DEVrepublik

Data Science for non-technical

ДЛИТЕЛЬНОСТЬ

15 часов

КАК ЧАСТО

Monday to Friday

СТАРТ

Сентябрь

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.

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.

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.

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