„Wprowadzenie do analizy danych” – kurs 20 000 RUB. z MSU, szkolenie 13 tygodni. (1,5 miesiąca), Data: 12 maja 2023 r.
Miscellanea / / December 02, 2023
Program skierowany jest do menedżerów, analityków, analityków biznesowych, liderów zespołów, potrzebującym krótkiej i przystępnej prezentacji metod analizy danych – metod uczenia maszynowego oraz sieci neuronowe.
Warunki przyjęć
Program przeznaczony jest dla studentów, którzy posiadają wykształcenie wyższe lub są w trakcie jego zdobywania (na przedostatnim i ostatnim roku studiów)
Daty: 12,16,17,19,23,24 maja 2023
Zajęcia od 17.00 do 20.00
Wykład 1 Wymagania wstępne. Wprowadzenie do programu
Deklaracje celów
Przegląd programu
Terminy algebry liniowej
Przykłady reprezentacji obiektów
Zasady pracy z macierzami i wektorami na poziomie I-II roku uczelni technicznej.
Wykład 2 Podstawowe typy modeli wyszukiwania wzorców w danych
Analiza regresji
Klastrowanie danych
Proste i uogólnione drzewa decyzyjne
Redukcja danych – analiza głównych składowych
Algorytmy ewolucyjne
Sieci neuronowe
Wykład 3 Wprowadzenie do analizy danych
Wprowadzenie do analizy danych i rozpoznawania wzorców
Podstawowa transformacja danych, wyszukiwanie wartości odstających
Analiza regresji, kontrola krocząca
Drzewa decyzyjne, formy proste i uogólnione
Wykład 4 Bliskość (podobieństwo) obiektów. Klastry i ich poszukiwanie
Klaster jako połączony element grafu.
Konstruowanie minimalnego drzewa rozpinającego.
Metoda K oznacza, wersje proste i uogólnione.
Hierarchiczna analiza skupień, dendrogramy
Wykład 5 Metoda głównych składników
Czynniki i ich wyszukiwanie, rozkład macierzy SVD
Geometryczne znaczenie czynników
Regresja na czynnikach
Skalowanie wielowymiarowe
Wykład 6 Zaawansowane metody analizy
Algorytmy ewolucyjne – GMDH, genetyczne
Funkcje jądra – „bezznakowa” analiza danych
SVM i wektory nośne
„Gdy jest mało danych” – Metoda Bootstrap
Rodziny algorytmów predykcyjnych
Znaki „rozmyte” (rozmyte)
Klasyfikatory „rozmyte”.
Wykład 7 Sieci neuronowe. Część 1
Model perceptronowy i jego ograniczenia
Klasyczne sieci neuronowe, warstwa neuronów, dwa typy neuronów
Problemy rozwiązywane przez sieci neuronowe, „Głębokie uczenie się”
Wykład 8 Sieci neuronowe. Część 2
Analiza obrazu i splotowe sieci neuronowe
Sieci neuronowe i inżynieria cech
Problem z nadmiernym dopasowaniem
Perspektywy rozwoju sieci neuronowych
Jednostki przetwarzania grafiki (GPU).
Wykład 9 Konsolidacja wiedzy
Powtórzenie podstawowego materiału na praktycznym przykładzie
Zreasumowanie
Kredyt skumulowany
Kurs obejmuje podstawy architektury Cassandra 4-x, tworzenie koncepcyjnych, logicznych i fizycznych modeli danych. Obejmuje wszystkie niezbędne szczegóły techniczne dotyczące korzystania z Cassandry w zakresie skalowalności przechowywania danych w projektach Java, a także do monitorowania, konfiguracji i konfiguracji wydajność.
4
51 500 ₽