Senior Database Developer во Seavus. MS SQL Server, дизајн и имплементација на бази на податоци.
Искуство: 15 години.
Senior Database Developer во Seavus.
Дизајн, имплементација, администрација на бази за податоци во MS SQL Server.
Искуство: 9 години.
Tech Lead во Seavus. Дизајн на архитектура на датабази, администрација
во MS SQL Server.
Искуство: 15 години.
Database Architect во Hasselt. Експерт за Power BI, SQL Server, SSAS Tabular, Power Pivot.
Искуство: 8 години.
Објаснета вештачка интелигенција (Explainable AI) во склоп на системи базирани на знаење.
Искуство: 5 години.
Дипломиран инженер по информатички науки. Има искуство во ИТ индустријата со проекти од секторот на мобилни апликации, десктоп и машинско учење. Моментално работи како Software Engineer во Gamblify.
Искуство: 7 години.
AP/IB Mathematics & Statistics Teacher на универзитетот во Рига.
Искуство: 10 години.
Data Scientist во iERP.ai.
Работа со податоци, креирање на модели за предвидување.
Искуство: 6 години.
Помлад истражувач во Центар за компјутерски науки и информатички технологии во МАНУ.
Искуство: 3 години.
Александар Анастасов е дипломиран машински инженер. Работи како MI and Data Analyst во SoPro и е дел од Reporting тимот во оваа UK based компанија, каде што е одговорен за изработка на сите интерни репорти, изработени главно во Power BI.
Димполмиран инженер по применета математика на Природно математички факултет - Скопје, институт за Математика. Python developer во GrabIT во Скопје.
Senior Database Developer во Seavus. MS SQL Server, дизајн и имплементација на бази на податоци.
Искуство: 15 години.
Senior Database Developer во Seavus.
Дизајн, имплементација, администрација на бази за податоци во MS SQL Server.
Искуство: 9 години.
Tech Lead во Seavus. Дизајн на архитектура на датабази, администрација
во MS SQL Server.
Искуство: 15 години.
Database Architect во Hasselt. Експерт за Power BI, SQL Server, SSAS Tabular, Power Pivot.
Искуство: 8 години.
Data science consultant, R Shiny consultant за Juspay. Експерт за Python, R и Machine learning.
Искуство: 10 години.
Дипломиран инженер по информатички науки. Има искуство во ИТ индустријата со проекти од секторот на мобилни апликации, десктоп и машинско учење. Моментално работи како Software Engineer во Gamblify.
Искуство: 7 години.
AP/IB Mathematics & Statistics Teacher на универзитетот во Рига.
Искуство: 10 години.
Помлад истражувач во Центар за компјутерски науки и информатички технологии во МАНУ.
Искуство: 3 години.
Data Scientist во iERP.ai.
Работа со податоци, креирање на модели за предвидување.
Искуство: 6 години.
Александар Анастасов е дипломиран машински инженер. Работи како MI and Data Analyst во SoPro и е дел од Reporting тимот во оваа UK based компанија, каде што е одговорен за изработка на сите интерни репорти, изработени главно во Power BI.
Димполмиран инженер по применета математика на Природно математички факултет - Скопје, институт за Математика. Python developer во GrabIT во Скопје.
Вовед во релациони податочни бази
Техники за манипулирање на податоци
Креирање на процедури и функции за автоматизирање на податоци
Креирање на податочни бази
Разбирање на природата на податоците за правење на подобри анализи
Проект
Времетраење: 5 недели
Вовед во Data Warehouse
Креирање на податочна база со помош на ER (Entity-Relationship) модел и димензионален модел
Интеграциски концепти, процеси, техники и алатки за креирање на податочни бази по Star и Snowflake шема
Времетраење: 3 недели
Вовед во PowerBI и DAX функции
Податочни врски и калкулации, моделирање податоци, креирање податочни извештаи, филтри и визуелна хиерархија.
Креирање на интерактивни визуелизации
Собирање на податоци од веб страни и нивна манипулација
Конфигурирање премини на податоци од еден во друг информативен систем
Проект
Времетраење: 4 недели
Вовед во Python и работната средина за Python код
Методи и практики за манипулација со податоци
Импортирање на библиотеки како што се Numpy, Pandas, Seaborn, Matplotlib
Имплементирање на алгоритми при анализа на податоци и машинско учење.
