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. Необходимы базовые навыки использования компьютера и облачных сервисов.
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
1. Знакомство. Прогнозирование оттока клиентов.
2. Основы Python. Работа с табличными данными-1.
3. HR стратегия на основе данных.
4. Рекомендация товаров в интернет-магазине.
5. Работа с табличными данными-2.
6. Продукт с ML решением.
7. Промышленность и другие необычные сектора применения ML.
8. Визуализация данных и создание презентаций в Jupyter-Notebook. Понятия машинного обучения.
9. Метрики качества задач машинного обучения.
10. Статистика и AB-тестирование.
Что будет на занятиях
Каждая лекция — это разбор проекта от момента постановки задачи и взаимодействия с заказчиком до тестирования и внедрения.
Что в результате? Мы разберём такие темы, как:
- процесс ведения проектов в DS;
- оценка необходимости и эффективности внедрения DS решений;
- организация работы команды;
- тестирование моделей и внедрение;
- что происходит после внедрения и как оценивать эффект.
Также на практических занятиях слушатели закрепят знания основ машинного обучения и выбора подходящих метрик для своих задач.
На практических занятиях слушатели будут работать в Jupyter Notebook и освоят Python, чтобы:
манипулировать табличными данными; считать аналитику; визуализировать данные; собирать аналитику и визуализацию в презентации в JN.
Преподаватели
Преподаватель факультета компьютерных наук, эксперт Центра непрерывного образования, аспирант департамента больших данных и информационного поиска НИУ ВШЭ. Ведёт лекции и тренинги для менеджеров по DS, AI, ML. Работала в Альфа-Банке и ФРИИ.