Data Science и машинное обучение для бизнес-аналитиков

Блок 1: Введение в Data Science и Machine Learning

• Что такое Data Science и машинное обучение 
• Типовые задачи, которые можно решать с помощью машинного обучения 
• Что такое большие данные и какие ценности они несут для организаций 
• Data Driven подход для развития бизнеса 
• Существующие стандарты и практики DS проектов
• Наиболее яркие и значимые примеры применения Data Science проектов
• Обзор успешных проектов по Big Data и Machine Learning в Украине и за рубежом

Блок 2: Бизнес анализ в проектах машинного обучения

• Детальный обзор современного Data Science процесса и его этапов
• Обзор и понимание основных терминов Data Science
• Основы машинного обучения и типы решаемых задач
• Выполнение этапа бизнес анализа в проектах машинного обучения
• Особенности бизнес анализа для Data Science проектов
• Новые сложности DS проектов и пути их преодоления
• Workshop: Бизнес анализ и рекомендация решения c применением технологий Data Science и Machine Learning
• Этап исследования данных
• Сложности, связанные с этапом Data Understanding
• Структуры данных и артефакты для перехода к началу проекта
• Workshop: Выполнение этапа Исследование данных для DSML проекта

Блок 3: Начальная подготовка данных

• Основы понимания наборов данных, фич и целевых переменных
• Импорт и объединение данных
• Работы с некачественными данными
• Инструменты для обработки данных
• Workshop: Импорт и предварительная обработка данных

Блок 4. Визуализация данных

• Походы и методики для визуализации данных
• История визуализации, примеры лучших кейсов
• Типичные ошибки при визуализации
• Лучшие практики и руководства при проектировании визуализации
• Что такое Data Storytelling и зачем этот навык
• Обзор инструментов для визуализации
• Инструмент Power BI для визуализации данных
• Продвинутые методы визуализации
• Практика: Визуализация данных с помощью Power BI и R

Блок 5: Решение задач с участие тренера

• Теория и принципы работы машинного обучения
• Типы решаемых задач
• Решение задач с учителем
• Типы метрик для оценки решения
• Статистические метрики для оценивания задач с учителем
• Workshop: Разработка модели решения предсказания стоимости автомобиля

Блок 6: Самостоятельное решение задач машинного обучения

• Обзор проблематики и типы решаемых задач в Unsupervised Machine Learning
• Алгоритмы, подходы и сложности решения решения задач кластеризации
• Построение рекомендательных систем
• Решение задач мошенничества и нетипичного поведения
• Workshop 4: Модель решения задачи сегментации клиентов торговой компании

Блок 7: Расширенные методы решения когнитивных задач

• Типы искусственного интеллекта
• Когнитивные сервисы и типы задач, которые можно решить
• Обзор платформ и сервисов от крупнейших вендоров
• Введение в искусственные нейронные сети
• Обработка изображений и принципы работы свертоной нейронной сети
• Принципы и подходы обработки текстов
• Задачи прогнозирования временных рядов
• Workshop: Бизнес анализ и разработка требований для реализации системы искусственного интеллекта

Блок 8: Имплементация моделей машинного обучения

• Временные ряды и прогнозирование событий 
• Имплементация моделей машинного обучения для дальнейшего использования 
• Обсуждение результатов выполнения домашних заданий 
• Примеры архитектур полноценного проекта 
• Workshop 5: Публикация модели в виде рабочего продукта
• Ресурсы с готовыми наборами данных
• Ресурсы с готовыми решениями
• Ресурсы для самостоятельного развития