Преподаватели

Школа Больших Данных собрала для вас высокопрофессиональных преподавателей и отраслевых экспертов с многолетним опытом практической работы в администрировании Apache Hadoop, Spark, Kafka и других кластерных решений, Data Science, Data Mining, машинном обучении, облачных вычислениях, а также прочих технологий Big Data.
prepod-n-kommisarenko.jpg

Комиссаренко Николай

Томский Политехнический Институт (Томск, 1994)
Профессиональные компетенции:
  • Сертифицированный тренер Arenadata (2019)
  • Построение Data Lake и аналитика больших данных на решениях Arenadata, Cloudera, HortonWorks, EMC (Hadoop, Isilon), Pivotal, облачные решения, cистемы хранения данных уровня enterprise, информационная безопасность
  • EMC Certified Instructor (2007)
  • Dell EMC Specialist – Cloud Architect (2006)
  • Dell EMC XtremeIO, Isilon – Storage Aministrator, Data Science Specialist (2006)
  • IT Service Manager (2006)
  • Certified Information System Security Professional (CISSP) (2006 -2010)
  • Certified Information Security Manager (CISM)
prepod-mihail-korolev.jpg

Королев Михаил

МГУ им. М.В. Ломоносова (Москва, 1992)
Профессиональные компетенции:
prepod-ermilov-dmitrij-mihajlovich.jpg

Ермилов Дмитрий

Академия Федеральной службы безопасности Российской Федерации (Москва, 2012)
Профессиональные компетенции:
  • Ведущий Data Scientist в ФГУП “Центр информационных технологий”, Москва
  • Руководитель программ в Университете искусственного интеллекта, Москва.
  • Кандидат наук (2017 год, Московский государственный университет им. М.В. Ломоносова, Москва)
prepod-oleg-konorev.jpg

Конорев Олег

Академия Федеральной службы безопасности Российской Федерации (Москва, 2012)
Профессиональные компетенции:
  • Руководитель группы Data Science в НИИ “Квант”, Москва
  • Computer vision (CV) – решение задач по классификации и детектировании объектов на фото и видео, идентификации человека,  сегментации изображений и распознаванию текста с библиотеками OpenCV, Tensorflow API и архитектурами нейронных сетей  Yolo, SSD, fRCNN, U-net и пр.
  • Natural language processing (NLP) – решение задач по классификации текстов, извлечению именованных сущностей (NER) и ключевых слов с библиотеками gensim, nltk, fasttext, spacy и др. Построение различных архитектур на основе искусственных нейронных сетей с использованием различных представлений слов (Embedding, Word2Vec) и готовых нейросетевых решений (Bert, fastai)
  • Time series analysis – решение задач обработки, анализа и классификации аудио сигналов с библиотеками librosa, ffmpeg и различных архитектур нейронных сетей, а также предсказание значений временных рядов (time series forecasting) в приложении к котировкам активов с использованием классических решений (ARMA, ARIMA) и моделей на базе сверточных нейронных сетей (CNN), рекуррентных нейронных сетей (LSTM,GRU) и их комбинаций.
  • Проекты сегментации сигналов с различных датчиков и приборов и распознавания речи (speech-to-text) с облачными сервисами Yandex и Google.
Елена Верещага Московский Энергетический Институт (Москва, 1996)

Елена Верещага

Московский Энергетический Институт (Москва, 1996)
Профессиональные компетенции:
  • Проектирование и разработка хранилищ данных и аналитических систем (Skyeng, Райффайзен Банк, Связной-Retail, Банк Открытие, Альфа-Банк, ВТБ24, Форс-центр разработки)
  • Проектирование модели данных: концептуальное, логическое, физическое
  • Оптимизация хранения данных для систем OLTP, DSS, DWH, DataLake
  • Концептуальный дизайн аналитических систем под разные бизнеc-потребности
  • Системная архитектура и оптимизация загрузки данных для хранилищ и озер данных
  • Разработка архитектурных стандартов проектирования моделей данных на корпоративном уровне

Климов Артем

Нижегородский Государственный Университет им. Н.И. Лобачевского (Нижний Новгород, 2006)
Профессиональные компетенции:
  • Ведущий менеджер по исследованию больших данных в TELE2
  • Разработка алгоритмов мэтчинга и классификации товарных категорий на базе ОФД данных
  • Реализация моделей по обнаружению AML-схем и мошеннических транзакций
  • Графовый и текстовый анализ данных в проекте сегментации телефонных номеров
  • Разработка вероятностных моделей (уход сотрудников, отток клиентов, прогнозирование продаж и геолокации, кредитный скоринг)
  • Программирование на Python, R, Scala, SQL;
  • Опыт работы с Hadoop, Spark, СУБД Oracle и Teradata, Impala, Hive;
  • Владение аналитическими пакетами MATLAB, Weka, SPSS, FANN, Gephi, Deductor;
  • Современные алгоритмов и инструменты Machine Learning, в т.ч. библиотеки H2O, Xgboost, Feature Hashing, Word2Vec для решения бизнес-задач

Записаться на курс

Остались вопросы по формату обучения, содержанию курсов, стоимости, сертификатам или другим важным моментам?
Оставьте номер телефона или e-mail и мы оперативно проконсультируем вас в течение рабочего дня.
ОСТАВЬТЕ СООБЩЕНИЕ, И МЫ ПЕРЕЗВОНИМ ВАМ
В ТЕЧЕНИЕ РАБОЧЕГО ДНЯ