Курс присвячений ролі та завданням власника продукту в Scrum, зокрема роботі з продуктовим беклогом. Крім того, розглядаються основи штучного інтелекту, аналізу даних на мові Python, великих даних, інформаційних панелей та текстового майнінгу. Крім того, ти ознайомишся з повним робочим процесом машинного навчання — від підготовки даних і розробки моделей до оцінки та інтерпретації результатів.
-
Тип ступеня: Сертифікат "Професійний власник продукту Scrum (PSPO I) від Scrum.org"
Сертифікат "Аналітика даних
Сертифікат "Машинне навчання -
Підсумковий іспит: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
Scrum.org-Zertifizierung PSPO I - Professional Scrum Product Owner (in englischer Sprache) -
Час занять: Повна зайнятістьЗ понеділка по п'ятницю з 8:30 до 15:35 (у святкові дні з 8:30 до 17:10)
-
Мова викладання: Німецька
-
Тривалість: 12 Тижні
Гнучке управління проектами за допомогою Scrum: Product Owner (PSPO I)
Основи Scrum (приблизно 2 дні)
Визначення Scrum
Емпіричне управління процесами
Прозорість
Перевірка
Адаптація
Цінності Scrum (відданість, зосередженість, відкритість, повага, сміливість)
Команда Scrum (приблизно 1 день)
Власник продукту
Розробники
Скрам-майстер
Обов'язки (власник продукту, скрам-майстер, розробники)
Самокеровані команди
Події Scrum (приблизно 3,5 дні)
Часовий проміжок
Спринт
Планування спринту
Щоденний скрам
Огляд спринту
Ретроспектива спринту
Артефакти (приблизно 3 дні)
Прозорість та можливість перевірки
Бэклог продукта
Спринтовий беклог
Інкремент
Визначення завершеності
Власник продукту в Scrum (приблизно 3,5 дні)
Завдання власника продукту Scrum
Візія та стратегія продукту
Визначення та аналіз вимог
Встановлення пріоритетів та максимізація цінності
Прийняття рішень щодо продукту з урахуванням ризиків та цінності
Показники продукту та оцінка успішності
Аналіз відгуків користувачів з використанням штучного інтелекту для визначення пріоритетів
Перегляд списку завдань продукту
Управління зацікавленими сторонами
Управління списком завдань продукту (приблизно 2 дні)
Формулювання записів
Сортування записів
Визначення цілей та завдань
Оптимізація роботи команди розробників
Забезпечення прозорості беклогу
Техніки уточнення та розділення
Прогнозування (швидкість, burn-up/burn-down)
Аналіз даних на основі штучного інтелекту для прогнозування
Робота над проектом, підготовка до сертифікації та сертифікація Scrum.org Professional Scrum Product Owner (PSPO I) англійською мовою (близько 5 днів)
Аналітика даних
Вступ до аналізу даних (приблизно 1 день)
Завдання, сфери застосування та типові приклади використання аналітики даних
Процеси аналізу даних та CRISP-DM
Роль аналітика даних та відмінності від таких галузей, як наука про дані, інженерія даних та бізнес-аналітика
Місце штучного інтелекту та машинного навчання в цій галузі
Python для аналізу даних (приблизно 1 день)
Робота з Jupyter Notebooks
NumPy та Pandas для аналізу даних
Імпорт та експорт даних із різних джерел, наприклад, Excel та CSV
Відбір та перетворення даних
Підготовка даних та експлоративний аналіз даних (приблизно 3 дні)
Очищення та перетворення даних за допомогою Pandas
Робота з відсутніми, помилковими та аномальними даними
Об’єднання, групування та агрегування даних
Експлоративний аналіз даних та отримання перших висновків
Основи статистичного аналізу
SQL та управління даними (приблизно 2 дні)
Реляційні бази даних та моделі даних
Запити та обробка даних за допомогою SQL
З'єднання, агрегації та аналітичні запити
Взаємодія SQL та Python в аналізі даних
Якість даних та захист даних
Підключення та використання різних джерел даних і систем баз даних
Візуалізація даних та розповідь історій на основі даних (приблизно 2 дні)
