Современные технологии получения и анализа данных в "Умном городе"

О курсе

Курс сочетает фундаментальные знания и практические навыки, необходимые для работы с большими данными, построения моделей искусственного интеллекта и решения реальных инженерных задач.

В рамках программы вы научитесь:
- Программировать на Python и использовать современные библиотеки для анализа данных.
- Создавать алгоритмы и применять основы алгоритмизации для инженерных процессов.
- Работать с большими массивами данных, проводить статистический анализ и визуализировать результаты.
- Разрабатывать простые модели машинного обучения и применять их для прогнозирования и оптимизации процессов.
- Понимать принципы кибербезопасности и обеспечивать защиту данных при работе с аналитическими системами.

Курс построен с акцентом на практическую работу: лабораторные занятия, анализ реальных инженерных данных и групповые проекты позволяют закрепить теорию в реальных условиях. Выпускники смогут создавать аналитические решения для промышленности, науки, производства и высокотехнологичных отраслей, предсказывать результаты экспериментов, оптимизировать производственные процессы и внедрять современные цифровые технологии.

Программа рассчитана на студентов и специалистов технических направлений, которые хотят развивать востребованные ИТ-компетенции, связанные с анализом данных, машинным обучением и искусственным интеллектом. Освоив курс, вы получите дополнительную квалификацию "Аналитик данных", которая откроет новые карьерные возможности в научных и инженерных компаниях, ИТ-компаниях и исследовательских центрах.

Курс идеально подходит для тех, кто стремится быть на переднем крае технологий, применять знания в реальных проектах и делать свой вклад в цифровую трансформацию инженерной и научной сферы.

Перечень специальностей, студенты которых могут пройти обучение БЕСПЛАТНО:
08.00.00 Техника и технологии строительства,
13.00.00 Электро- и теплоэнергетика,
23.00.00 Техника и технологии наземного транспорта,
35.00.00 Сельское, лесное и рыбное хозяйство,
36.00.00 Ветеринария и зоотехния,
38.00.00 Экономика и управление

Что мы изучаем на курсе

Модуль 1. Концепция "Умный город" и технологии цифровой трансформации − +

Тема 1. Концепция "Умный город" как современная модель управления развитием муниципального образования;
Тема 2. Современные технологии управления умным городом;
Тема 3. Бережливые технологии в умном городе и цифровизация сфер городского хозяйства;
Тема 4. Концепция “Умный город” как инструмент реализации клиентоцентричности в государственном управлении.

Модуль 2. Современные технологии получения данных в городской среде. − +

Тема 1. Применение сквозных цифровых технологий в "Умном городе";
Тема 2. Получение данных с беспилотных летательных аппаратов (БПЛА);
Тема 3. Получение данных с помощью технологии Iot;
Тема 4. Прием данных со спутников дистанционного зондирования Земли.

Модуль 3. Геоинформационные системы. − +

Тема 1. ГИС технологии. Начальные сведения;
Тема 2. Принципы организации ГИС;
Тема 3. Методы пространственного анализа и моделирования;
Тема 4. Источники и средства ввода/вывода пространственной информации ГИС;
Тема 5. Цифровые двойники сооружений в умном городе;
Тема 6. Программное обеспечение современных ГИС платформ.

Модуль 4. Введение в математическую статистику. − +

Тема 1. Существенные понятия математической статистики;
Тема 2. Статистическое моделирование случайных величин в MS Excel;
Тема 3. Статистические методы изучения взаимосвязей явлений и процессов в MS Excel.

Модуль 5. Основы программирования на Python. − +

Тема 1. Введение в Python и Jupyter Notebook. Python без программирования;
Тема 2. Контейнеры в языке Python. Основные конструкции языка Python;
Тема 3. Функции, модули и библиотеки в языке Python;
Тема 4. Работа с текстовыми данными. Работа с табличными данными.

Модуль 6. Анализ данных и элементы машинного обучения. − +

Тема 1. Роль математической статистики и теории вероятностей при анализе данных, средства статистического анализа данных;
Тема 2. Подготовка данных к статистическому анализу;
Тема 3. Возможности визуального анализа данных;
Тема 4. Статистические числовые характеристики многомерных данных;
Тема 5. Выявление линейной зависимости. Элементы корреляционного и регрессионного анализа;
Тема 6. Кластерный анализ (кластеризация) данных;
Тема 7. Оценивание неизвестных параметров закона распределения данных.

Модуль 7. Основы кибербезопасности. − +

Тема 1. Основные понятия кибербезопасности;
Тема 2. Инструменты атакующих. Виды кибератак;
Тема 3. Сферы кибербезопасности;
Тема 4. Будущее кибербезопасности;
Тема 5. Безопасность сетей;
Тема 6. Безопасность приложений;
Тема 7. Анализ вредоносных программ;
Тема 8. Цифровая криминалистика и реагирование на инциденты.

Порядок зачисления