x
    Data Science for non-technical
    clock
    ДЛИТЕЛЬНОСТЬ
    15 часов
    calendar
    КАК ЧАСТО
    Monday to Friday
    shuttle
    СТАРТ
    Сентябрь
    money
    ОПЛАТА:
    3000 ГРН

    Data Science for non-technical

    Искусственный интеллект и машинное обучение способны трансформировать целые отрасли. Компании в отраслях, ориентированных на потребителей, таких как банковское дело, здравоохранение и электронная коммерция, которые не используют эти новые инструменты, сегодня рискуют потерпеть неудачу, поскольку все человечество движется к автоматизированному будущему.
    Мы понимаем, что время важно, поэтому этот курс короткий и интенсивный, чтобы вы могли получить всю необходимую информацию в кратчайшие сроки.

    ПІБ платника:
    x
    Что вы будете понимать и иметь за 3 рабочих дня (15 часов):
    • как использовать машинное обучение для укрепления вашей организации;
    • навыки, которые вам необходимы для лучшего понимания и управления командой данных для удовлетворения потребностей вашей организации;
    • понимать значение кластеризации, компьютерного зрения, обработки естественного языка (НЛП), глубокого обучения;
    • как выполнить базовый эксперимент по машинному обучению, понять, что такое машинное обучение и как интерпретировать его результаты;
    • способы анализа и визуализации ваших данных с помощью инструментальных панелей;
    • как использовать математические инструменты для интерпретации данных, понять статистическую значимость и как проводить A / B-тесты;
    • понимание источников данных, которые ваша компания может использовать, как хранить эти данные и как писать базовые SQL-запросы для извлечения данных из базы данных.
    Учебный план картинка

    Data Science не технический курс

    План обучения:

    1.1. What is Data Science:

    • Difference between Data Analyst, Data Scientist, Data Engineer jobs
    • Data science project workflow
    • Skills, tools, frameworks

    1.2. What is Machine Learning:

    • Typical problems that can be solved with ML approaches
    • Difference between Supervised and Unsupervised learning
    • How to estimate the “goodness” of ML model
    • Computer Vision, NLP, Speech Recognition, …
    • ML models deployment

    1.3. Data science management:

    • Key positions, roles, team structure
    • Data scientist recruitment
    • Why is it hard to estimate time on a DS (ML/DL) project and why is standard SCRUM not working?

    2.1. Data visualization:

    • Types of charts and how to read them
    • Business Inteligence: Power BI

    2.2. Data analytics:

    • Basic statistics recap
    • Approximation Results and Confidence Intervals
    • Signicance testing, A/B tests, Simpson paradox

    3. Data Collection and Storage:

    • Why data is so valuable and expensive?
    • Big Data
    • Google Analytics
    • Databases, MySQL, Google Big Query, etc.
    • SQL: basic queries + mysql client
    • Google SpreadSheets on steroids: direct import data from DB, management from Python, bussiness processes automation

    Для кого этот курс:

    Этот курс является отличным ресурсом для менеджеров и бизнес-лидеров, которые ищут возможность использовать науку о данных в бизнесе, но все еще не имеют большого опыта в области анализа данных или просто хотят улучшить свои навыки.

    Он специально разработан для руководителей, product owners, руководителей и менеджеров проектов и всех, кому необходимо правильно ставить задачи для своих data teams и правильно читать их результаты.

    Кроме того, это было бы отличной отправной точкой для людей, которые собираются начать свою карьеру в науке о данных.