Data Science za menadžere - tečaj 60 000 rub. iz HSE, obuka 2 dana, Datum: 17. lipnja 2023.
Miscelanea / / November 30, 2023
Programi dodatnog stručnog obrazovanja usmjereni su na praksu i omogućuju vam razvoj u kraćem vremenskom razdoblju (od nekoliko tjedana do dvije godine) steći novo zanimanje, steći trenutne stručne i rukovodeće kompetencije ili proširiti svoje znanje iz pojedinog predmeta područja.
Dopušteno je svladavanje dodatnih stručnih programa:
- Osobe sa srednjim stručnim i (ili) visokim obrazovanjem;
- Osobe koje primaju srednje strukovno i (ili) visoko obrazovanje.
ciljevi učenja
1 Prijeđite na novu razinu profesionalnog razvoja
2 Udovoljite zahtjevima tržišta i društvenog okruženja koji se brzo mijenjaju
3 Postanite uspješan poslovni menadžer
4 Zadovoljiti obrazovne potrebe u različitim područjima gospodarstva, znanosti, kulture i umjetnosti
Programi daljnjeg obrazovanja
Programi naprednog usavršavanja
Povećanje stručne razine u okviru postojećih kvalifikacija i (ili) usavršavanje i (ili) stjecanje novih kompetencija potrebnih za profesionalne aktivnosti
- Od 16 akademskih sati
- Potvrda o usavršavanju
- Za osobe koje imaju (ili završavaju) visoko ili srednje strukovno obrazovanje
Programi stručne prekvalifikacije
Za stjecanje kompetencija potrebnih za obavljanje nove vrste profesionalne djelatnosti
- Od 250 akademskih sati
- Diploma o stručnoj prekvalifikaciji, s pravom obavljanja novih profesionalnih poslova
- Za osobe koje imaju (ili završavaju) visoko ili srednje strukovno obrazovanje
Programi stručne prekvalifikacije za stjecanje dodatnih kvalifikacija
- Za osobe koje imaju ili stječu višu ili srednju stručnu spremu i najmanje 3 godine radnog iskustva na rukovodećim poslovima
Programi stručne prekvalifikacije za stjecanje dokvalifikacije u području menadžmenta “Magistar poslovne administracije” (MBA - Master of Business Administration)", uključujući i za više menadžere (EMBA - Executive Master of Business Administration)
- Od 2040 akademskih sati
- Diploma stručne prekvalifikacije, s dokvalificiranjem “magistar poslovne administracije”
Programi stručne prekvalifikacije za stjecanje dokvalifikacije u određenoj stručno područje "Master in...", uključujući i za više menadžere (Executive Master u…)
- Od 2040 akademskih sati
- Diploma stručne prekvalifikacije, s dokvalifikacijama
Doktor... programa
Programi stručne prekvalifikacije za stjecanje dodatnih kvalifikacija za stručne stupnjeve, posebice doktora znanosti poslovne administracije (DBA - Doctor of Business Administration), doktor prava (Doctor of Law), doktor edukacije (Doctor of Education) i dr. stupnjeva
- Od 2040 akademskih sati
- Diploma o stručnoj prekvalifikaciji, stjecanje stručne spreme
- Za osobe s višom stručnom spremom i najmanje 5 godina radnog iskustva na rukovodećim poslovima
Magistarsko radno mjesto: Stručnjak Centra za trajno obrazovanje Fakulteta računarstva.
Na Visokoj ekonomskoj školi počinje raditi 2017. godine. Predaje tečajeve o strojnom učenju u marketingu i uvod u podatkovnu znanost. Profesionalni interesi: strojno učenje u bioinformatici bioinformatička analiza podataka u biologiji Obrazovanje 2018 Magisterij: Nacionalno istraživanje Sveučilište "Visoka ekonomska škola", specijalnost "Primijenjena matematika i informatika" 2015. Prvostupnik: Nacionalno istraživačko sveučilište "Viša škola" Ekonomija", specijalnost "Primijenjena matematika i računarstvo" Profesionalno iskustvo 2020 - danas: Lead Data Scientist, X5 Retail Group 2019 - 2020: Voditelj Big Data tima, Azbuka Vkusa 2019 - 2019: Senior Manager za big data analizu, X5 Retail Group 2018 - danas: nastavnik u Centru za kontinuirano obrazovanje, Fakultet računarstva 2017. - danas: gost predavač na Katedri za velike podatke i pronalaženje informacija 2016. - 2016.: ml. analitičar, voditelj projekta, IIDF 2014. - 2015.: ml. Voditelj proizvoda, Alfa-Bank.
Radno mjesto: viši predavač, Fakultet računarstva, Zavod za velike podatke i pronalaženje informacija.
Diplomirao je na Fakultetu računalne matematike i kibernetike Moskovskog državnog sveučilišta 2013. Na Visokoj ekonomskoj školi počinje raditi 2016. godine. Predaje kolegije Uvod u analitiku podataka, Uvod u strojno učenje i Primijenjenu znanost o podacima.
Zamjenik pročelnika, viši predavač, Fakultet računarstva, Katedra za velike podatke i pronalaženje informacija; Voditelj projekta, akademski voditelj, Fakultet računarstva, Centar za trajno usavršavanje; Voditeljica laboratorija, Fakultet računarstva, Zavod za velike podatke i pronalaženje informacija, Istraživački laboratorij za analizu podataka u financijskim tehnologijama; Akademski ravnatelj obrazovnog programa „Primijenjena matematika i računarstvo“.
Profesionalni interesi: analiza podataka, strojno učenje, analiza i automatska obrada teksta. Obrazovanje 2013. Specijalnost: Moskovsko državno sveučilište. M.V. Lomonosov, specijalnost "Primijenjena matematika i računarstvo" Profesionalno iskustvo Radio u tvrtkama Bioclinicum, Forecsys, Ozone. Od 2014. godine radi u Yandexu. Od 2016. godine radi na Fakultetu računarstva Nacionalnog istraživačkog sveučilišta Visoka ekonomska škola, gdje predaje kolegije “Intelektualac”. analiza podataka”, razvio i predaje kolegij o strojnom učenju u programu “Primijenjena matematika i informatika“. Od 2019. - akademski ravnatelj programa “Primijenjena matematika i informatika”. Nagrade i postignuća Najbolji učitelj – 2019., 2018., 2017
Glavni cilj kolegija je ispitati tehnike za izgradnju konceptualnog modela aplikacije temeljene na korištenju predloške, kao i mogućnost ponovne upotrebe razvoja napravljenih u okviru objektno orijentiranih analiza. Tečaj pruža praktične smjernice o tome kako izgraditi UML reprezentaciju konceptualnog modela i kako dalje transformirati konceptualni model u dizajn.
4,2
🏆Dobitnik Stepik Awards 2022 u kategoriji “Iskorak godine”🏆 Praktični video tečaj o osnovama podatkovne znanosti. Nema matematike, nema teorije, samo primjeri rješavanja stvarnih problema pomoću pandi i CatBoosta. Uvodni dio tečaja o pythonu i pandama za analizu podataka dostupan je besplatno!🔥
4
Predmet uvodi studente u osnovne koncepte znanosti o podacima. Razmotrit ćemo osnovne algoritme (linearni modeli, stabla odlučivanja, KNN, kompozicije), te analizirati pripremu podataka (čišćenje, generiranje novih značajki i njihova selekcija). Stečeno znanje bit će dovoljno za rješavanje širokog spektra problema.
4