Практични вежби и проект
Алатки кои ги вклучува овој модул се:
Времетраење: 6 недели
Вовед во линеарна алгебра, калкулус, интеграции, дескриптивна статистика, хипотези и работење со интервали на доверба
Работење со математички алатки за разбирање на машинското учење и развивање дополнителни вештини.
Проект
Времетраење: 8 недели
Вовед во машинско учење и каде може да се користи
Supervised, unsupervised and reinforcement learning
Вовед во табуларни податоци, регресија и класификација
Hands-on длабоки невронски мрежи (DNN) и компјутерската визија (препознавање, идентификување, класифицирање и реагирање на објекти со помош на AI) и NLP (Natural Language Processing).
Времетраење: 11 недели
Вовед во Big Data, Hadoop, Apache
Богато знаење за ефикасно перформирање на таскови со користење на data processing frameworks
Дистрибуција на податочни таскови меѓу повеќе компјутери
Времетраење: 4 недели
Времетраење:
3 недели
Вовед во релациони податочни бази
Техники за манипулирање на податоци
Креирање на процедури и функции за автоматизирање на податоци
Креирање на податочни бази
Разбирање на природата на податоците за правење на подобри анализи
Проект
Времетраење: 5 недели
Вовед во Data Warehouse
Креирање на податочна база со помош на ER (Entity-Relationship) модел и димензионален модел
Интеграциски концепти, процеси, техники и алатки за креирање на податочни бази по Star и Snowflake шема
Времетраење: 3 недели
Вовед во PowerBI и DAX функции
Податочни врски и калкулации, моделирање податоци, креирање податочни извештаи, филтри и визуелна хиерархија.
Креирање на интерактивни визуелизации
Собирање на податоци од веб страни и нивна манипулација
Конфигурирање премини на податоци од еден во друг информативен систем
Проект
Времетраење: 4 недели
Вовед во Python и работната средина за Python код
Методи и практики за манипулација со податоци
Импортирање на библиотеки како што се Numpy, Pandas, Seaborn, Matplotlib
Имплементирање на алгоритми при анализа на податоци и машинско учење.
Практични вежби и проект
Алатки кои ги вклучува овој модул се:
Времетраење: 6 недели
Вовед во линеарна алгебра, калкулус, интеграции, дескриптивна статистика, хипотези и работење со интервали на доверба
Работење со математички алатки за разбирање на машинското учење и развивање дополнителни вештини.
Проект
Времетраење: 8 недели
Вовед во машинско учење и каде може да се користи
Supervised, unsupervised and reinforcement learning
Вовед во табуларни податоци, регресија и класификација
Hands-on длабоки невронски мрежи (DNN) и компјутерската визија (препознавање, идентификување, класифицирање и реагирање на објекти со помош на AI) и NLP (Natural Language Processing).
Времетраење: 11 недели
Вовед во Big Data, Hadoop, Apache
Богато знаење за ефикасно перформирање на таскови со користење на data processing frameworks
Дистрибуција на податочни таскови меѓу повеќе компјутери
Времетраење: 4 недели
Времетраење:
3 недели
Централизирано место за споделување на сите материјали, задачи, проекти, известувања во рамки на и по завршување на програмата. Алатка која го олеснува процесот на далечинско учење на студентите, а воедно и процесот на пренесување на знаењето од страна на инструкторите.
При учење, при решавање на предизвици и при работа на реални проекти студентите имаат во континуитет менторска поддршка од страна на нивните инструктори со цел да го утврдат знаењето кое го стекнуваат и да развиваат дополнителни вештини во областа која ја учат.
Развивање на начин на размислување и пристап кон проблеми преку многу предизвици, hands-on учење и работа на реални проекти. Охрабрување на истражувачки дух кај студентите и mindset на континуирано подобрување и доживотно учење.
Модул во рамки на секоја програма составен од работилница, сесии и симулации преку кои студентите учат од гостински предавачи - HR професионалци како најдобро да ги демонстрираат своите знаења и вештини во процесот на апликации за работа или пракса, како да ги развијат своите меки вештини и како да работат и комуницираат со клиенти и различни профили на професионалци.
