В результате освоения программы слушатель должен приобрести следующие знания, умения и навыки:

Знать: 

• понятие, виды и типы данных, методы сбора и подготовки данных к анализу; 
• способы отбора методов поиска, сбора, очистки, хранения, обработки, анализа и визуализации данных; 
• методы поиска информации; 
• аппарат анализа данных: статистический анализ, семантический анализ, машинное обучение, кластерный анализ, факторный анализ, деревья классификации, нейронные сети, и др.; 
• современный опыт решения задач анализа больших данных; 
• методы обработки количественных данных; 
• инструменты обработки и анализа данных; 
• понятие неопределенности исходных данных и ее виды; 
• этапы решения прикладных задач с учетом неопределенности исходных данных; 
• модели и методы решения прикладных задач с учетом неопределенности исходных данных; 
• понятия неопределенности в условиях и ограничениях прикладных задач; 
• модели и методы решения с учетом неопределенности условий и ограничений в прикладных задачах; 
• инструменты обработки данных c учетом неопределенности; 
• виды интеллектуальных систем представления знаний, основные компоненты систем представления знаний; 
• основные модели представления знаний; 
• особенности применения представлений знаний в области машинного обучения; 
• извлечение знаний, языки представления знаний и механизмы логического вывода.

Уметь: 

• анализировать способы поиска, сбора, хранения данных; 
• проводить сравнительный анализ методов и инструментальных средств анализа данных; 
• решать задачи кластеризации, регрессии, прогнозирования, снижения размерности и ранжирования данных; 
• управлять информацией и данными при решении прикладных задач; 
• адаптироваться к новым задачам, новым условиям; 
• применять имеющуюся информацию для решения прикладных задач; 
• проводить сравнительный анализ моделей, методов и инструментальных средств анализа данных для решения прикладных задач с учетом неопределенности; 
• принимать обоснованные решения для прикладных задач с учетом различных видов неопределенности; 
• применять критическое мышление при выборе методов и инструментов решения задач.

Иметь навыки: 

• поиска информации при решении прикладных задач; 
• применения различных инструментальных средств анализа данных для решения задач; 
• использования моделей и методов для решения задач анализа данных; 
• применения различных инструментальных средств при решении прикладных задач с учетом различных видов неопределенности; 
• использования моделей и методов при решении прикладных задач с учетом различных видов неопределенности.