info@specialist.ru
Основы графов и нечетких логик для анализа больших данных
|
|
Graph and fuzzy analysis for big data. Foundation courseВ последнее время эксперты все чаще пугают нас искусственным интеллектом и тем, что компьютеры заберут наши рабочие места. Насколько все это может стать реальностью – пока большой вопрос, но есть профессионалы, которые точно могут не опасаться конкуренции с вычислительными средствами. Это те, кто занимается развитием того самого искусственного интеллекта, а также машинным обучением. Чтобы работать в этих направлениях, нужно иметь определенную базовую подготовку. В данном случае – это работа с большими данными. На курсе вы освоите основы применения графов и нечетких логик для построения моделей систем обработки больших данных, машинного обучения и искусственного интеллекта. Также вы познакомитесь с основными понятиями графовых и нечеткологических моделей; инструментами их обработки и оптимизации; требованиями к входным данным. Данный курс разработан в соответствии с требованиями профессионального стандарта «Системный аналитик» (Утвержден приказом Министерства труда и социальной защиты Российской Федерации от 28.10.2014 N 809н) В программе курса рассматриваются такие инструменты и техники теории графов, как работа с ориентированными и неориентированными графами, решение задач на соцсетях и построение маршрутов, детерминированные и стохастические графы. В части теории нечетких множеств вы познакомитесь с лингвистическими переменными, нечеткими отношениями и множествами, освоите операции над нечеткими множествами, построение нечетких моделей. Курс будет полезен бизнес- и системным аналитикам; аналитикам данных; программистам, работающим в области машинного анализа данных; бизнес-руководителям, чья деятельность связана с постановкой задач по аналитике данных; маркетологам, включая веб-маркетинг; другим сотрудникам, вовлеченным в аналитическую деятельность компании. Курс является частью подготовки специалистов в области машинного обучения и анализа больших данных. Автор и преподаватель курса – Динцис Данил Юрьевич, ведущий преподаватель Центра, руководитель направления «Инновационные технологии обучения». Доктор технических наук по специальности «Системный анализ в информационных системах». Обладатель престижных статусов PgMP®, PMP®, аккредитованный тренер ITIL®, сертифицированный инструктор онлайн-обучения. Академический редактор ведущего европейского научного издательства InTech. Приходите учиться в «Специалист» - обеспечьте свое будущее! |
По окончании курса Вы будете уметь:
- определять источники данных для графовых и нечетких моделей и требования к ним;
- строить ориентированные и неориентированные, детерминированные и стохастические графы;
- понимать области применения различных типов графовых моделей;
- проводить базовую оптимизацию графовых моделей;
- определять область применения нечетких моделей;
- формировать простые нечеткие модели;
- проводить операции над нечеткими моделями;
- решать типовые задачи с применением анализа на графах;
- формировать и преобразовать нечеткие модели.
Продолжительность курса - 16 ак. ч.
Преподаватели курса |
Отзывы о Центре |
|
О преподавателе:
Ведущий преподаватель Центра, руководитель направления «Инновационные технологии обучения». Доктор технических наук по специальности «Системный анализ в информационных системах». Обладатель престижных статусов PgMP®, PMP®, аккредитованный тренер ITIL®, сертифицированный инструктор онлайн-обучения. Преподаёт более 15 лет, является автором курсов и семинаров Центра, 50 научных и 20 методических трудов. Опыт работы в ИТ-отрасли – свыше 25 лет, из них более 10 лет – в области управления проектами, портфелями проектов.Читать далее |
Удобство организации учебного процесса от момента заказа курсов до непосредственного обучения. Информационный обмен на высшем уровне. Обратная связь с кураторами и "бумажный" документооборот организованы прекрасно. Cлушатель: Милованов Антон Михайлович |
Предварительная подготовка
Требуемая подготовка: Успешное окончание курса Основы работы с большими данными (Data Science) или эквивалентная подготовка.
Получить консультацию о необходимой предварительной подготовке по курсу Вы можете у наших менеджеров: +7 (495) 232-32-16.
Наличие предварительной подготовки является залогом Вашего успешного обучения. Предварительная подготовка указывается в виде названия других курсов Центра (Обязательная предварительная подготовка). Вам следует прочитать программу указанного курса и самостоятельно оценить, есть ли у Вас знания и опыт, эквивалентные данной программе. Если Вы обладаете знаниями менее 85-90% рекомендуемого курса, то Вы обязательно должны получить предварительную подготовку. Только после этого Вы сможете качественно обучиться на выбранном курсе.