ДИГИТАЛНА ПЛАТФОРМА ЗА УЧЕЊЕ
Централизирано место за споделување на сите материјали, задачи, проекти, известувања во рамки на и по завршување на програмата. Алатка која го олеснува процесот на далечинско учење на студентите, а воедно и процесот на пренесување на знаењето од страна на инструкторите.
ГРАДЕЊЕ НА MINDSET
Развивање на начин на размислување и пристап кон проблеми преку многу предизвици, hands-on учење и работа на реални проекти. Охрабрување на истражувачки дух кај студентите и mindset на континуирано подобрување и доживотно учење.
МЕНТОРСКИ ПРИСТАП
При учење, при решавање на предизвици и при работа на реални проекти студентите имаат во континуитет менторска поддршка од страна на нивните инструктори со цел да го утврдат знаењето кое го стекнуваат и да развиваат дополнителни вештини во областа која ја учат.
КАРИЕРНА ПОДГОТОВКА
Модул во рамки на секоја програма составен од работилница, сесии и симулации преку кои студентите учат од гостински предавачи – HR професионалци како најдобро да ги демонстрираат своите знаења и вештини во процесот на апликации за работа или пракса, како да ги развијат своите меки вештини и како да работат и комуницираат со клиенти и различни профили на професионалци.
Проектот опфаќа модел што препознава лица со и без маски во живо и притоа им ја утврдува возраста. Кодот кој тимот го искуца, како бесплатен ресурс, може да се имплементира за препознавање на лице што носи маска во реално време во систем за надзор и ќе помогне во следење на однесувањето на носењето маска на јавни места, како што се трговски центри, супермаркети, институции итн.
Мотивот за развој на Рубик е потребата да се обезбеди повисоко ниво на услуга за потенцијалните клиенти на Brainster. Успешната имплементација ќе значи одговор на прашањата на потенцијалните клиенти автоматски во реално време што ќе ослободи време на вработените да се посветат на поквалитетни работни задачи. Преку усвојувањето на модерни технологии во работењето Brainster ќе се потврди во улога на ”early adopter” и добар пример за компаниите кои работат на македонскиот пазар.
Целта на проектот беше да се направи модел со кој ќе се предвиди дали одреден клиент ќе склучи договор за депонирање средства или не. (Тоа го добивме со користење на повеќе алгоритми.) Од друга страна, пак, доколку би се вовела повторно телемаркетинг кампања таа би таргетирала клиенти кои најверојатно би депонирале средства, а и самата кампања би се одвивала во оние временски периоди најповолни за депонирање, според историските податоци од претходната кампања.
Business Intelligence е еден од најатрактивните модули на Академијата за Data Science порaди фактот што наоѓа примена во сите домени на работење. Како доказ за тоа колку се големи BI можностите, во оваа блог објава ви го претставуваме проектот изработен од Филип и Александар, студенти од нашата Академија за Data Science, кој има за цел преку детална анализа на податоците објективно да реши една од најголемите спортски дилеми на денешницата – Кој е кошаркарскиот G.O.A.T меѓу Мајкл Џордан и Леброн Џејмс, но во моментите кога тоа е најпотребно?
Во делот на ко-иновирање, компаниите и организациите имаат можност да аплицираат со идеја и да добијат тимови на наши талентирани студенти, кои со поддршка од искусни ментори, ќе ја преточат таа идеја во иновативно решение подготвено за користење.
Во делот за вработување, компаниите имаат можност да пристапат кон нашата огромна база на талентирани студенти од различни области или пак директно да нè контактираат, со цел да добијат персонализиран избор на студенти во согласност со потребите на компанијата.
Во делот за вработување, компаниите имаат можност да пристапат кон нашата огромна база на талентирани студенти од различни области или пак директно да нè контактираат, со цел да добијат персонализиран избор на студенти во согласност со потребите на компанијата.
Сите академии на Brainster се сертифицирани од акредитираната ИТ високообразовна институција Brainster Next College. По успешно завршената академија, секој студент ќе добие два сертификати, еден од Brainster и еден од Brainster Next College. Единствено нашите академии во Македонија се сертифицирани од акредитиран ИТ факултет.
Од 10 до 15 часа неделно