Datavisualisatie en mining in Python - cursus RUB 21.000. van de Russische Economische Universiteit, vernoemd naar. G.V. Plechanov, training 5 weken, datum 27 maart 2023.
Gemengde Berichten / / November 27, 2023
Tijdens de training komen de basisprincipes van data-analyse en programmeren in de Python-omgeving, methoden en middelen van invoer en primaire dataverwerking aan bod. statistische middelen voor grafische presentatie van gegevens in intelligente analyse en modellering, gecontroleerd en ongecontroleerd uitvoeren classificatie; methoden voor associatieve, factor- en clustermodellering; componentanalyse en ontleding van hoogfrequente dynamische reeksen, neurale netwerkmodellering en de basisprincipes van deep learning.
Kies een trainingsformat dat bij u past - voltijds (in het centrum van Moskou, in de historische gebouwen van de Russische Universiteit voor Economie, vernoemd naar. G.V. Plechanov) of op afstand (waar ook ter wereld).
Voordelen van studeren onder het programma
- De mogelijkheid om een handig leerformaat te kiezen - online of face-to-face aan de Russische Universiteit voor Economie. G.V. Plechanov.
- Mogelijkheid om deel te nemen aan masterclasses en gespecialiseerde evenementen van de Russische Economische Universiteit. G.V. Plechanov en zijn partners.
- Beschikbaarheid van een kortingssysteem voor zakelijke klanten.
- Concurrentievoordeel op de arbeidsmarkt met een certificaat van REU. G.V. Plechanov, de belangrijkste economische universiteit in Rusland.
- Dankzij een flexibel lesrooster kun je studeren, zelfs als je rekening houdt met zakenreizen en druk werk.
Hoe verder te gaan
Vereisten voor studenten
Personen die een hoger/middelbaar beroepsonderwijs hebben of volgen, mogen het programma voltooien
Documenten voor toelating
Een kopie van een diploma hoger of middelbaar beroepsonderwijs met bijlage of een certificaat van de studieplaats (voor studenten)
Paspoort: 1 spread (foto), 2 spread (registratie)
SNILS
Het programma is gericht op het vormen en ontwikkelen van de vaardigheden van de gebruiker op het gebied van verwerking, visualisatie en analyse van gegevens, beginnend bij de eenvoudigste beschrijvende methoden statistieken en eindigend met moderne methoden die wijdverbreid zijn geworden (gradiëntversterking, analyse van hoogfrequente reeksen, modellering van neurale netwerken en enz.). Het programma ontwikkelt de basisprincipes van data-analyse in de Python-omgeving, inclusief het verkrijgen van gegevens via API, en studies kenmerken van intelligente analyse (“Datamining”), de plaats en rol van deze methoden op het gebied van data-analyse en machine opleiding. De tools voor datavisualisatie (matplotlib, seaborn-bibliotheken), analyse en modellering van grote data (panda's, scipy, researchpy, statsmodels-bibliotheken), formuleren van een onderzoeksprobleem in een intellectueel analyse.
Statistische hulpmiddelen voor grafische presentatie van gegevens. Bibliotheken matplotlib, zeegeboren (10 uur)
Groepering en classificatie. Bewaakte en onbewaakte classificatie (8 uur)
Associatieve modellering. APRIORI-algoritme (10 uur)
Componentanalyse en factormodellering van financiële en economische dynamiekreeksen (10 uur)
Clustermodellering en dynamische tijdlijntransformatie (6 uur)
Analyse van enkelvoudig spectrum en lokale empirische modi (8 uur)
Lokaal gewogen regressie. Sociale netwerkanalyse (8 uur)
Feedforward neurale netwerken en convolutionele neurale netwerken. Diep leren (10 uur)