Analytics: η τέχνη της διαχείρισης δεδομένων - μάθημα 76.800 RUB. από το Πανεπιστήμιο Innopolis, εκπαίδευση 5,5 μηνών, ημερομηνία 28 Νοεμβρίου 2023.
μικροαντικείμενα / / November 29, 2023
Για όσους θέλουν να ασχοληθούν με την πληροφορική και έχουν γνώσεις εφαρμοσμένων μαθηματικών.
Το πρόγραμμα είναι κατάλληλο για όσους θέλουν να βουτήξουν στην ανάλυση από την αρχή. Θα αποκτήσετε τεχνικό υπόβαθρο και δεξιότητες στη χρήση εργαλείων επιστήμης δεδομένων. Με την ολοκλήρωση του μαθήματος, θα μπορείτε να κάνετε προβλέψεις βάσει δεδομένων και να βοηθήσετε τις επιχειρήσεις να λάβουν αποφάσεις. Αυτές οι δεξιότητες θα σας βοηθήσουν να βρείτε την πρώτη σας δουλειά στον τομέα της πληροφορικής.
Για όσους μόλις ξεκινούν το ταξίδι τους στην ανάλυση.
Θα λάβετε χρήσιμες γνώσεις και αποτελεσματικά εργαλεία που θα σας βοηθήσουν να αναβαθμίσετε τις επαγγελματικές σας δεξιότητες. Μετά την εκπαίδευση, θα ξεκινήσετε μια νέα πορεία εξέλιξης σταδιοδρομίας: θα είστε σε θέση να λύσετε πιο περίπλοκα και ενδιαφέροντα προβλήματα και θα γίνετε πιο εμπορεύσιμος ειδικός.
Ειδικός στον τομέα της αυτοματοποίησης παραγωγής, νικητής διεθνών και ρωσικών διαγωνισμών στον τομέα των συστημάτων ελέγχου υπολογιστών. Νικητής του Ρωσικού Κυβερνητικού Βραβείου στον τομέα της επιστήμης και της τεχνολογίας για τη νεολαία. Έχω πάνω από 10 χρόνια διδακτική εμπειρία. Υλοποιήθηκαν έργα ανάπτυξης και εφαρμογής συστημάτων ελέγχου εργαλειομηχανών και κέντρων ελέγχου σε μηχανουργικές επιχειρήσεις. Μπήκε στον σούπερ τελικό του εντατικού μαθήματος εργασίας με έργα στον τομέα της AI «Archipelago 20.35» με ένα έργο δημιουργίας ψηφιακής πλατφόρμας συλλογής και ανάλυσης πληροφοριών από τεχνολογικό εξοπλισμό.
Αναπληρωτής Διευθυντής του Ινστιτούτου Κοινωνικής και Τεχνολογικής Διοίκησης MSTU «STANKIN», Αναπληρωτής Καθηγητής του Τμήματος Οικονομικής Διαχείρισης
20 χρόνια εμπειρίας στην πληροφορική. 6 χρόνια εμπειρίας στην αρχιτεκτονική δεδομένων. Αναπτύσσω και διδάσκω μαθήματα για μεγάλα δεδομένα (Innopolis University, School 21, Gazprom Neft, Rostelecom). Συμμετείχε στον έλεγχο του εγχώριου λειτουργικού συστήματος Aurora, σε έργα του Αναλυτικού Κέντρου υπό την κυβέρνηση της Ρωσικής Ομοσπονδίας.
Ενότητα 1: Εισαγωγή στο Analytics, Πινακοποιημένα δεδομένα, Βάσεις δεδομένων
Βασικά Εργαλεία Analytics
— Τι είναι η ανάλυση;
— Εισαγωγή στα Φύλλα Google
— Προηγμένοι πίνακες Google
— Βασικές αρχές της στατιστικής
— Προηγμένες στατιστικές
- Συλλογή δεδομένων
— Οπτικοποίηση δεδομένων
SQL και ανάκτηση δεδομένων
- Βάση δεδομένων
— Γλώσσα ερωτήματος
— Πολύπλοκα ερωτήματα
— Βελτιστοποίηση ερωτημάτων
— Εργασία με PostgreSql
Ενδιάμεση πιστοποίηση
Ενότητα 2: Η Python ως εργαλείο δεδομένων
Python για ανάλυση δεδομένων
— Βασικά στοιχεία της γλώσσας Python και βασικές αλγοριθμικές κατασκευές (τύποι δεδομένων, διακλάδωση, βρόχοι και βασικοί τελεστές)
— Εργασία με λίστες. Εξασκηθείτε στα βασικά βασικά στοιχεία
— Φόρτωση/φόρτωση δεδομένων σε διάφορες μορφές: xlsx, csv, json, xml
— Χρήση IPython, Jupyter
- Χρήση του Git για έλεγχο έκδοσης και συνεργασία
Εργασία με σύνολα δεδομένων
— Προετοιμασία δεδομένων για ανάλυση, καθαρισμό και κανονικοποίηση, συμπλήρωση κενών
— Ομαδοποίηση δεδομένων (με χρήση λεξικών, χρήση συναρτήσεων), επανάληψη σε ομαδοποιημένα δεδομένα
— Βασικές αρχές οπτικής παρουσίασης πληροφοριών
— Μέθοδοι οπτικοποίησης δεδομένων. Εξάσκηση στο matplotlib, seabor
- Προηγμένα numpy χαρακτηριστικά: Broadcasting
Στατιστικά στην Python
— Περιγραφική στατιστική και διερευνητική ανάλυση δεδομένων σε Python. Συσχέτιση. Εργαστήριο SciPy
— Δοκιμή A/B
— Εργασία με χρονοσειρές στην Python. Κινητός μέσος όρος. ΑΡΗΜΑ. Αποσύνθεση χρονοσειρών. Εργαστήριο για τα statsmodels
Ενδιάμεση πιστοποίηση
Ενότητα 3: Big Data
Μεγάλα δεδομένα
— Τι είναι τα μεγάλα δεδομένα;
— Μέθοδοι μηχανών στην επεξεργασία δεδομένων
— Επιτάχυνση της επεξεργασίας δεδομένων. πρακτική των πάντα
— Εργαλεία κινήτρων και μεγάλων δεδομένων
— Προσέγγιση NoSQL για εργασία με μεγάλα δεδομένα
- ΜΕΙΩΣΗ ΧΑΡΤΗ
— Κουλτούρα συλλογής δεδομένων και πηγών
— Πρακτική PySpark
Ενδιάμεση πιστοποίηση
τελική εξέταση
Προστασία των εργασιών του έργου