-
Тип степени: Сертификат "Аналитик данных
Сертификат "AI Manager с сертифицированной TÜV Rheinland квалификацией" -
Дополнительная квалификация: Сертификат "Статистика и анализ данных"
Сертификат «Реляционные базы данных — SQL»
Сертификат "PCEP™ - Certified Entry-Level Python Programmer"
Сертификат "Data Engineer
Сертификат "Аналитика данных -
Итоговый экзамен: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Certified Entry-Level Python Programmer (PCEP™) (in englischer Sprache)
KI-Manager:in mit TÜV Rheinland geprüfter Qualifikation -
Время уроков: Полный рабочий деньС понедельника по пятницу с 8:30 до 15:35 (в праздничные дни с 8:30 до 17:10).
-
Язык обучения: Немецкий
-
Продолжительность: 24 Недели
Статистика и анализ данных
Основы статистики (около 6 дней)
Основы теории измерений (популяция, выборка, типы выборок, измерение, уровни шкалы).
Одномерная описательная статистика (частотные распределения, центральные меры, меры дисперсии, стандартизация, гистограммы, столбчатые диаграммы, круговые диаграммы, линейные диаграммы, коробчатые диаграммы)
Двумерная описательная статистика (меры корреляции, коэффициенты корреляции, кросстабы, диаграммы рассеяния, сгруппированные гистограммы)
Основы индуктивной выводной статистики (распределения вероятностей, нормальное распределение, выборочное распределение среднего, проверка значимости, проверка нулевой гипотезы, уровень значимости, размер эффекта, оценка параметров, доверительные интервалы, графики ошибок, анализ мощности, размер выборки)
Подготовка данных и их очистка с помощью соответствующего программного обеспечения
Описательный анализ
Визуализация статистических результатов
Анализ и интерпретация статистических результатов с помощью ИИ
Методы сравнения двух групп (около 5 дней)
z-тест, t-тест для одной выборки
t-тест для независимых и связанных выборок
Претест-посттест с двумя группами
Вспомогательные тесты значимости (тест Андерсона-Дарлинга, тест Райана-Джойнера, тест Левена, тест Бонета, тест значимости для корреляций)
Непараметрические методы (тест Вилкоксона, тест знаков, тест Манна-Уитни)
Анализ зависимостей (биномиальный тест, точный тест Фишера, тест хи-квадрат, кросс-табуляция, меры ассоциации)
Интерпретация результатов тестирования
Интерпретация результатов с поддержкой ИИ
Основы регрессионного анализа (около 2 дней)
Линейная регрессия
Интерпретация моделей
Интерпретация моделей с поддержкой искусственного интеллекта
Корреляционный анализ
Методы сравнения средних показателей нескольких групп (около 3 дней)
Однофакторный и двухфакторный дисперсионный анализ (ANOVA)
Пост-хок анализ
Интерпретация различий между группами
Многофакторный дисперсионный анализ (общая линейная модель)
Фиксированные, случайные, перекрестные и вложенные факторы
Методы множественных сравнений (Tukey-HSD, Dunnett, Games-Howell)
Анализ взаимодействия
Анализ мощности для дисперсионного анализа
Введение в проектирование экспериментов (DoE) (около 1 дня)
Полнофакторные и частичнофакторные экспериментальные схемы
Работа над проектом (около 3 дней)
Закрепление изученного материала
Презентация результатов проекта
Реляционные базы данных с помощью SQL
Основы систем баз данных и SQL (около 3 дней)
Обзор систем и моделей баз данных
Избыточные данные и целостность данных
Нормализация
Проектирование баз данных и модель отношений между сущностями (ERM)
Первичные и внешние ключи
Взаимосвязи между отношениями
Типы данных в SQL
Индексы и производительность
Ограничения и проверка
Запросы в SQL
Структурированные данные как основа для методов анализа с поддержкой ИИ
Введение в SQL Server Management Studio (SSMS) (около 2 дней)
Обзор SQL Server и SSMS
Физическое проектирование базы данных
Создание таблиц и определение типов данных
Ограничения, значения по умолчанию и отношения
Диаграммы баз данных (ERM) и отношения
Резервное копирование и восстановление
Введение в мониторинг производительности
Обзор оптимизации запросов и анализа запросов с поддержкой искусственного интеллекта
Введение в DDL (язык определения данных) и DML (язык манипулирования данными) (около 8 дней)
Основы SQL и расширенный синтаксис
Операторы и встроенные функции
Запросы и манипулирование данными
Обработка ошибок и управление транзакциями
Создание и администрирование объектов базы данных
Основы оптимизации производительности
Работа с современными типами данных
Моделирование данных и структурированная подготовка для приложений искусственного интеллекта и анализа
DCL - язык управления данными и безопасность (около 1 дня)
