Перейти к основному содержанию
SkillsBuild

Корпоративная наука о данных на практике

Введение

Будь то борьба с мошенничеством, выявление рака или предсказание урагана, вам нужны данные и искусственный интеллект. Присоединяйтесь к новой волне профессионалов, знающих толк в данных, и получите доступ к миллионам вакансий, доступных на рынке.

IBM SkillsBuild для академических кругов
Самостоятельный курс

Узнать больше
Наука о данных Электронное обучение Предприятие Наука о данных на практике

Это обзорный курс, знакомящий слушателей с методологией Data science для решения реальных корпоративных бизнес-задач.

Ищете работу?

Получив новый набор навыков анализа данных, дополнив их технологиями искусственного интеллекта, работающими на основе низкоуровневого кода, и знаниями об отрасли, вы сможете присоединиться к команде специалистов по науке о данных, став частью новой породы профессионалов, знающих толк в данных и имеющих доступ к миллионам вакансий, доступных на рынке.

Ищете лучшую работу?

Если у вас уже есть работа и даже некоторый опыт работы с аналитикой данных, используйте этот курс для выбора специализации и продвижения по карьерной лестнице.

Цели

Играйте различные роли в команде Data Science, решайте реальные задачи в рамках предприятия и используйте технологии, основанные на искусственном интеллекте.

Область применения

  • Роли команды специалистов по науке о данных
  • Метод науки о данных
  • Инструменты анализа данных
  • Реальные примеры использования

Результаты обучения:

  • Понимание состава и работы команды специалистов по науке о данных, включая различные роли, процессы и инструменты
  • Ключевые статистические понятия и методы, необходимые для поиска структуры в данных и составления прогнозов
  • Освоить методологию науки о данных, научившись: (a) характеризовать бизнес-проблему; (b) формулировать гипотезу; (c) демонстрировать использование методологий в аналитическом цикле; (d) планировать выполнение.
  • Создавать пригодные для использования наборы данных путем определения и сбора необходимых данных, манипулирования, преобразования и очистки данных; демонстрировать способность работать с аномалиями данных, такими как пропущенные значения, выбросы, несбалансированные данные и нормализация данных.
  • Практический опыт работы с IBM Watson Studio, Data Refinery Spark, Jupyter Notebooks и библиотеками Python
  • Визуализация статистического анализа, выявление закономерностей и эффективное доведение полученных результатов до исполнительных спонсоров для принятия решений на основе бизнеса.

Опыт прохождения курса

Об этом курсе

Данный курс состоит из трех практических уровней. Каждый уровень охватывает более сложные темы и опирается на концепции, практику и навыки, рассмотренные на предыдущих уровнях.

Уровень 1 - метод науки о данных

Изучение персонала, процессов и инструментов, необходимых для создания эффективной команды специалистов по науке о данных.

  1. 1. Ландшафт науки о данных
  2. 2. Наука о данных в облаке
  3. 3. Методология науки о данных

Уровень 2 - работа с данными

Выполнять манипуляции с данными для выявления закономерностей и извлечения информации.

  1. 1. Изучите и подготовьте данные
  2. 2. Изучите данные о страховых случаях (интерактивный пример)
  3. 3. Представлять и преобразовывать данные
  4. 4. Выявление закономерностей в мошенничестве при рассмотрении претензий (интерактивный пример)

Уровень 3 - Поддержка принятия решений

Использовать методы визуализации для анализа и поддержки воздействия на бизнес.

  1. 1. Визуализация и представление данных
  2. 2. Диагностический анализ мошенничества (интерактивный пример)

Пререквизиты

Навыки, которыми вы должны обладать, прежде чем присоединиться к этому курсу:

Пройдите курс "Начало работы с корпоративной наукой о данных" из серии Data Science Practitioner.

Кроме того, вам потребуются предварительные знания по следующим темам:

  • Актуальность проектов Data science в поддержке цифровой трансформации бизнеса в различных отраслях промышленности
  • Междисциплинарный набор навыков в области науки о данных, находящийся на пересечении статистики, компьютерного программирования и знаний о предметной области
  • Роли команды Data Science: Data scientist, Data Engineer, Data analyst и AI developer
  • Облачные платформы для совместной работы с наукой о данных, включая IBM Watson Studio и Data Refinery
  • Ввод и манипулирование данными с использованием набора данных CSV.

Цифровое удостоверение

Промежуточный

Значок Enterprise Data Science in Practice

Корпоративная наука о данных на практике

Видеть значок

Об этом бейдже

Обладатель этого значка выполнил все учебные задания, включенные в этот онлайн-курс, в том числе практические задания, концепции, методы и инструменты, относящиеся к методологии науки о данных. Они демонстрируют навыки и понимание методологии науки о данных, участвуя в реальных сценариях и разыгрывая процессы/инструменты, используемые командой специалистов по науке о данных; учебный пример: Сценарий для страховой отрасли с использованием передовых подходов и технологий анализа мошенничества.

Навыки

Аналитик данных, Data Engineer, Data Refinery, Data science, Data visualization, Data wrangling, Insurance fraud, Jupyter Notebooks, PixieDust, Python libraries, Watson Studio.

Критерии

  • Должен пройти обучение в высшем учебном заведении, реализующем программу IBM Skills Academy.
  • Должен пройти самостоятельные занятия по онлайн-курсу и проверку знаний, подтверждающую понимание изученных тем.