CRM-форма появится здесь

ТЕХНОЛОГИИ ОБРАБОТКИ КОЛИЧЕСТВЕННЫХ ДАННЫХ

О ПРОГРАММЕ

Программа предназначена для специалистов, желающих освоить современные методы и инструменты анализа больших объемов данных. В ходе обучения участники изучат основные принципы работы с количественными данными, научатся проводить статистический анализ информации, использовать специализированные программы для обработки данных, создавать графики и отчеты для визуализации результатов и принятия обоснованных решений. После окончания программы слушатели будут обладать необходимыми навыками и знаниями для работы с данными любого объема и сложности, что позволит им успешно развиваться в области аналитики, маркетинга, финансов или исследований.

приглашаем слушателей, имеющих высшее образование

граждане, имеющие незаконченное высшее и высшее образование.

Очно-заочная форма обучения

При очно-заочной форме занятия проходят в вечернее время и в выходные дни,что позволит легко совмещать обучение с любой другой Вашей деятельностью.

ДИПЛОМ О ПРОФЕССИОНАЛЬНОЙ ПЕРЕПОДГОТОВКЕ

Вследствие успешного завершения обучения Вы получите диплом о профессиональной переподготовке установленного образца. Такой диплом не только является подтверждением Ваших навыков, но и может способствовать карьерному росту, доверию работодателя и возможностям саморазвития.

5 месяцев обучения

Программа рассчитана на 5 месяцев - 256 академических часов. Группы приступают к занятиям по мере формирования

Стоимость обучения - 15 000 рублей

РЕЗУЛЬТАТЫ ОБУЧЕНИЯ

В результате освоения программы слушатель должен Знать: 

  • понятие, виды и типы данных, методы сбора и подготовки данных к анализу;
  • способы отбора методов поиска, сбора, очистки, хранения, обработки, анализа и визуализации данных;
  • методы поиска информации;
  • аппарат анализа данных: статистический анализ, семантический анализ, машинное обучение, кластерный анализ, факторный анализ, деревья классификации, нейронные сети, и др.;
  • современный опыт решения задач анализа больших данных;
  • методы обработки количественных данных;
  • инструменты обработки и анализа данных;
  • понятие неопределенности исходных данных и ее виды;
  • этапы решения прикладных задач с учетом неопределенности исходных данных;
  • модели и методы решения прикладных задач с учетом неопределенности исходных данных;
  • понятия неопределенности в условиях и ограничениях прикладных задач;
  • модели и методы решения с учетом неопределенности условий и ограничений в прикладных задачах;
  • инструменты обработки данных c учетом неопределенности;
  • виды интеллектуальных систем представления знаний, основные компоненты систем представления знаний;
  • основные модели представления знаний;
  • особенности применения представлений знаний в области машинного обучения;
  • извлечение знаний, языки представления знаний и механизмы логического вывода.

В РЕЗУЛЬТАТЕ ОСВОЕНИЯ ПРОГРАММЫ СЛУШАТЕЛЬ ДОЛЖЕН уметЬ:

  • понятие, виды и типы данных, методы сбора и подготовки данных к анализу;
  • способы отбора методов поиска, сбора, очистки, хранения, обработки, анализа и визуализации данных;
  • методы поиска информации;
  • аппарат анализа данных: статистический анализ, семантический анализ, машинное обучение, кластерный анализ, факторный анализ, деревья классификации, нейронные сети, и др.;
  • современный опыт решения задач анализа больших данных;
  • методы обработки количественных данных;
  • инструменты обработки и анализа данных;
  • понятие неопределенности исходных данных и ее виды;
  • этапы решения прикладных задач с учетом неопределенности исходных данных;
  • модели и методы решения прикладных задач с учетом неопределенности исходных данных;
  • понятия неопределенности в условиях и ограничениях прикладных задач;
  • модели и методы решения с учетом неопределенности условий и ограничений в прикладных задачах;
  • инструменты обработки данных c учетом неопределенности;
  • виды интеллектуальных систем представления знаний, основные компоненты систем представления знаний;
  • основные модели представления знаний;
  • особенности применения представлений знаний в области машинного обучения;
  • извлечение знаний, языки представления знаний и механизмы логического вывода.

В РЕЗУЛЬТАТЕ ОСВОЕНИЯ ПРОГРАММЫ СЛУШАТЕЛЬ ДОЛЖЕН Иметь навыки:

  • поиска информации при решении прикладных задач;
  • применения различных инструментальных средств анализа данных для решения задач;
  • использования моделей и методов для решения задач анализа данных;
  • применения различных инструментальных средств при решении прикладных задач с учетом различных видов неопределенности;
  • использования моделей и методов при решении прикладных задач с учетом различных видов неопределенности. 

ПРОГРАММА

МОДУЛЬ 1. СТРАТЕГИЧЕСКОЕ РАЗВИТИЕ И ОСНОВНЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ В ОБЛАСТИ ОБРАБОТКИ ДАННЫХ

РАЗДЕЛ 2. СИСТЕМНЫЙ ПОДХОД

КАК ПРОХОДИТ ОБУЧЕНИЕ?

Практико-ориентированный подход в обучении с применением специализированного программного обеспечения, применение дистанционных образовательных технологий.

преподаватели

Наша команда высококвалифицированных преподавателей готова оказать вам квалифицированную поддержку на каждом этапе прохождения курсов. Мы предлагаем не только тщательно разработанные учебные материалы, но и индивидуальный подход к каждому ученику. Наши преподаватели обладают большим опытом работы и глубокими знаниями в своей области, что позволяет им помогать вам разобраться с любыми вопросами и сложностями. Уверенно двигайтесь к своим целям вместе с нашей командой профессионалов!
Image description
    • д.т.н., доцент, и. о. зав. каф. ВМиК, профессор каф. ВМиК УУНиТ.
    • Образование: высшее, Уфимский ордена Ленина авиационный институт по специальности «Автоматизация и механизация процессов обработки и выдачи информации», квалификация: инженер по информационным системам, 1992 г.
    • Стаж работы: 31 год.

Шахмаметова
Гюзель
Радиковна

Руководитель
Image description
    • д.т.н., доцент, профессор каф. ВМиК УУНиТ.
    • Образование: высшее, Уфимский ордена Ленина авиационный институт по специальности «Автоматизация и механизация процессов обработки и выдачи информации», квалификация: инженер-электрик, 1985 г.
    • Стаж работы: 37 лет.

Сметанина
Ольга
Николаевна

Преподаватель
Image description
    • к.т.н., доцент, доцент каф. ВМиК УУНиТ.
    • Образование: высшее, ФГБОУ ВО «Уфимский государственный авиационный технический университет», г. Уфа. Бакалавр по направлению «Экономика», 2010 г.; Специалист: квалификация экономист-математик по специальности «Математические методы в экономике»; Магистр по направлению «Информатика и вычислительная техника» программа «Компьютерный анализ и интерпретация данных», 2020 г.
    • Стаж работы: 12 лет.

Сазонова
Екатерина
Юрьевна

Преподаватель
Image description
    • к.т.н., доцент каф. ВМиК УУНиТ. Образование: высшее, Уфимский государственный авиационный технический университет по специальности «Программное обеспечение вычислительной техники и автоматизированных систем», квалификация: инженер-программист, 2003 г.; по специальности «Математические методы и исследование операций в экономике», квалификация: математик-экономист, 2003 г.
    • Стаж работы: 20 лет.

Нургаянова
Ольга
Сергеевна

Преподаватель