Политехнический колледж НовГУ

Программа "Анализ и переработка больших данных"

Категория слушателей: лица с неполным средним образованием и выше.

Трудоемкость обучения: 32 академических часа

Период обучения: 2021 г.

Форма обучения: очная

Уровень сложности программы: начальный уровень.

Цели реализации программы: знакомство слушателей курса с базовыми знаниями компетенции "Машинное обучение и большие данные"

Программу составили и реализуют: Карпинский Виктор Болеславович

Начало обучения: 2021 год

Документ, получаемый по итогам обучения: удостоверение о повышении квалификации

Краткое содержание программы:

Требования к результатам обучения. Планируемые результаты обучения

В результате освоения программы слушатель будет:

Знать:

• требования охраны труда и техники безопасности;
• тенденции и разработки в отрасли, включая новые технологии, методы, языки, условные обозначения и технические навыки;
• статистические методы обработки данных, в том числе регрессионный анализ;
• методы и алгоритмы машинного обучения (включая дискриминантный и кластерный анализ, топологию и обучение нейронных сетей);
• основы программирования на языке Python;
• основы работы с базами данных;
• основы визуализации данных (Image Processing, Big Data Visualization, Large Data Visualization), включая научную и информационную визуализацию, современные аппаратные средства и архитектуры для анализа и визуализации данных;
• важность тщательного документирования разработанных решений; 

Уметь:

• соблюдать требования охраны труда и техники безопасности;
• планировать производственный график на каждый день в соответствии с доступным временем и принимать во внимание временные ограничения и крайние сроки;
• применять исследовательские технологии и навыки, чтобы иметь представление о самых последних отраслевых рекомендациях;
• использовать коммуникационные навыки при работе в команде для сотрудничества с другими специалистами для получения желаемых результатов, успешной работы над групповым решением проблем;
• использовать навыки управления проектами в расстановке приоритетов и графика выполнения задач, распределении ресурсов между задачами;
• использовать аналитические навыки для анализа и синтеза сложной или неоднородной информации, определять тривиальные и нетривиальные зависимости данных;
• использовать современные программные продукты для построения математических моделей;
• использовать программное обеспечение для проектирования и моделирования;
• работать в операционной системе Linux;
• обрабатывать информацию (данные), выявлять в них аномалии, масштабировать, производить компонентный анализ, применять методы анализа данных и машинного обучения;
• применять математические методы в решении практических задач;
• разрабатывать алгоритмы машинного обучения и анализа данных, в том числе реализовывать нейронные сети и (или) регрессионный анализ, другие связанные с анализом данных алгоритмы и математические модели;
• реализовывать интерфейсные прикладные решения по результатам анализа больших данных (например, ботов);
• осуществлять оценку качества разработанных решений, в том числе верификацию и валидацию визуализации;
• интерпретировать большие данные, изображения (графики) и полученные результаты;
• проявлять профессионализм в подготовке документации, разрабатывать документацию для пользователей, выполнять документирование программного кода и результатов исследования больших данных.