[əd'vɑ:nst]

Образовательные курсы по анализу данных в бизнесе

A²NCED
Математика
и статистика
Компьютерные науки
Курсы A²NCED — это фокус на предметную область
Предиктивное обслуживание
Кредитные риски

Клиентская аналитика

Цепочки поставок
MLOps и ModelOps
Предметная область
Специалист по анализу данных должен владеть знаниями, умениями и навыками из трёх дисциплин: математика, компьютерные науки и так называемая предметная область — общий бэкграунд
и понимание контекста задач бизнеса, к которым применяется анализ данных

Data Science

— это
Команда и эксперты
Решения для бизнеса
Как выглядит сквозной процесс между системами?
Образование
для образованных
Быстро и качественно
Как взаимодействуют сотрудники?

A²NCED

Более 10 лет опыта и 300+ проектов по анализу данных во всех ключевых индустриях: Банки, Промышленность, Телеком, Ритейл
Если вы уже разбираетесь в технологии, хотите знать больше про предметную область, но существующие курсы для вас слишком скучны — у нас есть решение!
Решения для бизнеса в областях: маркетинг, управление рисками, автоматизация ML процессов
Design creates culture. Culture shapes values. Values determine the future.
Специалисты по Data Science компаний, которые хотят развиваться в синьоров и тимлидов
5. РобоБух проводит
сверку автоматически
Старшие специалисты по DS или тимлиды, которые хотят расширить свои компетенции в новых бизнес-областях
Специалисты и руководители бизнес-подразделений, которые хотят разобраться, как Data Science поможет их бизнесу
Кому подойдут
наши курсы?
Чему смогут научиться
участники курса
Практически подходить к решению задач в области маркетинга, управления рисками, аналитики цепочек поставок и промышленности
Правильно организовать процесс разработки моделей и внедрения их в продуктив
Пополнить свой рабочий DS-инструментарий готовыми шаблонами проектов
Получить поддержку от преподавателей на протяжении всего обучения, проверку домашних заданий, общение с коллегами в закрытом чате
Официальный и красивый сертификат
о прохождении курсов. Полезный!
Практический MLOps
Как организовать рабочее место специалистов по анализу данных и какие технологии могут упростить их жизнь? Как добиться воспроизводимости результатов анализа данных и модельных экспериментов? Как управлять пайплайнами обучения, внедрения и применения моделей?

День 1
Лучшие практики и технологии для организации рабочего места специалистов по анализу данных и машинному обучению.

День 2
Версионирование данных и обеспечение воспроизводимости результатов моделирования с использованием DVC.

День 3
Управление модельными экспериментами и снова обеспечение воспроизводимости на базе инструмента mlflow. Форматы хранения и передачи обученных моделей.

День 4
Внедрение моделей: соберем все наши знания из предыдущих уроков и выстроим процесс доставки моделей в промышленный контур.

День 5
Автоматизация процессов применения моделей и мониторинг качества. Автоматизация процессов повторного и непрерывного обучения модулей в также управление жизненным циклом моделей в целом. 

Анализ данных в целевом маркетинге
Какие этапы проходит каждый из ваших клиентов? Как ML и продвинутая аналитика помогают увеличить взаимную выгоду для вас и ваших клиентов на каждом из этих этапов?

День 1
Этапы жизненного цикла клиента. Основные задачи целевого маркетинга в работе с новыми клиентами. Сбор и подготовка данных и переменных.

День 2
Определение склонности клиентов к покупке продукта. Основные подходы и “подводные камни” в моделировании склонности. Планирование модельных маркетинговых кампаний Особенности работы с естественным и целевым трафиком.

День 3
Отклик на предложение о приобретении продукта. Отличия моделирования отклика на продукт от моделирования склонности. Сложности и типичные ошибки при моделировании отклика.

День 4
Отток и удержание. Возможности целевого маркетинга в задачах оттока и удержания. Определение оттока и формулировка целевого события. Планирование модельных кампаний по удержанию и реактивации.
Рейтинговое моделирование и оценка ожидаемых потерь
Что такое скоринг? Почему задачи оценки кредитных рисков важны не только для банков? Что такое PD, LGD, EAD и EL?


День 1
Риск-менеджмент и классификация рисков. Обзор задач моделирования кредитных рисков в финансовом секторе и других индустриях. Framework типового проекта. Обзор регуляторных требований на примере ПВР и МСФО9.

День 2
Данные и целевые события для моделирования компонент кредитного риска. Определение дефолта и модельного дефолта. Особенности профилирования данных, подходы к расчету агрегатов и переменных.

День 3
Задача рейтингового моделирования. Модель в формате скоринговой карты для оценки вероятности дефолта (PD). Применимость других методов машинного обучения. Особенности требований по интерпретируемости моделей в кредитных рисках.

День 4
Задача калибровки моделей, алгоритмы и оценка качества калибровки. Количественная и качественная валидация моделей.

День 5
Моделирование компонент ожидаемых потерь (Expected Loss): LGD, EAD. Цепочно- лестничные методы, однокомпонентные и многокомпонентные модели LGD и EAD.
Отзывы
Запишитесь на курсы A2NCED
Email
Имя и фамилия
Телефон
Какой курс вам интересен?
Я представляю
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь
c политикой конфиденциальности

Узнавайте об обновлениях
и новых курсах первыми!

Подписывайтесь на наше коммьюнити NoML (Not only Machine Learning), где мы публикуем все новости, общаемся и делимся мнениями об индустрии