ЛекцияСеминар, Мастер-класс, Показ, ЭкскурсияЦикл событийФестиваль, конференция, форумКурсМагистратура, MBA, ТренингГрантРезиденции, стажировки, конкурсыPromoПродвижение анонса

Data Science для менеджеров

35 дней
44 000
Регистрация
Участники:
  • Margaret Vlasenko
Программа курса

В последние годы Data Science стало привлекать к себе все 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, раставления 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.

Узнать больше
Расписание

Расписание занятий

Занятия по понедельникам (19:00-22:00) и средам (19:00-22:00) с 19 марта по 23 апреля

Основные темы 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
Смотрите также

Комментарии

Комментировать