Профессиональная переподготовка в ГУАП - это возможность освоить новую профессию с нуля, сменить сферу деятельности или глубже погрузиться в уже выбранную профессию. Обучение даст всю нужную информацию и необходимые практические навыки для достижения новой карьерной цели. Полученная дополнительная специальность становится равноправной со специальностью, которая была получена ранее в техникуме или вузе и подтверждается дипломом о профессиональной переподготовке.
Программа подготовлена с учетом потребностей бизнеса к квалификации специалистов в области ИИ и профессионального стандарта «Большие данные»
Модуль 1. Основы языка программирования Python.
Установка и настройка Jupyter Notebook, переменные и типы данных, строки, списки, цикл for, вложенные списки, условный оператор, цикл while, функции, словари, Pandas для анализа данных
Модуль 2. Предобработка данных.
Работа с пропусками, изменение типов данных, поиск дубликатов, категоризация данных, стемминг, лемматизация
Модуль 3. Исследовательский анализ данных
Первые графики и выводы, изучение срезов данных, работа с несколькими источниками данных, разбивка по группам данные
Модуль 4. Сбор и хранение данных.
Web mining, введение в HTML, инструменты разработчика, POST\get запросы, регулярные выражения, парсинг HTML, API, JSON
Модуль 5. Анализ бизнес показателей
Метрики и воронки, когортный анализ, Юнит-экономика, пользовательские метрики
Модуль 6. SQL базовый и продвинутый
Установка и настройка базы данных и клиента базы данных, срезы данных в SQL, агрегирующие функции. Группировка и сортировка данных, объединение таблиц, подзапрос и временные таблицы, основы оконных функций, рамки оконных функций, дополнительные инструменты SQL
Модуль 7. Автоматизация
Основы запусков скриптов, написание скриптов для автоматического парсинга данных, разработка телеграмм бота, методы машинного обучения, инструменты анализа данных и ML (Rapid Miner)
В РЕЗУЛЬТАТЕ ОБУЧЕНИЯ В СМОЖЕТЕ:
– разрабатывать методики выполнения аналитических работ
– организовывать аналитическую работу в IT-проекте
– управлять аналитическими ресурсами и компетенциями
– составлять отчеты об аналитических работах в IT-проекте
– применять анализ данных к научным и общественным задачам
– применять технологии машинного обучения к реальным общественным задачам