Академия PwC С нами вы достигнете большего!
Курсы/Практическое применение анализа данных и машинного обучения в бизнесе

Практическое применение анализа данных и машинного обучения в бизнесе

Все программы по Data Analytics.
  • Использование технологий анализа данных позволяет получить новые инсайты путем глубокого изучения исторических данных для поиска скрытых закономерностей, оптимизации существующих процессов, прогнозирования будущих событий.
  • Для извлечения максимальной ценности из данных необходимо знать основы машинного обучения и уметь определять области применения анализа данных с наивысшим потенциалом в вашей организации. Наш тренинг поможет сформировать видение стратегии внедрения технологий машинного обучения в ваши бизнес-процессы и ознакомит с требуемыми ресурсами и этапами ведения проекта по анализу данных.
  • Проводится только в корпоративном формате.
  • Что получат слушатели?

    • Изучат историю и развитие подходов по анализу данных;
    • Получат представление о возможностях практического применения Big Data в различных индустриях;
    • Ознакомятся с требованиями и этапами ведения проекта по анализу данных
    • Ознакомятся с основными методами и средствами машинного обучения;
    • Узнают о практических задачах, которые можно решить с использованием анализа данных.

    Кому будет полезно?

  • Руководителя и специалисты, занимающиеся аналитической деятельностью: привлечением новых клиентов, запуском маркетинговых кампаний, борьбой с оттоком, оптимизацией и логистикой, прогнозным обслуживанием и ремонтами.
  • Почему PwC

    • Тренеры с практическим опытом применения анализа данных и машинного обучения
    • Создание атмосферы вовлеченности и заинтересованности на занятиях

    Сертификаты

  • По окончании тренинга слушателям выдается сертификат Академии PwC об участии в тренинге «Практическое применение анализа данных и машинного обучения в бизнесе»
  • Программа тренинга

    • История развития методов и подходов анализа данных
    • Интернет вещей (IoT): возможности применения;
    • Big Data: возможности применения;
    • Анализ данных: возможности применения;
    • Этапы проекта по анализу данных.
    • Требуемые ресурсы: данные, команда, инфраструктур
    • Алгоритмы машинного обучения:
      • Обзор алгоритмов семейства обучения с учителем (Supervised Learning)
      • Обзор алгоритмов семейства обучения без учителя (Unsupervised Learning)
      • Обзор алгоритмов семейства обучения с подкреплением (Reinforcement Learning)
    • Практика: применению алгоритмов машинного обучения в клиентской аналитике (Для выполнения заданий предоставляются компьютеры с предустановленным ПО)
    • Разбор нескольких кейсов