В рамках однодневного интенсивного курса вы узнаете о тонкостях внедрения Big Data в бизнесе, анализе больших объемов данных (Big Data Analytics) как неотъемлемой части любого современного бизнеса и последних тенденциях. 

Эксперты из компаний Сбербанк, Yandex, Rambler & Co научат выбирать технологии для решения ваших задач, анализировать и интерпретировать данные ставить задачи машинного обучения для оптимизации бизнес-процессов компании, а также познакомят вас с ключевыми игроками рынка больших данных и практическими кейсами из бизнеса.

Чему вы научитесь:

1. Оценивать стоимость хранения и обработки данных
2. Выбирать технологии Big Data и собирать команду для поддержки и обслуживания комплексных решений
3. Ставить задачи машинного обучения
4. Оценивать экономический эффект от внедрения решений и мониторить качество сервисов анализа данных

Для кого этот курс?

Топ-менеджеры
Узнать, как оптимизировать бизнес-процессы с помощью алгоритмов машинного обучения. Понять, какие данные для этого необходимы. Научиться формировать команду по интеграции Big Data решений. 

Мидл-менеджеры и руководители направлений / департаментов
Узнать, как оценить стоимость внедрения технологий по работе с большими данными. Научиться принимать взвешенные решения при выборе технологий хранения и обработки данных. 

Аналитики, старшие специалисты
Узнать, как корректно ставить задачи машинного обучения, оценивать экономический эффект, проводить offline, online и A/B-тестирования.

Что вы узнаете? 

1. Как основные технологические решения Big Data применяются в бизнесе, маркетинге, IT и финансовом секторе
2. Какие компании входят в число главных игроков рынка 
3. Как выбрать компанию-разработчика на аутсорсе
4. Где искать библиотеки и доступные сервисы для решения задач вашего бизнеса или проекта
5. Почему Big Data Analytics – это неотъемлемая часть любого бизнеса
6. Что такое MapReduce и Resilient Distributed Dataset (RDD)
7. Как работают экосистемы Hadoop, Spark, и в каких областях они применяются
8. Что такое метрики качества в задачах машинного обучения, и какие существуют тонкости проведения offline/online тестирования