Візуалізація за допомогою Matplotlib, Seaborn та Plotly
Вибір відповідних діаграм та форм візуалізації
Опрацювання та інтерпретація результатів аналізу
Розповідь на основі даних та комунікація, орієнтована на цільову аудиторію
Power BI та інтерактивні інформаційні панелі (приблизно 2 дні)
Імпорт та обробка даних за допомогою Power Query
Моделювання даних та взаємозв’язки
Основи DAX та ключові показники
Створення інтерактивних звітів та інформаційних панелей
Візуалізація та комунікація бізнес-показників
Огляд альтернативних рішень у сфері бізнес-аналітики та візуалізації
Аналіз даних із використанням штучного інтелекту (приблизно 2 дні)
Застосування генеративної штучної інтелекту в робочому процесі аналізу даних
Підготовка, аналіз та візуалізація даних за допомогою штучного інтелекту
Допомога у створенні запитів на Python та SQL
Формування запитів для аналізу даних та інтерпретація результатів
Критична оцінка джерел даних, а також виявлення синтетичних та неправдоподібних даних
Забезпечення якості, захист даних та відповідальне використання штучного інтелекту
Бізнес-аналітика та основи статистики (приблизно 2 дні)
Показники та KPI в контексті підприємства
Описова статистика та статистичні залежності
Кореляція, причинно-наслідковий зв’язок та прості регресійні аналізи
Основи довірчих інтервалів та перевірки гіпотез
Інтерпретація результатів аналізу та формулювання рекомендацій щодо дій на основі даних
Робота над проектом (близько 5 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Машинне навчання
Вступ до машинного навчання та робочого процесу ML (приблизно 3 дні)
Основи, сфери застосування та види машинного навчання
Систематизація сучасних методів штучного інтелекту та машинного навчання
Робочий процес машинного навчання з використанням scikit-learn
Дані для навчання, валідації та тестування
Недостатнє пристосування, надмірне пристосування та оцінка моделей
Перехресна валідація
Підготовка даних та інженерія ознак (приблизно 2 дні)
Якість даних та попередня обробка даних
Масштабування, нормалізація та кодування
Інженерія ознак та вибір ознак
Робота з відсутніми значеннями, випадаючими значеннями та незбалансованими наборами даних
Навчання з наглядом — регресія та класифікація (приблизно 5 днів)
Методи регресії та класифікації
Лінійні та регуляризовані моделі
Методи, засновані на відстані, ймовірності та деревах
Ансамблеві та бустінгові методи
Порівняння моделей та оптимізація гіперпараметрів
Показники оцінки та ймовірнісні прогнози
Важливість ознак та пояснювана штучна інтелігенція
Автономне навчання (приблизно 2 дні)
Зменшення розмірності та виокремлення ознак
Методи кластеризації та оцінка результатів кластеризації
Виявлення аномалій
Аналіз часових рядів та прогнози (приблизно 1 день)
Основи та аналіз даних часових рядів
Методи прогнозування та машинне навчання для часових рядів
Нейронні мережі та сучасний штучний інтелект (приблизно 2 дні)
Основи нейронних мереж та глибокого навчання
Машинне навчання для текстових даних та обробка природної мови
Базові моделі, великі мовні моделі та генеративний штучний інтелект
Розгортання моделей машинного навчання (приблизно 1 день)
Зберігання та надання навчених моделей
Розробка простих додатків машинного навчання
Інтерфейси та платформи для моделей машинного навчання
Робота над проектом (приблизно 4 дні)
Закріплення вивченого матеріалу
Презентація результатів проекту
Можливі зміни, зміст курсу регулярно оновлюється.
Після цього курсу ви опануєте фреймворк Scrum і зможете керувати розробкою продукту як власник продукту. Ви будете знайомі з артефактами Scrum і зможете взяти на себе управління беклогом.
