В последние годы Data Science стало привлекать к себе всё больше внимания. Ведь с помощью методов машинного обучения и анализа данных могут быть решены различные задачи бизнеса: прогнозирование спроса, увеличение продаж с помощью рекомендаций товаров, удержание клиентов, прогнозирование динамики цен и оптимизации производства. Наша программа посвящена основам машинного обучения и искусственного интеллекта и задачам, которые данная технология позволяет решать. На лекциях и семинарах мы расскажем о том, как оценить задачу, выбрать правильную метрику, нужно ли нанимать аналитиков в штат или дешевле купить коробочное решение под данную задачу. Как найти связь с экономическим эффектом, эффективно проводить офлайн и онлайн тестирование моделей. Кроме того, будут затронуты темы планирования реализации и внедрения моделей, расставления приоритетов при выборе задач, управления жизненным циклом моделей. Также во время семинаров будут рассмотрены кейсы практического применения анализа данных в различных областях. Навыки программирования для освоения программы не требуются.
Поступление
Документы для приема
Оригинал и копия паспорта или документа, заменяющего его
Оригинал и копия документа об образовании и квалификации или справка об обучении для лиц, получающих высшее образование
Оригинал и копия документа об изменении фамилии, имени, отчества (при необходимости)
Содержание программы
- Введение в машинное обучение и анализ данных. Основные термины и понятия. Различные инструменты для анализа данных: их плюсы и минусы. Рынок данных и юридические аспекты их использования.
- Постановка задачи и особенности управления проектами в Data Science. Типы задач. Выбор метрик. Управление ожиданиями по качеству. Анализ сценариев использования моделей. Валидация задачи и данных. Экономический эффект.
- Оценка качества проектов в Data Science. Метрики классификации. Метрики регрессии. Метрики ранжирования. Как и зачем мерять качество. A/B тестирование. Статистическая значимость и чувствительность. Примеры онлайн и оффлайн тестов.
- Построение моделей. Предобработка данных. Планирование экспериментов. Валидация и тестирование в процессе.
- Подготовка технического задания и управление проектом. Разбор кейсов
Преподаватели
Руководитель проектного офиса Yandex Data Factory. Преподаватель программ "Управление ИТ-проектами и командами разработчиков в сфере Data Science" в рамках магистерской программы "Финансовые технологии и анализ данных" и "Введение в Data Science" в рамках проекта Data Culture.
Преподаватель факультета компьютерных наук. Работала младшим продуктологом в Альфа-Банке и менеджером проектов во ФРИИ.