2 félév, 18 alkalom, 90 óra*
|
a képzés indulása: 2024. április 19. |
jelentkezési határidő: 2024. április 15. |
|
képzési alkalmak: péntekenként 13-18 óra közt |
szükséges képzettség: érettségi |
|
helyszín: CEU Budapest 1051 Budapest, Nádor utca 15. |
|
|
részvételi díj: 1.280.000 Ft + Áfa (részletfizetési lehetőségért érdeklődj kollégánknál) |
|
* a változtatás jogát fenntartjuk
Az adatok nyelvét beszélő specialisták, azaz a Data Scientistek a legkeresettebb szakemberei közé tartoznak.
Data Science képzésünk korántsem csak matematikusoknak, fizikusoknak vagy informatikusoknak szól. Sikeres végzett friss adattudós hallgatóink között van pszichológus, építész, jogász vagy marketingszakember is.
Adatelemző képzésünk hallgatói számára egy órás ingyenes szakmai konzultációt biztosítunk, ahol saját cégen belül felmerülő, stratégiai szintű „adatos” kihívások, lehetőségek, problémák megkonzultálására lesz lehetőség. Olyan kérdésekben segítünk mint például: Hogy lehet szervezeten belül kompetenciát építeni? Hol kezdjük el az adatvezéreltséget? Hogyan induljunk el? Vannak üzleti problémáink, ezeket meg lehet oldani adatokkal? Vannak adataink, mit lehet ezekkel kezdeni?
Szívesen meghallgatnád a képzés átfogó tematikáját? Akkor iratkozz fel hírlevelünkre, és mi küldjük is neked a tematikáról szóló videót.
Megkérdeztük hallgatóinkat, miért jelentkeztek a képzésre, és miben változott az, ahogy dolgoznak:
"Hittem benne, hogy nemcsak matematikusok számára érthető módon lesz megközelítve az adatelemzés és a modellezés, és igazam lett. Pontosan arra kaptunk választ ezen a képzésen, hogy hogyan működnek a modellek, milyen előnyöket élvezhetünk használatuk során, a felmerülő kérdéseink mentén melyik modellt, módszert alkalmazzuk."
Olvasd el a pénzügyi szektorból érkező Antal Violettával készült teljes interjút!
A KÉPZÉS SZAKMAI PARTNERE:
Kovács Gyula
KÜRT Akadémia Data Science képzés képzésvezetője, Managing Director, Co-Founder at Neuron Solutions
Damsa Andrei
KÜRT Akadémia Data Science képzés szakmai vezetője, Artificial Intelligence Consultant at Neuron Solutions
Márton a CMS Budapest kereskedelmi jogi csoportjának szenior tanácsadója, adatvédelem, mesterséges intelligencia, szellemi tulajdonjog, kereskedelmi tranzakciók és a TMT szektor a szakterületei. A regionális adatvédelmi csoport koordinátora. Rendszeresen tart előadásokat (pl. Internet Hungary, Jogi Fórum, Infotér) és publikál cikkeket (pl. IAPP Privacy Perspectives, OneTrust DataGuidance, Thomson Reuters’ Data Privacy Advisor) elsősorban a mesterséges intelligencia, az adatvédelem és a compliance témakörében. A Direkt és Interaktív Marketing Szövetség Adatvédelmi Tagozatának elnöke, továbbá a KÜRT Akadémia és a Pécsi Tudományegyetem Infokommunikációs szakjogász képzésének oktatója. Márton tagja a magyar Mesterséges Intelligencia (MI) Koalíciónak, ahol folyamatos és aktív szerepet vállal a különböző munkacsoportokon belül, elsősorban a szabályozási munkacsoportban.