Крім того, ти зможеш обробляти та аналізувати дані за допомогою Python і SQL, створювати інформативні візуалізації та інтерактивні інформаційні панелі за допомогою Power BI, а також інтерпретувати результати аналізу та доносити їх до цільової аудиторії. Ти зможеш цілеспрямовано використовувати генеративну штучну інтелігенцію для підтримки аналізу даних.
Крім того, ти зможеш готувати дані для застосувань машинного навчання, обирати відповідні методи контрольованого та неконтрольованого навчання, а також навчати, оцінювати та оптимізувати моделі. Ти зможеш інтерпретувати результати моделювання та реалізовувати базові додатки машинного навчання. Також ти будеш обізнаний із сучасними розробками у сфері глибокого навчання та генеративної штучного інтелекту.
Комп'ютерні науки, математика, електротехніка та люди з вищою освітою в галузі (бізнес) інженерії
Зі Scrum ви вивчите модель процесу управління проектами та продуктами, яка спочатку використовувалася, зокрема, для гнучкої розробки програмного забезпечення, але зараз також використовується в багатьох інших спеціалізованих сферах. Як масштабований метод управління проектами та розробки, він успішно використовується в численних великомасштабних проектах з кількома сотнями членів команди. Офіційний сертифікат від Scrum.org надає вам міжнародно визнане підтвердження вашої кваліфікації Scrum Product Owner.
Машинне навчання застосовується в різних галузях для аналізу великих обсягів даних, виявлення закономірностей, оптимізації процесів та складання прогнозів. Відповідні знання знаходять застосування, зокрема, в ІТ, промисловості, логістиці, фінансах та маркетингу. Знання мови Python, а також навички розробки, оцінки та застосування моделей машинного навчання відкривають можливості для роботи в сферах, орієнтованих на дані та штучний інтелект.
Крім того, рішення, що ґрунтуються на даних, відіграють дедалі важливішу роль у компаніях та організаціях. Відповідно, існує потреба у фахівцях, які вміють обробляти, аналізувати та наочно візуалізувати дані з різних джерел. Знання мов програмування Python та SQL, а також бізнес-аналітики відкривають можливості для роботи у сфері аналітики даних, а також у спеціалізованих та корпоративних підрозділах, орієнтованих на роботу з даними.
Дидактична концепція
Ваші викладачі мають високу професійну та дидактичну кваліфікацію і навчатимуть вас від першого до останнього дня (без системи самонавчання).
Ви будете навчатися в ефективних малих групах. Курси зазвичай складаються з 6-25 учасників. Загальні заняття доповнюються численними практичними вправами з усіх модулів курсу. Практичний етап є важливою частиною курсу, оскільки саме в цей час ви опрацьовуєте вивчене, набуваєте впевненості та рутинності в його застосуванні. Заключний розділ курсу передбачає виконання проекту, кейс-стаді або підсумковий іспит.
Віртуальний клас alfaview®
BildungszentrumЗаняття проходять з використанням сучасної відеотехнології alfaview® - або з комфорту вашого власного будинку, або в нашому приміщенні за адресою . Весь курс може бачити один одного віч-на-віч через alfaview®, спілкуватися один з одним в якості голосу, синхронізованого по губах, і працювати над спільними проектами. Звичайно, ви також можете бачитись і спілкуватись зі своїми тренерами наживо в будь-який час, і протягом усього курсу викладачі навчатимуть вас у режимі реального часу. Уроки не є електронним навчанням, а справжнім живим викладанням віч-на-віч за допомогою відеотехнологій.
alfatraining Agentur für Arbeit Навчальні курси субсидуються та сертифікуються відповідно до положення про затвердження AZAV. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinЯкщо ви подаєте заявку на або , всі витрати на курс, як правило, покриває організація, яка його фінансує.
Europäischen Sozialfonds Deutsche Rentenversicherung Фінансування також можливе через (ESF), (DRV) або регіональні програми фінансування. Berufsförderungsdienst Як військовослужбовець строкової служби, ви можете відвідувати курси підвищення кваліфікації через (BFD). Agentur für Arbeit (Qualifizierungschancengesetz) Компанії також можуть підвищити кваліфікацію своїх працівників за допомогою програми фінансування від .