Доступно в формате
онлайн-трансляции!
Перейти
Практикум: применение технологий искусственного интеллекта для анализа и прогнозирования данных
Артикул: СП13926
В эпоху цифровизации и больших данных искусственный интеллект и машинное обучение стали неотъемлемой частью бизнес-процессов. Компании всех масштабов активно внедряют технологии анализа данных для принятия обоснованных решений, оптимизации процессов и повышения конкурентоспособности.
Для кого предназначен
Менеджеров, экономистов, аналитиков, социологов, логистов, маркетологов, инженеров и других специалистов, которым приходится сталкиваться с проблемой анализа и прогнозирования данных и у которых есть потребность в приобретении навыка работы с моделями машинного обучения.Цель обучения
Отработать на практику процедуру построения модели машинного обучения для анализа и прогнозирования данных.Особенности программы
Программа предоставляет слушателям реальные инструменты для работы с данными и построения прогнозных моделей. Это особенно важно для специалистов, чья деятельность связана с анализом информации и принятием решений на основе данных.
Программа ориентирована на широкий круг специалистов:
- Менеджеры получат инструменты для более точного прогнозирования бизнес-показателей.
- Маркетологи научатся анализировать поведение потребителей и оптимизировать рекламные кампании.
- Экономисты освоят современные методы финансового анализа.
- Аналитики расширят свой инструментарий для работы с данными.
- Социологи получат возможность более глубокого анализа социальных явлений.
- Логисты смогут оптимизировать цепочки поставок.
- Инженеры научатся прогнозировать технические параметры.
Результат обучения
В результате обучения слушатели:
- Освоят методику выполнения последовательности действий при построении модели машинного обучения.
- Ознакомятся на практике с построением модели машинного обучения для регрессии
- Ознакомятся на практике с построением модели машинного обучения для классификации.
- Получат представление – как формулировать задачу программисту, что контролировать при ее выполнении, чтобы получить адекватный результат.
Программа обучения
День 1
Методика выполнения задания: разбор последовательности действий.
- Определение проблемы, загрузка библиотек и данных.
- Анализ данных: распределение данных по классам, описательные статистики, визуализация.
- Первичная обработка данных и отбор признаков.
- Разбивка выборки на тестовую и обучающую.
- Обучение модели.
- Выбор лучшей модели для прогнозирования данных.
- Прогнозирование по лучшей модели.
- Интерпретация результатов.
Практикум: «Построение модели машинного обучения для регрессии»
- Пошаговое выполнение заданий на компьютере на базе готового набора данных с последующей оценкой результатов и подготовкой выводов под руководством эксперта.
День 2
Практикум: «Построение модели машинного обучения для классификации»
- Пошаговое выполнение заданий на компьютере на базе готового набора данных с последующей оценкой результатов и подготовкой выводов под руководством эксперта в анализе данных в программной среде Python.
Преподаватели
Преподаватель
К.э.н., доцент кафедры статистики и эконометрики СПбГЭУ, автор ряда учебников по статистике и эконометрике. Член Правления Российской ассоциации статистиков (РАС), Председатель регионального отделения РАС по Санкт-Петербургу. Эксперт в области анализа данных.Дата и время
Место проведения
г. Санкт-Петербург, Лиговский проспект, 266с1, Бизнес Центр Премьер Лига (3 очередь), 4 этаж, из лифта направо. Станции метро «Московские ворота», «Технологический институт», «Обводный канал».
Документы по окончании обучения