Dr. Domokos Márton
Szenior tanácsadó, Regionális adatvédelmi csoport koordinátora, Kereskedelmi jog, TMT, Adatvédelem
10+ éves, elsősorban kvantitatív kutatói tapasztalattal rendelkezik, főképp healthcare területen. Az egészségügyhöz kapcsolódó szakmai előéletében adatelemző cég, médiaügynökség, piackutató cégek, gyógyszeripari vállalat, tanácsadó cég egyaránt szerepel, emellett a Semmelweis Egyetem aktív oktatója volt. Szociológusként mindig is érdekelték a rejtett összefüggések az adatokban, és ezek társadalmi haszonként való alkalmazhatóságai. Hiszi, hogy a digitalizációval és az új generációs statisztikai módszerekkel – mint az AI – kimagasló eredmények érhetőek el a gyógyítás és a betegellátás terén. Nóra Data Science és AI Technológia képzésünket is elvégezte, ezért ha bárki ezzel kapcsolatban szeretne kérdéseket feltenni, a legjobb forráshoz fordulhat.
Szalóczy Nóra
AI és Data Sciences szakértő, Egészségszociológus
Simonyi András számítógépes nyelvész, filozófus. Korábban az Analogy Zrt., az MTA-PPKE Magyar Nyelvtechnológiai Kutatócsoport és az Alkalmazott Logikai Laboratórium kutató-szoftverfejlesztője, jelenleg szabadúszó. Több mint egy évtizede foglalkozik intelligens rendszerek tervezésével és fejlesztésével, szűkebb szakterülete a számítógépes szemantika.
Simonyi András
Szenior NLP kutató és fejlesztő
Klasszikus pályaelhagyó bölcsész, aki a filozófia szak után áttért a szintén komplex rendszerekkel foglalkozó adatvizualizáció tudományterületére. Pályafutását a Szegedi Tudományegyetemen kezdte, ahol többek között üzleti dashboardok készítésével és kutatásával foglalkozott. Mihály közel három éve tagja a Starshcema csapatának és elsősorban Tableau-ban kivitelezett adatvizualizációs projekteken dolgozik. Emellett vendégelőadóként oktat az ELTE-n, a PTE-n és a BGE-n. Úgy gondolja, a következő évek nagy feladata a hazai szakmai közéletben egy adatvizualizációs kerekasztal létrehozása lesz.
Minkó Mihály
Dashboard fejlesztő és designer, Starschema
Mesterdiplomáját az Eötvös Loránd Tudományegyetemen és doktori fokozatát a düsseldorfi Heinrich Heine Egyetemen matematikai nyelvészetből szerezte, több éven át ezen a területen folytatott kutatói és egyetemi oktatói munkát. Néhány éve szabadúszóként változatos adattudományi és gépi tanulási projektekben kezdett el dolgozni: többek közt kurzormozgás alapú vásárlói hajlandóság előrejelzésével, árucikkek piaci forgalmával, illetve opciós kereskedési folyamatokkal kapcsolatos munkákban vett részt. Jelenleg a Neuron Solutions MI szakértője és oktatója.
Gyarmathy Zsófia
Data Scientist, Neuron Solutions
A modul célja megalapozni a második (modellezési) modult, bemutatva az adattudomány témakörét, főbb fogalmait, területeit és módszertanát (érintve a mesterséges intelligencia világát is). A hallgatók megismerkednek a Python programozási nyelvvel és annak adattudományi alkalmazásával.
A modul elvégzése után a hallgatók képesek lesznek meghatározni az adattudomány témaköréhez kapcsolódó főbb fogalmakat és irányokat, valamint alapvető tudást szereznek a Python programozási nyelv adattudományi vetületében.
#datascience #adattudós #gépitanulás #mesterségesintelligencia #döntéshozatal #automatizáció #adat #információ #ökoszisztéma #menedzsment #adatvezérelt #dsplatformok #adattárolás #adatminőség #datawarehouse #datalake #adatmérnök #adatmintérték #rejtettinformáció #adatmegértés #vizualizáció #látványos #felhasználóiélmény #bigdata #apachespark #cloud #thinkbig #datastream #dataservices #python #programozás #alapok #változók #operátorok #függvények #osztályok #MLmodulok #numpy #pandas #modellezés #vizualizáció #matplotlib #seaborn #plotly
Az előző modulban szerzett horizontális tudás és Python tapasztalatok mentén a modul célja bemutatni az adattudomány és a gépi tanulás modellezési technikáinak főbb irányvonalait, gyakorlati oldalon programozási kódok segítségével.
