Прикладной искусственный интеллект и анализ больших данных в инженерных задачах (Low-code подход)

Курс охватывает полный цикл работы с данными в рамках экосистемы Data Science: от импорта и предварительной обработки (ETL-процессы) до обучения моделей предиктивной аналитики и поиска скрытых закономерностей.
Слушатели, успешно освоившие программу, смогут самостоятельно формулировать гипотезы, выбирать подходящий алгоритм машинного обучения (классификация, регрессия, кластеризация) и интерпретировать результаты работы моделей для внедрения их в бизнес-отчетность.
Курс содержит 3 основных обучающих модуля по No-Code ML и один модуль итоговой аттестации. Особенностью программы является строгая практическая направленность: в качестве итогового экзамена слушатели самостоятельно строят пайплайн обработки данных для решения реального бизнес-кейса и защищают интерпретацию своих результатов.
Выпускники программы получают компетенции в области интеллектуального анализа данных (Data Mining) и машинного обучения (Machine Learning) без необходимости написания программного кода. Обучение строится на использовании визуальных инструментов программирования для решения прикладных инженерных и управленческих задач.
Слушатели курса приобретут практические навыки работы в среде Orange Data Mining, научатся проводить разведочный анализ данных (EDA), строить информативные визуализации и выявлять аномалии в технических и экономических показателях. Программа позволяет легко войти в сферу ИИ аналитикам, инженерам и менеджерам проектов.
В завершении курса в процессе выполнения экзаменационной работы каждый обучающийся решит комплексную задачу предиктивной диагностики на реальном наборе данных, что позволит сразу применить знания на практике и получить готовый проект для портфолио.