технологии, кейсы

    Здравствуйте, коллеги. Курс был понятен и интересен. Немного монотонен, но когда время подошло к концу, все захотели дослушать до конца информацию, что говорит о заинтересованности слушателей.

    Data Science для руководителей бизнеса и промышленности: задачи, технологии, кейсы

    Обучение организовано и проведено на должном уровне. Материала было предоставлено много, но емко, очень доступно. Сопровождалось практическими примерами, что понятно для дальнейшего применения в реалиях. Курс был интересен и полезен. Преподавателям большое спасибо.

    Ваш отзыв поможет кому-то сделать выбор. Спасибо, что делитесь опытом!

Связаться с менеджером

Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных. Мы, ЗАО «СофтЛайн Интернейшнл» и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных».

Запрос

В данный момент курс не стоит в открытом расписании. Оставьте запрос на этот курс, и мы свяжемся с вами для согласования времени и места проведения обучения.

Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных. Мы, ЗАО «СофтЛайн Интернейшнл» и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных».