png
png

Анализ данных и искусственный интеллект PRO

Анализ данных и искусственный интеллект

Курс «Анализ данных и искусственный интеллект PRO» создан ведущими преподавателями МГТУ им. Н.Э. Баумана и практикующими экспертами в области больших данных и ИИ. Программа включает изучение современных методов и технологий искусственного интеллекта, инструментов работы с данными, основ разработки программного обеспечения и приложений, проектирования нейронных сетей, а также алгоритмов и систем машинного обучения.

Для кого программа «Анализ данных и искусственный интеллект PRO»?

  • Специалисты, обладающие базовыми навыками программирования, аналитики или работы с данными и желающие углубить компетенции в области машинного обучения, нейронных сетей.
  • Инженеры, аналитики, IT-разработчики и бизнес-аналитики, которым необходимо применять AI и Data Science в промышленной аналитике, автоматизации и процессах принятия решений.
  • Профессионалы, ориентированные на карьерный рост в сфере Data Science и ИИ — специалисты по анализу данных, разработчики ИИ-решений, а также кандидаты на руководящие позиции в смежных IT-областях.

Слушатели курса приобретут комплексные навыки работы с данными: научатся проектировать и разрабатывать приложения, строить модели машинного обучения и нейронные сети, а также применять интеллектуальные технологии для анализа информации и поддержки принятия решений в бизнесе и промышленности.

В программу входит изучение основ работы с данными и системами хранения (реляционные, NoSQL и In-Memory базы данных, файлы, загрузка данных из сети Интернет), методов обработки данных и применения ML/AI в аналитике. Участники освоят программирование на Python (проектирование ПО с использованием UML), методы математического анализа данных (таких как корреляция, регрессия, факторный анализ, нейросетевые технологии, алгоритмы кластеризации и классификации, PCA; интеллектуальные алгоритмы: k-NN, SVM, методы анализа временных рядов, включая LSTM) современные технологии обработки данных (NLP: токенизация, лемматизация, сентимент-анализ, тематическое моделирование; компьютерное зрение: сегментация и классификация изображений, детекция объектов, распознавание лиц и OCR, сверточные нейросети).

Упор на практические навыки, востребованные в профессиональной деятельности

Все знания будут отработаны на практических кейсах: создание авторизованной веб-страницы, интернет-магазина, применение ML/AI для анализа реальных данных, моделирование бизнес-процессов, разработка приложений, решение задач компьютерного зрения и обработки естественного языка.

На курсе вы научитесь:

  • Работать с базами данных: создавать и моделировать реляционные базы, писать SQL-запросы, использовать PostgreSQL, применять методы машинного обучения и ИИ для анализа «сырых» данных и разбирать реальные кейсы аналитики.
  • Разрабатывать приложения на Python: работать с классами, функциями, коллекциями и подключать приложения к внешним данным.
  • Применять математические и статистические методы анализа данных: корреляционно-регрессионный анализ, нейросети, PCA, кластеризацию и классификацию.
  • Работать с интеллектуальными системами и временными рядами: методы k-NN, SVM, LSTM.
  • Использовать машинное обучение и компьютерное зрение: обработка текста (NLP), сентимент-анализ, тематическое моделирование, сегментация и классификация изображений, детекция объектов, распознавание лиц. 

Ключевые преимущества программы «Анализ данных и искусственный интеллект PRO» для слушателей:

  • Глубокие фундаментальные знания, актуальная необходимая теория и много прикладной практики.
  • Комплексная образовательная структура, охватывающая ключевые аспекты архитектуры данных.
  • Занятия с ведущими преподавателями-практиками МГТУ им. Н.Э. Баумана и профильными экспертами.
  • Гибкий формат обучения. Занятия проводятся в онлайн-формате, что позволяет слушателям учиться в удобное время и из любого места.
  • Поддержка и обратная связь. После каждого учебного модуля предоставляются консультации преподавателей в формате онлайн, а также оперативная поддержка в чате по всем вопросам обучения.
  • Доступ к пройденным материалам в течение четырёх месяцев после окончания курса, что позволяет повторно ознакомиться с материалом и закрепить знания.
После успешного освоения курса и итоговой аттестации выпускники получат удостоверение о повышении квалификации МГТУ им. Н.Э. Баумана.