Администрирование и авторизация пользователей
Роли и концепции безопасности
Аудит
Введение в безопасность на уровне строк
Безопасность данных в контексте анализов с поддержкой ИИ
Типы данных, импорт и экспорт данных в современных системах (около 1 дня)
Импорт и экспорт данных
Современные типы данных
Импорт, преобразование и предоставление данных для процессов анализа
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Программирование с помощью Python
Основы Python (около 1 дня)
История, концепции
Использование и области применения
синтаксис
Лексика, семантика
Соглашения PEP-8
Интерпретатор против компилятора
Системы счисления: двоичная, восьмеричная, шестнадцатеричная
Научная нотация
Первые шаги в Python (около 5 дней)
Числа
Строки
Дата и время
Стандартный ввод и вывод
Числовые операторы
Сравнение, логические и побитовые операторы
Преобразование типов данных
список, кортеж, диктант, набор
Функции и методы работы со списками
Ветвления и циклы (if, for, while)
Операторы-члены
Основы работы со строками: экранирование, многострочные строки
Операторы приоритетов и связывания
Искусственный интеллект (ИИ) в рабочем процессе
Презентация конкретных технологий ИИ
и возможного применения в профессиональной среде
Функции (около 5 дней)
Определение собственных функций
Переменные
Параметры и аргументы
Возвращаемые значения
Рекурсия
Пространства имен
Функциональное программирование
Типы параметров: позиционные, ключевые, смешанные
Значения по умолчанию
Затенение и глобальное ключевое слово
None и возврат без значения
Устранение неполадок (около 0,5 дня)
Основы обработки ошибок с помощью try и except
Типичные типы ошибок и иерархия исключений
Распространение ошибок и программные прерывания
Структурирование блоков except
Объектно-ориентированное программирование (около 4,5 дней)
Классы Python
Методы
Неизменяемые объекты
Класс данных
Наследование
Работа над проектом, подготовка к сертификации и сертификационный экзамен "PCEP™ - Certified Entry-Level Python Programmer" на английском языке (около 4 дней)
Инженер по обработке данных
Основы инженерии данных и архитектуры данных (около 2 дней)
Задачи и области применения в области инженерии данных
Основы современных архитектур данных и платформ данных
Основы и сравнение облачных архитектур данных
OLTP и OLAP
Обработка структурированных, полуструктурированных и неструктурированных данных
Управление требованиями и моделирование данных (около 1 дня)
Требования к данным и источникам данных
Концептуальное моделирование данных
Моделирование структур данных и потоков данных
Контракты на данные, управление данными и прослеживаемость данных
Базы данных и обработка данных (около 1 дня)
Архитектура систем баз данных
Сравнение SQL, NoSQL и NewSQL
Реляционное моделирование данных
SQL для запроса и обработки данных
Хранение данных и современные архитектуры данных (около 2 дней)
Основы и архитектура систем хранилищ данных
Многомерное моделирование данных и проектирование схем
Факты, измерения и хранение исторических данных
Сравнение хранилищ данных, озер данных и lakehouse
Введение в dbt
Практическая реализация моделей данных
Интеграция данных и конвейеры данных (около 5 дней)
Интеграция данных и предоставление данных
Процессы ETL и ELT
Построение и оркестрация конвейеров данных
Очистка, валидация и качество данных
Пакетная и потоковая обработка
Практическое применение Airflow и Spark
Программирование и автоматизированная обработка данных (около 4 дней)
Среды Python и управление пакетами
Обработка и преобразование данных с помощью Python
Автоматизация процессов обработки данных
Подключение различных источников данных и интерфейсов
Разработка рабочих процессов в области инженерии данных
Контейнеризация с помощью Docker
ИИ-поддержка в процессах разработки и обработки данных
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Аналитика данных
Введение в аналитику данных (около 1 дня)
Задачи, области применения и типичные сценарии использования аналитики данных
Процессы анализа данных и CRISP-DM
Роль аналитика данных и отличие от таких областей, как наука о данных, инженерия данных и бизнес-аналитика
Место искусственного интеллекта и машинного обучения в этой области
Python для анализа данных (около 1 дня)
Работа с Jupyter Notebooks
NumPy и Pandas для анализа данных
Импорт и экспорт данных из различных источников, например Excel и CSV
Выбор и преобразование данных
Подготовка данных и эксплоративный анализ данных (около 3 дней)
Очистка и преобразование данных с помощью Pandas
