0
widoki
„Modelowanie i ilościowe metody analizy w biznesie” - kurs 32 000 rubli. z MSU, szkolenie 4 tygodnie. (1 miesiąc), Data: 29 listopada 2023 r.
Miscellanea / / December 01, 2023
Opanowanie przedmiotu wiąże się z poznaniem teoretycznych podstaw statystyki, teorii prawdopodobieństwa i rachunku prawdopodobieństwa wszechstronna wiedza na temat praktycznego wykorzystania metod przetwarzania i analizy informacji w biznesie - środowisko.
Studia pozwalają na praktyczne wykorzystanie zdobytej wiedzy przy przetwarzaniu danych pierwotnych, prezentowanie uzyskanych wyników w formie tabel, wykresów, diagramów, konstruowanie uogólnień wskaźniki.
Na ich podstawie można zastosować najskuteczniejsze metody i modele statystyczne i ilościowe w analizie ekonomicznej, w tym konstrukcji rozkładów, ilościowe metody oceny prawdopodobieństw, metody podejmowania decyzji w warunkach niepewności, metody konstruowania przedziałów ufności, metody konstruowania i oceny statystyk hipotezy.
Kurs prowadzony jest w dwóch wersjach: podstawowej i zaawansowanej. Objętość zajęć w godzinach jest taka sama.
Program podstawowy obejmuje zajęcia i materiały do nauki wspólnie ze studentami studiów magisterskich tego wydziału. Program rozszerzony stanowi odrębną grupę w ramach szkoleń zaawansowanych.
Kategoria słuchaczy – szefowie firm i działów, pracownicy funduszy venture capital, specjaliści w danej dziedzinie R&D, kierownicy projektów i produktów, menedżerowie innowacji i zmian, kadra analityczna działy
Rozpoczęcie zajęć - jesień 2023.
Czas trwania - 72 godziny (32 godziny zajęć stacjonarnych z nauczycielem, 40 godzin samodzielnego studiowania materiałów).
Forma studiów – w pełnym i niepełnym wymiarze godzin.
Koszt edukacji - 32 000 rubli.
Umowy szkoleniowe zawierane są z osobami fizycznymi i prawnymi.
Rejestracja na kursy odbywa się poprzez e-mail [email protected], poprzez formularz rejestracyjny na stronie internetowej.
Możesz skontaktować się z administratorem kursu, Antonem Martyanovem, aby zarejestrować się lub zadać pytania za pośrednictwem WhatsApp lub Telegramu pod numerem +79264827721.
Doktor nauk technicznych Stanowisko: profesor Wyższej Szkoły Zarządzania i Innowacji Moskiewskiego Uniwersytetu Państwowego im. M.V. Łomonosowa
Temat 1. Metody analizy danych osobowych
Histogramy, wykresy rozrzutu, szeregi czasowe, tabele przestawne, metryki podsumowujące, wykresy pudełkowe, macierz korelacji parami.
Temat 2. Ilościowe metody teorii prawdopodobieństwa i statystyki matematycznej
Teoria prawdopodobieństwa. Podstawowe zasady teorii prawdopodobieństwa. Dyskretne i ciągłe zmienne losowe. Oczekiwanie i wariancja. Wyprowadzone rozkłady prawdopodobieństwa. Rozkłady normalne, dwumianowe. Wieloetapowe procedury decyzyjne w warunkach niepewności. Ocena strategii (EMV). Drzewo decyzyjne i jego implementacja programowa (TreePlan).
Statystyka matematyczna. Główne zadanie statystyki matematycznej. Pojęcie szacunków statystycznych i ich właściwości. Estymacja przedziałów ufności. Ogólny plan analizy sytuacji w warunkach niepewności. Kontrolowanie długości przedziału ufności. Typowe problemy statystyczne. Testowanie hipotez statystycznych.
Rozszerzony program kursu
Temat 1. Przygotowanie danych do analiz statystycznych
Ogólne metody monitorowania i wstępnego przetwarzania danych (identyfikacja luk, duplikatów, anomalii, naruszeń wymogów formalizacji danych wejściowych itp.). Demonstracja automatyzacji procesu wstępnego przetwarzania i konsolidacji danych. Metody konstruowania prób statystycznych (prosta metoda losowania, metoda systematyczna, metoda stratyfikacji, podejście klastrowe, wieloetapowe metody doboru próby).
Temat 2. Metody statystycznej analizy danych
Analiza korelacji. Analiza czynników. Analiza dyskryminacyjna. Wspólna analiza.
Temat 3. Metody analizy regresji
Metoda najmniejszych kwadratów. Wybór czynników niezależnych. Wybór klasy funkcji. Regresja sparowana i wielokrotna. Metody oceny istotności współczynników regresji. Ocena dokładności modelu regresji. Statystyczne testy adekwatności modelu. Metody linearyzacji problemów analizy regresji. Praca z danymi nienumerycznymi (metoda zmiennych fikcyjnych).
Temat 4. Metody eksploracji danych
Raportowanie analityczne i wielowymiarowa prezentacja danych. Magazyn danych. Pomiary i fakty. Podstawowe operacje na kostce danych. Budowa modeli automatycznej analizy danych. Rodzaje problemów rozwiązywanych metodami Data Mining: klasyfikacja, grupowanie, regresja, asocjacja, poszukiwanie spójnych wzorców. Do najczęściej stosowanych algorytmów dla każdego rodzaju problemu należą: mapy samoorganizujące się, drzewa decyzyjne, regresja liniowa, sieci neuronowe, reguły asocjacyjne. Metody wizualizacji wyników badań.
Adres
119991, Moskwa, ul. Leninskie Góry, 1, bldg. 51, V piętro, pok. 544 (dziekanat)
Uniwersytet
SubskrybowaĆ
YOU MIGHT ALSO LIKE
