Компетенции работы с данными становятся необходимым условием эффективности в финансовом секторе, промышленности и других сферах. Обсудим, как данные меняют управленческие и производственные процессы, как распределяются роли аналитика, ML-специалиста и инженера данных, а также какие направления развития ИИ и больших данных определяют практику ближайших лет.

Рассмотрим, какие навыки и знания требуются в каждом из направлений, где их целесообразно развивать и как подтвердить квалификацию. Обсудим переход в сферу данных из смежных областей и критерии отбора на этапах собеседований.

Разберем типовые задачи в финансовом секторе и в промышленной инженерии: от оценки рисков и выявления аномалий до контроля качества, прогнозирования отказов и оптимизации процессов. Обсудим проектирование инфрастуктуры для роста компаний. 

Анастасия Пивоварова, участник

«Планирую перейти в аналитику с нуля. Боялась, что мне будет очень сложно ввиду отсутствия у меня индустриального опыта и знания базовой терминологии. Я ошиблась: лекции были достаточно интересными, много понятных кейсов, увидела для себя точки развития.

Познакомилась с представителями компаний и сформулировала направления дальнейшего обучения. Благодарю!»

Дарья Касьяненко, спикер, эксперт и преподаватель Центра непрерывного образования

«Во время выступления обратила внимание на вовлеченность аудитории: слушатели следят за трендами и проповедуют lifelong learning, что я очень уважаю, ведь инвестиции в образование — единственные инвестиции, которые всегда окупаются. Приятно, что на школу приходят не только новички, но и действующие профессионалы, готовые поделиться своей экспертизой».

Елизавета Одинцова, участник

«Мероприятие очень качественно организовано и продумано до мелочей. Пространство удобное и понятное, есть активности в перерывах. Элемент геймификации по получению баллов дополнительно мотивирует и вовлекает.

Первое участие в мероприятиях Центра непрерывного образования ФКН НИУ ВШЭ для себя считаю успешным!»

Артур Самигуллин, спикер, тимлид аналитиков команды YandexArt «Яндекса»

«В своем выступлении я рассказывал о том, кто такие аналитики качества генеративных моделей, на примере задач моей команды аналитиков YandexArt. Подробно разобрал, что такое корзины и какая математика нужна для самой частой задачи — проведения замеров качества моделей. По окончании доклада слушатели задавали продуктовые вопросы, интересовались нюансами использования модели YandexArt в “Шедеврум”. А уже в неформальной обстановке во время нетворкинг-сессии просили поделиться деталями профессии, узнавали, что необходимо изучать, чтобы в ней начать работать».

Екатерина Полякова, участник

«Очень радует организация, активная помощь и поддержка сторонним студентам. Мы не чувствуем себя чужими — к нам относятся с теплотой и пониманием.

Большое количество активностей позволяет отдохнуть от лекций и расслабиться. Много интересных спикеров и участников — отличная возможность обрести полезные знакомства и найти что-то новое для себя».