Работа с отсутствующими, ошибочными и аномальными данными
Объединение, группировка и агрегирование данных
Эксплоративный анализ данных и вывод первых выводов
Основы статистической обработки данных
SQL и управление данными (около 2 дней)
Реляционные базы данных и модели данных
Запросы и обработка данных с помощью SQL
Связки, агрегации и аналитические запросы
Взаимодействие SQL и Python в анализе данных
Качество данных и защита данных
Подключение и использование различных источников данных и систем баз данных
Визуализация данных и рассказывание историй на основе данных (около 2 дней)
Визуализация с помощью Matplotlib, Seaborn и Plotly
Выбор подходящих диаграмм и форм визуализации
Обработка и интерпретация результатов анализа
Рассказ на основе данных и коммуникация с учетом аудитории
Power BI и интерактивные информационные панели (около 2 дней)
Импорт и подготовка данных с помощью Power Query
Моделирование данных и связи
Основы DAX и показателей
Создание интерактивных отчетов и панелей мониторинга
Визуализация и представление ключевых показателей эффективности бизнеса
Обзор альтернативных решений в области бизнес-аналитики и визуализации
Анализ данных с использованием ИИ (около 2 дней)
Использование генеративного ИИ в рабочем процессе анализа данных
Подготовка, анализ и визуализация данных с помощью ИИ
Помощь в составлении запросов на Python и SQL
Составление подсказок для анализа данных и интерпретации результатов
Критическая оценка источников данных, а также выявление синтетических и неправдоподобных данных
Обеспечение качества, защита данных и ответственное использование ИИ
Бизнес-аналитика и основы статистики (около 2 дней)
Показатели и KPI в контексте предприятия
Описательная статистика и статистические взаимосвязи
Корреляция, причинно-следственная связь и простые регрессионные анализы
Основы доверительных интервалов и проверки гипотез
Интерпретация результатов анализа и выработка рекомендаций к действию на основе данных
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Искусственный интеллект: ИИ-менеджер с квалификацией, подтвержденной TÜV Rheinland
Основы проектов оперативного ИИ (около 5 дней)
Введение в ИИ, ML, DL, NLP и компьютерное зрение (оперативный фокус)
Роли и задачи: Создание, эксплуатация и анализ эффективности системы управления в соответствии с ISO 42001
Разграничение ролей и взаимодействие: сотрудник по ИИ, менеджер по ИИ и аудитор по ИИ
Выявление и оценка оперативных сценариев использования в компании
Инициация проекта: определение цели, масштаба, анализ осуществимости
Управление заинтересованными сторонами
Создание стоимости и окупаемость инвестиций с помощью ИИ
Успешные инициативы в области ИИ в управлении
Управление данными и использование инструментов (около 3 дней)
Подготовка, качество и интеграция данных
Выбор и внедрение инструментов и платформ искусственного интеллекта
Практические подсказки для текстовых, графических и видео приложений
Настройка простых конвейеров данных
Введение в концепцию MLOps
Варианты автоматизации ИИ в работе
Обучение, проверка и использование моделей (около 2 дней)
Обучение и проверка моделей
Процедуры тестирования: Черный ящик, белый ящик, модульные тесты
Использование моделей
Мониторинг и итеративная оптимизация
Интеграция агентов искусственного интеллекта в проекты
Управление рисками и обеспечение качества (около 2 дней)
Анализ технических рисков: метрики смещения, тесты на справедливость, анализ ошибок модели
Обеспечение качества: KPIs, мониторинг, процессы приемки
Система управления в соответствии с ISO 42001
Безопасность и объяснимость систем искусственного интеллекта
Оперативное управление проектами и agile-методы (около 2 дней)
Agile-методы: Scrum, Kanban, итеративные циклы развертывания
Планирование ресурсов и бюджета
Коммуникация с командой и заинтересованными сторонами
Текущая оптимизация и стратегии решения проблем (CIP)
Сотрудничество с внешними партнерами
Организационное развитие, руководство и управление изменениями (около 3 дней)
Анализ процессов компании
Анализ уровня зрелости, GAP-анализ
Создание дорожной карты по ИИ
Разработка стратегии и управления ИИ
Разработка устойчивой организационной структуры
Обязанности
Практическое преодоление сопротивления в операциях с ИИ
Устойчивое развитие и корпоративная цифровая ответственность (КЦО)
Работа над проектом, подготовка к сертификации и сертификационный экзамен "AI Manager с сертифицированной TÜV Rheinland квалификацией" (около 3 дней)
Возможны изменения, содержание курса регулярно обновляется.