Рекомендуемые курсы по специальности
Чтобы стать профессионалом, мы рекомендуем Вам вместе с этим курсом изучить:
-
NEW! Data Science. Уровень1. Инструменты и технологии
-
NEW! Data Science. Уровень 2. Применение машинного обучения
-
NEW! Data Science. Уровень 3. Масштабируемые решения
Программа курса
| Тема | Ак. часов | ||
|---|---|---|---|
Модуль 1.
Введение в теорию графов. Основные понятия и область применения
|
2 | ||
Модуль 2.
Ориентированные, неориентированные графы.
Задача поиска в соцсетях.
Задача поиска маршрута
|
4 | ||
Модуль 3.
Характеристики графа.
Планарные графы. Задача о четырех красках
|
6 | ||
Модуль 4.
Нечеткие или лингвистические переменные. Понятие нечетких множеств
|
3 | ||
Модуль 5.
Нечеткие отношения и высказывания. Операции над нечеткими переменными и множествами
|
5 | ||
Модуль 6.
Логико-лингвистические описания систем. Примеры построения нечетких моделей
|
4 | ||
| Аудиторная нагрузка в классе с преподавателем |
16
+8 бесплатно |
||
| По окончании обучения на курсе проводится итоговая аттестация. Аттестация проводится в виде теста на последнем занятии или на основании оценок практических работ, выполняемых во время обучения на курсе. |
Ближайшие группы
Данный курс вы можете пройти как в очном формате, так и дистанционно в режиме онлайн.
Чтобы записаться на онлайн-обучение, в корзине измените тип обучения на "онлайн" и выберите удобную для вас группу.
Чем онлайн-обучение отличается от других видов обучения?
м.Белорусская или м.Савеловская
Стоимость обучения (рублей)* | Курс может быть заказан согласно ФЗ-44, ФЗ-223 (закупка/аукцион/запрос котировок/конкурсные процедуры) |
| с 10:00 до 17:00 Экономия до 15% |
Вечер или Выходные Стандартная цена |
Онлайн Экономия до 15% |
Индивидуальное обучение | Записаться | |||
|---|---|---|---|---|---|---|---|
| Частные лица | 11 990 10 150 | 11 990 | 11 990 10 150 | 32 000 ** | |||
| Организации | 13 990 | 13 990 | 13 990 |
Ваша выгода может быть 2 440 рублей
 Основы графов и нечетких логик для анализа больших данных |
+ |  Data Science. Уровень1. Инструменты и технологии |
= 25 540 руб.* 27 980 руб. |
|
Центр предоставляет специальную услугу Индивидуального обучения. Длительность индивидуального обучения - минимум 4 академических часа. Стоимость обучения в Москве уточняйте у менеджера. При выездном индивидуальном обучении устанавливается надбавка: +40% от стоимости заказанных часов при выезде в пределах МКАД, +40% от стоимости заказанных часов и + 1% от стоимости заказанных часов за каждый километр удаления от МКАД при выезде в пределах Московской области. Стоимость выезда за пределы Московской области рассчитывается индивидуально менеджерами по работе с корпоративными клиентами.
**Указана минимальная цена за индивидуальное обучение. Число часов работы с преподавателем в 2 раза меньше, чем при обучении в группе. Если Вам для полного усвоения материала курса потребуется больше часов работы с преподавателем, то они оплачиваются дополнительно.
Документы об окончании
В зависимости от программы обучения выдаются следующие документы:
Удостоверение*
Свидетельство
Cертификат международного образца
*Для получения удостоверения вам необходимо предоставить копию диплома о высшем или среднем профессиональном образовании.
Сертификаты международного образца выводятся после окончания курса в личном кабинете слушателя.
Все документы ЦентраАктуальные новости
«Специалист» приглашает на новый курс - Основы графов и нечетких логик для анализа больших данных
Искусственный интеллект и машинное обучение – это сейчас одни из самых интересных и перспективных направлений. Классификация изображений, поиск контента, таргетированная реклама, чат боты и умные продажи – перечислять примеры, где используются технологии на основе анализа больших данных, можно долго. Главное, специалисты в этой сфере нужны уже сейчас и еще больше будут нужны завтра.
Cлушатель: Загер Давид Константинович