МГТУ им. Баумана

Записаться на курс

Расписание

Даты проведения
Время проведения и дни недели
Формат обучения
Длительность курса
Стоимость
16 апр
18 июн
18:45 - 21:10
вт чт
онлайн в режиме реального времени
150 ак. часов
97 000 руб
Конкуренция на рынке труда?
Сейчас не хватает специалистов
750 компаний
сейчас ищут специалиста по искусственному интеллекту
150 000 рублей
средняя зарплата специалиста в сфере искусственного интеллекта

Чему вы научитесь

основам управления аналитическими работами и инновациями в сфере информационных технологий

выбирать методы и инструментальные средства анализа больших данных для проведения аналитических работ

применять методы обработки данных, методы машинного обучения и искусственного интеллекта в промышленной аналитике и задачах бизнес-аналитики

проектировать информационные системы, разрабатывать программное обеспечение и приложения (с использованием UML, ArchiMate, Python)

использовать искусственные нейронные сети и глубокое обучение, нейросетевые технологии анализа данных

определять, применять и автоматизировать системы поддержки принятия управленческих решений

Программа курса

5 тематических
модулей
150 академических
часов
75 аудиторных
часов
Данные и системы их хранения
  • Технологии обработки данных. Большие данные: инструменты и технологии. Применение методов машинного обучения и искусственного интеллекта. Методы обработки данных в промышленной аналитике. Искусственный интеллект в задачах бизнес-аналитики.
  • Базы данных. Визуальное моделирование баз данных. Графическая и физическая модель базы данных.
  • Реляционные базы данных. SQL, синтаксис обращения к базам данных. PostgreSQL.
  • Разбор практических кейсов по применению методов обработки данных, методов машинного обучения и искусственного интеллекта в промышленной аналитике и задачах бизнес-аналитики: разбор задач при обработке «сырых» данных, примеры источников данных.
  • Инструменты для моделирования. Draw.io, DB desgn, PGAdmin.
Разработка компьютерных программ
  • Управляющие конструкции в Python. Ветвления, циклы, исключения. Типы данных.
  • Коллекции в Python. Списки, кортежи, словари.
  • Функции. Синтаксис, аргументы, именованные аргументы, область видимости переменных, возвращаемое значение.
  • Классы. создание объектов своих классов, инкапсуляция, наследование классов.
  • Создание простого окна, взаимодействие с пользователем, Qt Designer. Основные виджеты окон, их свойства и методы.
  • Сигналы и события, диалоговое окна. Различные способы компоновки виджетов. Сборка оконного десктопного приложения.
  • Связь приложения с внешним миром. Запись и чтение из файла, работа с настройками приложения, выход в Интернет.
  • Методы управления проектированием сложных систем искусственного интеллекта. Управление проектированием информационных систем. Объектная парадигма.
  • Основы языка UML. Основные принципы применения CASE-средств. Функциональные требования к ПО - UML Use-Case. Структура и поведение программ. Диаграммы классов, последовательностей и активностей UML. Проектирование реализации - диаграммы компонентов, диаграммы развертывания в UML.
  • Понятие жизненного цикла программного обеспечения (ПО). Стадии и модели жизненного цикла ПО. Стандарты жизненного цикла ПО.
  • Методы описания объекта автоматизации. Стандарты IDEF0, BPMN.
  • Управление требованиями к ПО, модели описания требований, системы управления требованиями.
  • Проектирование архитектуры ПО. Фреймворки проектирования архитектуры. Язык ArchiMate.
  • Обеспечение качества ПО. Системы автоматизированного тестирования. Практическая работа: разбор практических кейсов по применению Python при разработке приложений.
Модельно-алгоритмический аппарат интеллектуальных систем
  • Корреляционно-регрессионный анализ. Корреляционное поле. Коэффициент линейной корреляции. t-критерий Стьюдента. Регрессия. Метод наименьших квадратов. Множественная и многофакторная регрессия. Метод Брандона. Полный факторный эксперимент. Расчет коэффициентов уравнения регрессии. Дробный факторный эксперимент.
  • Нейросетевые технологии анализа данных. Искусственные нейронные сети и глубокое обучение. Нейро-нечеткие системы.
  • Проблема снижения размерности данных. Метод главных компонент (Principal Component Analysis).
  • Алгоритмы кластеризации. Метод k-means, c-means, hierarchical clustering. Выбор алгоритма кластеризации.
  • Задача классификации. Матрица ошибок. Точность классификации. Модель анализа ROC-AUC.
  • Методы классификации. Метод ближайших соседей k-NN. Метод опорных векторов.
  • Понятие временного ряда. Предварительная обработка временных рядов. Методы семейства ARMA. Применение LSTM нейронных сетей к анализу временных рядов.
  • Теоретические основы имитационного моделирования сложных систем. Методика построения имитационных моделей сложных систем.
  • Моделирование в PowerSim.
  • Моделирование в среде Anylogic. Практическая работа: разбор практических кейсов по применению методов корреляционно регрессионного анализа для решения учебных и практических задач.
Практическое применение интеллектуальных методов
  • Обработка естественного языка. Базовые понятия. Понятия токенизации, стемминга, лемматизации.
  • Модель Bag of Words, ее применение для классификации текста. Применение машинного обучения для сентимент-анализа предложений. Тематическое моделирование.
  • Задачи компьютерного зрения. Сегментация изображений, детекция объектов, классификация изображений, отслеживание движущихся объектов в видеопотоке, распознавание лиц, оптическое распознавание символов (OCR).
  • Генерация изображений. Базовые методы CV. Точечные операторы. Линейная фильтрация. Операторы соседства. Преобразования Фурье. Пирамиды и вейвлеты. Геометрические преобразования. Глобальная оптимизация.
  • Установка библиотеки OpenCV. Отслеживание объектов. Вычисление разности между кадрами, использование цветовых пространств, метод вычитания фоновых изображений, алгоритм CAMShift, использование оптических потоков.
  • Обнаружение и отслеживание лиц с использованием каскадов Хаара. Использование интегральных изображений для отслеживания глаз и направления взгляда.
  • Классификация изображений с помощью однослойных нейронных сетей.
  • Сверточные нейросети (CNN), классификация изображений с их помощью. Однослойная и многослойная нейронная сеть.
  • Визуализация символов с использованием базы данных оптического распознавания символов, системы оптического распознавания символов.
  • Теоретические основы принятия управленческих решений. Методы принятия управленческих решений. Системы поддержки принятия управленческих решений. Автоматизированные системы поддержки принятия управленческих решений.
  • Практическая работа: решение кейсов по теме.