A hallgatók a modul elvégzése után képesek lesznek felismerni a főbb adattudomány és gépi tanulási feladatokat, valamint az adott helyzetben alkalmazandó eljárásokat. A Python kódok ismeretében a hallgatók képesek lesznek alkalmazni a különböző adatelőkészítési, modellezési, valamint az eredmények értelmezésére irányuló technikákat, így azonnal alkalmazható tudást szereznek.
#gépitanulás #algoritmusok #nemfelügyelttanulás #adatcsoportotsítás #mintázatkeresés #profilozás #üzletialkalmazás #vásárlóiviselkedés #piacszegmentáció #targetáltmarketing #nemfelügyelttanulás #anomália #kiugróérték #visszaéléskeresés #üzletialkalmazás #felügylettanulás #osztályozás #predikció #kiértékelés #lemorzsolódáspredikció #üzletialkalmazás #regresszió #árpredikció #idősorosadatok #trendek #szezonalitás #előrejelzés #természetesnyelvfeldolgozás #NLP #GPT #információkinyerés #névelemek #szentimentelemzés #közösségimédia #ajánlások #hálózatok #reco
• Adatvezérelt döntéshozatal
• Jogi aspektusok
• Adatvizualizáció
• Dashboardok
• Prezentációs technikák
A modul bevezetést ad az adattudományhoz kapcsolódó szervezeti területekbe, olyan témaköröket érintve, mint például az adatvezérelt működés, a jogi-szabályozási kontextus, vagy az információ kommunikációjának módszertana. A modul elvégzése után a hallgatók képesek lesznek keretben látni az adattudományhoz és a mesterséges intelligenciához kapcsolódó szervezeti folyamatokat, elsajátítják a hatékony adatvizualizációs, prezentációkészítési, valamint előadási technikákat.
#GDPR #mitszabad #mitnemszabad #veszélyek #szabályozás #corpo #szervezetiátalakulás #datadriven #aidriven #mitkelltenni #disztruptív #piacielőny #buildorbuy #automatizáció #információátadás #interaktívfelületek #műszerfalak #adatvizualizáció #riportok #prezentáció #storytelling #történetazadatban #hogyanmondjamel #karizma #prezentáció #vizsgafeladat #szakmaizsűri #egymástóltanulunk
A vizsga során a képzés elején csoportba osztott hallgatók bemutatják a képzés során összeállított projektjüket, amely egy adattudományi feladatot dolgozz fel. A projekt elkészítésekor a hallgatók fel kell használják a képzés során elsajátított tudást, mely a feladat kiválasztásától kezdve, az adatok tisztításán és értelmezésén át, a modellezési folyamatokon keresztül egészen az eredmények előállításáig, valamint a megfelelő vizualizációs eszközök kiválasztásáig és bemutatásáig tart. A vizsga elvégeztével, valamint a projekten való munka segítségével a hallgatók tapasztalatot szereznek egy valós adattudományi projekt elkészítésében, a szakértők mentorálásán és támogatásán keresztül. A projektek alapjául szolgáló kérdéskört vagy adathalmazt rendszerint a hallgatók hozzák, így az eredmények akár azonnal alkalmazhatók szervezeti kontextusban is.
A vizsga projekt során a prezentációk az alábbi kérdésköröket érintik:
• Mi a projekt célja, milyen üzleti kérdésre/kihívásra keresi a választ/megoldást?
• Milyen megközelítés kerül alkalmazásra a cél elérésére?
• Milyen adatok kerülnek felhasználásra? Honnan származnak az adatok? Milyen módosításokat/ tisztítást kell elvégezni az adatokon?
• Milyen technológia/algoritmus kerül alkalmazásra?
• Milyen eredmények vannak?
• Hogyan értelmezhetők az eredmények az üzleti kérdés mentén
Minkó Mariann
Dr. Szabó Tünde
GEO Insight Kft., MTA CSFK
Tornyai Péter
Head of risk policyMagyar Cetelem Bank
Borsos Gábor
Parti Tamás
