Тема1. Взаимосвязь ИИ, Больших данных и машинного обучения
Тема 2. Задачи и Алгоритмы машинного обучения
рассматриваются основные задачи машинного обучения(Искусственного интеллекта):регрессия, классификация, кластеризация, выявления аномалий(например спамовые или мошеннические звонки).
Какой алгоритм предназначен для решения той или иной задачи. Специфика алгоритма.
Рассматриваются следующие алгоритмы:МНК,Логистическая регрессия,К-ближайших соседей, Случайный лес и другие
В рамках данного курса раскрывается сущность понятий UX и UI: подходы дизайнеров User Experience (UX) и дизайнеров пользовательского интерфейса (UI). Особое внимание уделяется учету психологии пользователей при проектировании интерфейсов. Рассматриваются вопросы дизайна на основе данных (Data Driven Design); разработки и визуализация концептов; тестирования и трансформации концепций.
Размер программы:
36 часов (24 часа аудиторных занятий, 12 часов самостоятельного изучения материалов)
Освоение курса связанно с изучением теоретических основ статистики, теории вероятностей и получением комплексных знаний по практическому использованию методов обработки и анализа информации в бизнес - среде. Изучение курса позволяет использовать полученные знания на практике при обработке первичных данных, представлении полученных результатов в виде таблиц, графиков, диаграмм, построении обобщающих показателей.
Размер программы:
72 часа (32 часа аудиторных занятий с преподавателем, 40 часа самостоятельного изучения материалов)
В результате изучения Программы слушатели приобретут навыки системного анализа потребностей рынка, создания потребительской ценности по методике дизайн-мышления, а также получат комплексное представление о технологиях генерирования инновационных решений и проверки спроса на решения со стороны рынка с помощью постоянного взаимодействия с конечным потребителем.
В результате освоения Программы слушатель должен:
Размер программы:
36 часов (24 часа аудиторных занятий с преподавателем, 12 часов самостоятельного изучения материалов)
Программа направлена на изучение основных инструментов стратегического маркетинга, которые используются в практике международных и российских компаний для внедрения системы стратегического управления, реализации основных функций маркетинга, определения целевых рынков, разработки целевого позиционирования и создания конкурентных преимуществ компании.
Размер программы:
72 часа (36 часов аудиторных занятий с преподавателем, 36 часов самостоятельного изучения материалов)
Ментальные модели и работа с ними. Матрица Эйзенхауэра.
1
1
2
4
3.
Системное мышление. Законы систем. Организация как система. Кибернетическая модель управления современной организацией.
2
2
4
4
4.
Генезис и главное содержание стратегического менеджмента
1
0
1
4
5.
Конкурентоспособность современной организации и ее анализ. Роль и структура внешней среды организации в развитии и поддержании ее конкурентоспособности.
1
2
3
4
6.
Иерархическая модель стратегического менеджмента. Экономический закон выживания малого предприятия. Роль и виды корпоративной, бизнес-, и функциональных стратегий. Цепочка ценностей и бизнес-модель организации.
2
2
4
6
7.
Методы стратегического анализа внешней и внутренней среды. Сценарное планирование как метод ситуационного анализа в условиях неопределенности.
2
4
6
6
8.
Стратегические цели: виды, иерархия, формулирование, обоснование. Структура корпоративной стратегии.
1
1
2
4
9.
Инновационные стратегии. Концепции «живой компании», «научающейся организации». «Управление стратегическими изменениями». Ресурсная теория стратегического менеджмента. Стратегические корневые компетенции Г.Хамела и К.Прахалада
1
3
4
10.
Стратегический менеджмент как бизнес-процесс в современной организации. Стратегическая сессия. Процесс формулирования корпоративной стратегии.
2
2
4
4
11.
Организация реализации стратегического плана. Взаимосвязь стратегического менеджмента и проектного управления.
Искусственный интеллект для бизнеса
Теоретическая часть
Тема1. Взаимосвязь ИИ, Больших данных и машинного обучения
Тема 2. Задачи и Алгоритмы машинного обучения
рассматриваются основные задачи машинного обучения(Искусственного интеллекта):регрессия, классификация, кластеризация, выявления аномалий(например спамовые или мошеннические звонки).
Какой алгоритм предназначен для решения той или иной задачи. Специфика алгоритма.
Рассматриваются следующие алгоритмы:МНК,Логистическая регрессия,К-ближайших соседей, Случайный лес и другие