По окончании этого курса вы будете обладать основными знаниями в области статистики, уметь выполнять сложные запросы с использованием реляционных баз данных на языке SQL и владеть языком программирования Python. В сочетании со специальными знаниями в области инженерии данных и анализа данных, преподаваемых в рамках курса, вы сможете управлять обширными массивами данных, эффективно анализировать их статистически и обобщать результаты в ясной и понятной форме.
Вы также сможете планировать и реализовывать проекты трансформации с поддержкой ИИ в соответствии со стандартами и устойчиво закреплять их в своей организации. Вы сможете максимизировать экономические выгоды, создание стоимости и окупаемость инвестиций в инициативы по внедрению ИИ, учитывать риски и требования к соответствию, а также создать устойчивую организационную структуру, управление и стратегии управления изменениями для успешного использования ИИ.
Курс рассчитан на людей с высшим образованием в области делового администрирования, математики или (бизнес) информатики и сопоставимыми квалификациями.
Поскольку компаниям приходится управлять и структурировать все большие объемы данных для анализа и постановки задач для своих бизнес-процессов, навыки анализа данных востребованы во всех отраслях.
Дополнительные знания в области искусственного интеллекта (ИИ) помогут вам как специалисту и руководителю продвигать компании вперед в процессе цифровой трансформации и использовать ИИ в качестве инструмента для повышения эффективности, принятия решений и инноваций.
Дидактическая концепция
Ваши преподаватели обладают высокой профессиональной и дидактической квалификацией и будут обучать вас с первого до последнего дня (никакой системы самообучения).
Вы будете учиться в эффективных небольших группах. Обычно курсы состоят из 6-25 человек. Общие занятия дополняются многочисленными практическими упражнениями во всех модулях курса. Практический этап - важная часть курса, поскольку именно в это время вы обрабатываете полученные знания и обретаете уверенность и практичность в их применении. Заключительный раздел курса включает в себя проект, разбор конкретных ситуаций или итоговый экзамен.
Виртуальный класс alfaview®
BildungszentrumЗанятия проводятся с использованием современной видеотехнологии alfaview® - не выходя из дома или в нашем офисе по адресу . Весь курс может видеть друг друга лицом к лицу через alfaview®, общаться друг с другом с помощью синхронизированного по губам голоса и работать над совместными проектами. Разумеется, вы также можете в любое время видеть и разговаривать со своими преподавателями в прямом эфире, и на протяжении всего курса вас будут обучать преподаватели в режиме реального времени. Уроки - это не электронное обучение, а настоящее живое очное преподавание с помощью видеотехнологий.
alfatraining Agentur für Arbeit Учебные курсы субсидируются и сертифицируются в соответствии с положением об утверждении AZAV. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinПри подаче заявки или заявки на обучение все расходы на курс обычно покрываются финансирующей организацией.
Europäischen Sozialfonds Deutsche Rentenversicherung Финансирование также возможно через программы (ESF), (DRV) или региональные программы финансирования. Berufsförderungsdienst Как постоянный солдат, вы можете посещать курсы повышения квалификации по программе (BFD). Agentur für Arbeit (Qualifizierungschancengesetz) Компании также могут повысить квалификацию своих сотрудников по программе финансирования от .