Introduction to Data Science, Analytics and AI

Олександр Романко

Senior Research Analyst, IBM Canada

14 - 15 квiтня

з 10:00 до 17:00

Національний педагогічний університет імені М.П. Драгоманова

вул. Пирогова, 9

Facebook

14-15 квітня у Києві знову буде Олександр Романко, Senior Research Analyst, Watson Financial Services, IBM Canada з дводенним курсом “Introduction to Data Science, Analytics та Artificial intelligence”!

Метою курсу є вивчення аналітичних моделей та огляд кількісних алгоритмів вирішення бізнес-задач. Аналітика даних та штучний інтелект – це процес отримання “розуміння” даних з метою прийняття оптимальних рішень. Це дозволяє сотням компаній та урядам рятувати життя, збільшувати прибутк та мінімізувати використання ресурсів. Значна увага в курсі присвячена застосуванню алгоритмів обчислення та моделювання для фінансів, ризик менеджменту, маркетингу, охорони здоров’я, smart city проектів, запобігання злочинності, превентивного ремонту, аналітики web- та соціальних мереж, персональної аналітики, розпізнавання зображень, тощо.

Під час курсу будуть розглянуті практичні кейси вирішення аналітичних проблем за допомогою Python. Навички програмування на Python не є обов’язковими, увага буде приділення розумінню того що відбувається в прикладах коду на Python.

Всього за 15 годин інтенсивного курсу ви навчитесь:

  • впорядковувати та “чистити” дані
  • розуміти data science алгоритми
  • будувати моделі за допомогою Python
  • критично аналізувати результати моделювання
  • приймати рішення на основі отриманих результатів

Чим курс відрізняється від торішнього?

– більш глибоке занурення в алгоритми машинного навчання і штучного інтелекту
– детальний розбір прикладів коду на Python, щоб отримати розуміння коду. Буде корисно і тим хто не вміє програмувати
– розширена бізнесова складова використання аналітики для поліпшення функціонування бізнесу

Для кого розроблено курс:

  • junior-middle розробникам
  • бізнес та фінансовим аналітикам
  • junior data scientists
  • менеджерам, що хочуть працювати з даними
  • студентам, що прагнуть зрозуміти навіщо в університетському курсі оптимізаційні моделі, статистика, вища математика та як ці знання перетворити у компетентні переваги для пошуку роботи або створення свого стартапу

Програма курсу

14 квiтня

Вступ у науку та аналітику даних

  • Концепції науки про дані
  • Області застосування

Отримання даних у Python

  • Робота з CSV та JSON форматами/файлами
  • Web-scraping в Python
  • Використання APIs в Python (Twitter API, New York Times API, etc.)
  • Використання cloud AI services з Python

Machine Learning I – лінійні та логістичні регресії

  • Моделювання процесу та машинне навчання
  • Оптимізація для регресійного моделювання, наукових даних та AI
  • Лінійна регресія
  • Логістична регресія
  • Регресійні приклади в Python
15 квiтня

Machine Learning II – розширена класифікація та кластеризація

  • Класифікація (дерева рішень, SVM, kNN)
  • Кластеризація (K-means, Fuzzy C-means, Hierarchical Clustering, DBSCAN)
  • Правила асоціації
  • Ensemble methods (random forests, Xgboost)
  • Machine learning тематичні дослідження в Python

Частина I - когнітивні обчислення та штучний інтелект

  • Аналіз тексту та обробка природних мов (NLP)
  • Підсилення навчання
  • Нейронні мережі та короткий вступ до глибокого навчання
  • Просторово-часова аналітика
  • Когнітивні обчислювальні приклади в Python

Візуальна аналітика та розповіді на основі аналітики

  • Візуальна аналітика та візуалізація
  • Перевірка аналітики
  • Розповідь на основі аналітики
  • Прийняття рішень на основі аналітики