• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Программа "Data Science для менеджеров"

В последние годы Data Science стало привлекать к себе всё больше внимания. Ведь с помощью методов машинного обучения и анализа данных могут быть решены различные задачи бизнеса: прогнозирование спроса, увеличение продаж с помощью рекомендаций товаров, удержание клиентов, прогнозирование динамики цен и оптимизации производства. Наша  программа посвящена основам машинного обучения и искусственного интеллекта и задачам, которые данная технология позволяет решать. На лекциях и семинарах мы расскажем о том, как оценить задачу, выбрать правильную метрику, нужно ли нанимать аналитиков в штат или дешевле купить коробочное решение под  данную задачу. Как найти связь с экономическим эффектом, эффективно проводить офлайн и онлайн тестирование моделей. Кроме того, будут затронуты темы планирования реализации и внедрения моделей, раставления приоритетов при выборе задач, управления жизненным циклом моделей. Также во время семинаров будут рассмотрены кейсы практического применения анализа данных в различных областях. Навыки программирования для освоения программы не требуются.

Преподаватели

Александр Белугин
Руководитель проектного офиса "Цифры", до этого руководил офисом в Yandex Data Factory. Преподаватель программ "Управление ИТ-проектами и командами разработчиков в сфере Data Science" в рамках магистерской программы "Финансовые технологии и анализ данных" и "Введение в Data Science" в рамках проекта Data Culture.


Александр Белугин

Элен Теванян
Преподаватель факультета компьютерных наук. Работала младшим продуктологом в Альфа-Банке и менеджером проектов во ФРИИ.


Элен Теванян

Основные темы программы

 

  • Введение в машинное обучение и анализ данных. Основные термины и понятия. Различные инструменты для анализа данных: их плюсы и минусы. Рынок данных и юридические аспекты их использования.
  • Постановка задачи и особенности управления проектами в Data Science. Типы задач. Выбор метрик. Управление ожиданиями по качеству. Анализ сценариев использования моделей. Валидация задачи и данных. Экономический эффект.
  • Оценка качества проектов в Data Science. Метрики классификации. Метрики регрессии. Метрики ранжирования. Как и зачем мерять качество. A/B тестирование. Статистическая значимость и чувствительность. Примеры онлайн и оффлайн тестов.
  • Построение моделей. Предобработка данных. Планирование экспериментов. Валидация и тестирование в процессе.
  • Подготовка технического задания и управление проектом. Разбор кейсов

Начальные требования

Законченное высшее или среднее специальное образование, студенты старших курсов.

Расписание занятий

Идет набор. Занятия будут проходить по вторникам и четвергам с 19:00 по 22:00 с 15 ноября по 20 декабря 2018 года.

 

44

академических часа

44 000

рублей

По итогам программы выдается Удостоверение о повышении квалификации установленного НИУ ВШЭ образца

Подать заявку

АЛЕКСАНДР БЕЛУГИН