Курс Ok, Data!

Курс Data Science для нетехнічних спеціалістів. Після закінчення навчання ви зможете самостійно написати прості SQL запити, скласти звіти у Power BI або ж зробити прототип DS-проєкту.

Програма курсу

Вступна лекція. Робота з даними

• Розберемося, які існують типи даних і чому вони важливі для проєкту
• Дізнаємося, де можна брати дані, як всередині вашого проєкту, так і за його межами
• Розглянемо, які види Data Science існують
• Порівняємо позиції Data Engineer та Data Analyst і дізнаємося їхні основні відмінності, а також де закінчується їх зона відповідальності і починається робота менеджера
• Проведемо воркшоп із підготовки даних для тренування моделі на прикладі e-commerce

Написання SQL запитів

• Вивчимо основні артефакти даних: бази даних, таблиці, атрибути
• Поговоримо про Big Data і яку користь від цього можна мати
• Розглянемо, коли використовувати SQL, а коли віддати перевагу NoSQL
• Попрактикуємось в написанні базових запитів:
  • Вчимося створювати вибірки даних (SELECT)
  • З'єднуємо таблиці (JOIN)
  • Збираємо дані (AGGREGATIONS)

Вибір правильного підходу в DS

Дізнаємося, які завдання можна вирішити за допомогою DS\ML і що потрібно для початку впровадження технології у своєму проєкті, розібравши:

• Як визначити проблему для вирішення
• Як сформувати гіпотезу зростання
• Як оцінити вплив гіпотези на продукт
• Які бізнес ресурси потрібні для початку роботи над гіпотезою

Побудова моделі

• Типова архітектуру DS\ML проєкту
• Будуємо модель власноруч, щоб зрозуміти, як створити MVP вашого Data Science проєкту
• Оцінюємо результат роботи моделі. Критерії якості моделі та підсумки роботи Machine Learning команди
• Визначаємо Machine Learning моделі для чотирьох типів завдань:
  • Ціноутворення
  • Класифікація відгуків
  • Розпізнавання зображення
  • Побудова чат-бота

Побудова Machine Learning команди всередині компанії

• Побудова Machine Learning команди і кого треба наймати для створення MVP вашого проєкту
• Зони відповідальності на етапі MVP і за повного циклу розробки. Визначимо, як впроваджувати Data Science в вашому проєкті або продукті
• Розглядаємо Agile практики з управління DS/ML проєктами і чим вони відрізняються від традиційної розробки

Data Science для розрахунку LTV

• Обговоримо поняття статистичної значущості. Робимо прогноз LTV за допомогою статистичних методів
• Зробимо аналогічний прогноз LTV за допомогою DS методів
• Проаналізуємо нюанси передбачення відтоку клієнтів (churn)
• Вчимося приймати рішення на основі прогнозів за допомогою churn моделей
• Як сегментування клієнтів разом із передбаченням LTV і відтоку клієнтів може допомогти в оптимізації бізнесу

NLP для оптимізації Support команди

• Обговоримо, як за допомогою методів обробки природної мови та active learning оптимізувати роботу відділу підтримки клієнтів
• Розберемося, як впровадити їх у себе в проєкті
• Застосуємо кілька алгоритмів, які допоможуть з визначенням тем і обробкою коментарів
• Розглянемо, коли краще використовувати алгоритми навчання без вчителя

Візуалізація даних

Основні інструменти для візуалізації:

• Excel
• Tableau
• PowerBI
• QlikView
• Pentaho
• Birst

Візуалізація даних за допомогою Power BI

• З'єднуємо джерела
• Створюємо діаграми
• Використовуємо фільтри і агрегацію
• Налаштовуємо dashboards
• Розбираємося з delivery і експортом

Впровадження NLP в компанію

• Стандартний NLP pipeline
• Поставлене бізнес завдання і процес впровадження конкретного рішення з вибором компонентів
• Розмітки даних для тренінгу, тренінг DNN, використані метрики
• Інтеграція технічного рішення з інфраструктурою бізнесу

Особливості курсу

• Курс розрахований на поглиблення навичок для Project Managers, Product Managers, Business Analysts, Business Owners
• Викладачі мають великий досвід роботи у різних компаніях
• Персональні консультації по розвитку кар'єри
• Рекомендації по покращенню резюме та портфоліо
• Допомога в пошуку релевантних вакансій
• Можливе повернення коштів після двох занять, якщо не сподобається

Викладачі курсу

• Сергій Брандіс - Co-founder AI в startup Aidrome
• Кирило Юрченко - DS Architect в GlobalLogic
• Сергій Пінігін - Director of Product в Adwiser