Agile-управление проектами с помощью Scrum (PSPO I), аналитика данных и машинное обучение
В рамках курса рассматриваются роль и задачи владельца продукта в Scrum, включая работу с бэклогом продукта. Кроме того, изучаются основы искусственного интеллекта, анализа данных с использованием Python, больших данных, информационных панелей и текстового майнинга. Кроме того, ты освоишь полный рабочий процесс машинного обучения — от подготовки данных и разработки моделей до оценки и интерпретации результатов.
-
Тип степени: Сертификат "Профессиональный владелец продукта Scrum (PSPO I) от Scrum.org"
Сертификат "Аналитика данных
Сертификат "Машинное обучение -
Итоговый экзамен: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Scrum.org-Zertifizierung PSPO I - Professional Scrum Product Owner (in englischer Sprache) -
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: 12 Недели
Agile-управление проектами с помощью Scrum: Product Owner (PSPO I)
Основы Scrum (около 2 дней)
Определение Scrum
Эмпирическое управление процессом
Прозрачность
Проверка
Адаптация
Ценности Scrum (приверженность, сосредоточенность, открытость, уважение, смелость)
Команда Scrum (около 1 дня)
Владелец продукта
Разработчики
Скрам-мастер
Обязанности (владелец продукта, скрам-мастер, разработчики)
Самоуправляющиеся команды
События Scrum (около 3,5 дней)
Временной интервал
Спринт
Планирование спринта
Ежедневный скрам
Обзор спринта
Ретроспектива спринта
Артефакты (около 3 дней)
Прозрачность и возможность проверки
Бэклог продукта
Спринт-бэклог
Инкремент
Определение завершенности
Владелец продукта в Scrum (около 3,5 дней)
Задачи владельца продукта в Scrum
Видение продукта и стратегия продукта
Выявление и анализ требований
Приоритезация и максимизация ценности
Принятие решений по продукту с учетом рисков и ценности
Показатели продукта и оценка успеха
Анализ отзывов пользователей с помощью ИИ для определения приоритетов
Пересмотр списка задач продукта
Управление заинтересованными сторонами
Управление списком задач продукта (около 2 дней)
Формулирование записей
Сортировка записей
Определение целей и задач
Оптимизация работы команды разработчиков
Обеспечение прозрачности бэклога
Техники уточнения и разбиения
Прогнозирование (скорость, график выполнения/остаток)
Анализ данных с использованием ИИ для составления прогнозов
Работа над проектом, подготовка к сертификации и получение сертификата Scrum.org Professional Scrum Product Owner (PSPO I) на английском языке (около 5 дней)
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
Машинное обучение
Введение в машинное обучение и рабочий процесс ML (около 3 дней)
Основы, области применения и виды машинного обучения
Систематизация современных методов искусственного интеллекта и машинного обучения
Рабочий процесс машинного обучения с использованием scikit-learn
Данные для обучения, валидации и тестирования
Недообучение, переобучение и оценка моделей
Кросс-валидация
Подготовка данных и инжиниринг признаков (около 2 дней)
Качество данных и предварительная обработка данных
Масштабирование, нормализация и кодирование
Инженерия признаков и выбор признаков
Работа с отсутствующими значениями, выбросами и несбалансированными наборами данных
Обучение с учителем — регрессия и классификация (около 5 дней)
Методы регрессии и классификации
Линейные и регуляризованные модели
Методы, основанные на расстоянии, вероятности и деревьях
Ансамблевые и бустинг-методы
Сравнение моделей и оптимизация гиперпараметров
Метрики оценки и вероятностные прогнозы
Важность признаков и объяснимый ИИ
Обучение без контроля (около 2 дней)
Сведение размерности и извлечение признаков
Методы кластеризации и оценка результатов кластеризации
Обнаружение аномалий
Анализ временных рядов и прогнозы (около 1 дня)
Основы и анализ данных временных рядов
Методы прогнозирования и машинное обучение для временных рядов
Нейронные сети и современный ИИ (около 2 дней)
Основы нейронных сетей и глубокого обучения
Машинное обучение для текстовых данных и обработка естественного языка
Базовые модели, крупные языковые модели и генеративный ИИ
Развертывание моделей машинного обучения (около 1 дня)
Хранение и предоставление обученных моделей
Разработка простых приложений машинного обучения
Интерфейсы и платформы для моделей машинного обучения
Работа над проектом (около 4 дней)
Закрепление изученного материала
Презентация результатов проекта
Возможны изменения, содержание курса регулярно обновляется.
После этого курса вы освоите фреймворк Scrum и сможете управлять разработкой продукта в качестве владельца продукта. Вы будете знакомы с артефактами Scrum и сможете взять на себя управление бэклогами.
Кроме того, ты сможешь обрабатывать и анализировать данные с помощью Python и SQL, создавать информативные визуализации и интерактивные информационные панели с помощью Power BI, а также интерпретировать результаты анализа и доносить их до целевой аудитории. Ты сможешь целенаправленно использовать генеративный ИИ для поддержки анализа данных.
Кроме того, ты сможешь подготавливать данные для приложений машинного обучения, выбирать подходящие методы контролируемого и неконтролируемого обучения, а также обучать, оценивать и оптимизировать модели. Вы сможете интерпретировать результаты моделирования и реализовывать базовые приложения машинного обучения. Кроме того, вы будете в курсе последних достижений в области глубокого обучения и генеративного искусственного интеллекта.
Компьютерные науки, математика, электротехника и люди со степенью в области (бизнес) инженерии.
Изучая Scrum, вы познакомитесь с моделью управления проектами и продуктами, которая изначально использовалась, в частности, для гибкой разработки программного обеспечения, а теперь применяется и во многих других специализированных областях. Будучи масштабируемым методом управления проектами и разработки, она успешно используется в многочисленных масштабных проектах с несколькими сотнями членов команды. Официальный сертификат от Scrum.org - это международно признанное подтверждение вашей квалификации как владельца продукта Scrum.
Машинное обучение применяется во всех отраслях для анализа больших объемов данных, выявления закономерностей, оптимизации процессов и составления прогнозов. Соответствующие знания находят применение, в частности, в сфере ИТ, промышленности, логистики, финансов и маркетинга. Знание языка Python, а также навыки разработки, оценки и применения моделей машинного обучения открывают возможности для работы в сферах, ориентированных на данные и искусственный интеллект.
Кроме того, решения, основанные на данных, играют всё более важную роль в компаниях и организациях. Соответственно, востребованы специалисты, способные обрабатывать, анализировать и наглядно визуализировать данные из различных источников. Знания языков программирования Python и SQL, а также в области бизнес-аналитики открывают возможности для работы в сфере аналитики данных, а также в специализированных и корпоративных подразделениях, ориентированных на работу с данными.
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 .