Системы искусственного интеллекта и анализа данных
Руководитель программы:
—
Подразделение:
—
Год:
2025
Описание программы:
Цель программы: формирование и совершенствование компетенций слушателей в соответствии с трудовыми функциями аналитика данных, специалиста по информационным системам, необходимых для выполнения профессиональной деятельности в области прикладного применения систем анализа данных и искусственного интеллекта в условиях постоянного совершенствования новых информационных технологий.
Разделы курса:
Интеллектуальный анализ данных
Цели и задачи ИАД. Этапы анализа данных. Модель CRISP. Модель
SEMMA. Инструменты ИАД: Excel, BI-системы, языки
программирования для анализа данных, аналитические low-code
платформы.
Обработка и анализ данных в Yandex DataLens. Подключение
данных. Типы данных. Модель данных, настройки датасета.
Объединение данных. Чарт. Дашбоард. Селекторы. Вычисляемые
поля, синтаксис формул. Агрегатные функции. Оконные функции.
LOD-выражения и управление фильтрацией в агрегатных функциях.
Моделирование данных в Loginom. Интеграция с источниками
данных. Предобработка и консолидация данных. Разведочный
анализ. Визуализаторы общего назначения. Сложные визуализаторы
общего назначения. OLAP-анализ. Географические карты. Тепловые
карты. Плоское дерево. Диаграмма связей. Облако тегов. OLAP-кубы
в Loginom. Моделирование и прогнозирование. Развертывание и
интеграция.
Технологии машинного обучения
Анализ данных и машинное обучение. Обучение с учителем, без
учителя, с подкреплением. Основные задачи машинного обучения.
Принципы оценки качества моделей машинного обучения.
Задача регрессии, основные методы и оценка качества моделей.
Линейная и полиномиальная регрессия. Функции ошибок.
Регуляризация.
Задача классификации, базовые методы, оценка качества. Метод к
ближайших соседей. Логистическая регрессия. Решающие деревья.
Ансамблевые методы.
Задача кластеризации, основные методы и оценка качества Метод ксредних. Метод DBSCAN.