Преподаватели курса

Преподавательский состав Центра дополнительного образования МГТУ им. Н.Э. Баумана состоит из профессионалов лучшего технического ВУЗа России с многолетним опытом работы в ведущих отраслевых компаниях. Многие из наших специалистов имеют ученые степени и звания.

Наши преподаватели искренне любят свое дело: структурированно и последовательно излагают материал, доступно объясняют верные решения сложных профессиональных задач и разбирают только реальный опыт крупнейших российских и зарубежных компаний. Так, после окончания обучения слушатели Центра дополнительного образования МГТУ им. Н.Э. Баумана могут сразу же применять свои знания и навыки на практике.

Резюме «Специалист по искусственному интеллекту»

Знания и навыки

  • Анализ нейросетей и генерация гипотез относительно их применения в бизнесе

  • Мониторинг решений с искусственным интеллектом, применимых для различных бизнес процессов

  • Формирование предложений по интеграции искусственного интеллекта

  • Работа с командами для внедрения ИИ

  • Выстраивание бизнес-процессов с учётом внедрения ИИ

Заработная плата от:
150 000 руб.
Желаемая должность:
Специалист по искусственному интеллекту

Документы об окончании

МГТУ им. Баумана
МГТУ им. Баумана
Задать свой вопрос
+7 (495) 187-85-85
do@bmstu.ru Мы работаем ежедневно с 9:00 до 21:00
+7 (495) 187-85-85
do@bmstu.ru Мы работаем ежедневно с 9:00 до 21:00