Пройдите обучение в Финансовом университете при Правительстве Российской Федерации и станьте востребованным специалистом в области машинного обучения и анализа больших данных!
Вы научитесь успешно применять языки программирования SQL и Python, а также применять конкретные подходы для работы с клиентской аналитикой с помощью BI платформ
256
часов
ДИПЛОМ
о профессиональной переподготовке
Получите
Навыки и компетенции
Сбор, анализ и обработка данных
Локальные хранилища данных
Анализ внутренних процессов организации с помощью Google таблиц и Data Studio
Применение различных платформ машинного обучения
Инструменты языка SQL
Применение искусственного интеллекта
Инструменты языка Python
Обработка больших данных
Современные технологии Big Data
Аналитик данных
Финансовый университет при Правительстве Российской Федерации
Введение в бизнес-аналитику. Python для анализа данных
36 ак. ч.
1 модуль
Машинное обучение на Python
62 ак. ч.
2 модуль
Современные хранилища данных, аналитика больших данных и машинное обучение SQL
54 ак. ч.
3 модуль
Платформы науки о данных и машинного обучения
36 ак. ч.
4 модуль
Технологии формирования многомерной интерактивной отчетности
64 ак. ч.
5 модуль
Учебныйплан
Создание Google-таблицы
Cоздание отчетов в Google Data Studio
Применение pandas для анализа и обработки данных для пользователей Excel
Применение Python для анализа данных
Библиотеки визуализации данных Matplotlib, Seaborn, Altair, Plotly Express.
Машинное обучение для решения задач Data Mining
Градиентный метод в машинном обучении
Алгоритмы построения деревьев решений
Фреймворки машинного обучения
Введение в нейронные сети
Автоматическое машинное обучение
Экосистема Hadoop, технология Spark
Облачные технологии обработки больших данных
Корпоративные хранилища данных Google BigQuery, Snowflak
Применение SQL для аналитики больших данных
Доступ к облачному сервису BigQuery из инструментов исследования данных Kaggle Notebooks, Colab Notebooks
Машинное обучение в облачном сервисе BigQuery
Обработка больших данных и машинное обучение в платформе Databricks Lakehouse
Применение платформ H2O.ai, RapidMiner, Knime Analytics Platform, Trifacta для сбора и анализа больших данных
Объединение мощи Apache Hadoop и Apache Spark с аналитическими платформами Data Science
Машинное и глубокое обучение с использование графического интерфейса платформ на больших данных, размещенных в облачных хранилищах данных
Аналитические технологии Loginom
Визуализация данных с помощью Yandex DataLens аналитические технологии Tableau, Power BI
Клиентская и маркетинговая аналитика больших данных в платформах Tableau, Power BI
Интеграция технологий визуальной аналитики и машинного обучения для анализа больших данных
к. т. н, доцент Департамента Бизнес-информатики Финансового университета при Правительстве Российской Федерации, эксперт в сфере анализа больших данных
Институт развития профессиональных компетенций и квалификаций
Наши слушатели — это сотрудники государственных учреждений и фондов, кредитных и финансовых организаций, предприятий, страховых компаний, некоммерческих организаций, а также студенты старших курсов финансового и экономического профиля.