0
Bekeken
"Modellering en kwantitatieve analysemethoden in het bedrijfsleven" - cursus 32.000 roebel. van MSU, training 4 weken. (1 maand), Datum: 29 november 2023.
Gemengde Berichten / / December 01, 2023
Het beheersen van de cursus wordt geassocieerd met het bestuderen van de theoretische grondslagen van de statistiek, de waarschijnlijkheidstheorie en het verkrijgen ervan uitgebreide kennis over het praktische gebruik van informatieverwerkings- en analysemethoden in het bedrijfsleven - omgeving.
Door de cursus te bestuderen, kunt u de opgedane kennis in de praktijk gebruiken bij het verwerken van primaire gegevens, de verkregen resultaten presenteren in de vorm van tabellen, grafieken, diagrammen, generaliseren indicatoren.
Op basis daarvan is het mogelijk om de meest effectieve statistische en kwantitatieve methoden en modellen te gebruiken bij economische analyses, inclusief de constructie van verdelingen, kwantitatieve methoden voor het beoordelen van waarschijnlijkheden, methoden voor het nemen van beslissingen onder omstandigheden van onzekerheid, methoden voor het construeren van betrouwbaarheidsintervallen, methoden voor het construeren en evalueren van statistische hypothesen.
De cursus wordt gegeven in twee versies: basis en gevorderden. Het lesvolume in uren is hetzelfde.
Het basisprogramma omvat lessen en studiemateriaal samen met masterstudenten van de faculteit. Het uitgebreide programma is een aparte groep in het kader van de voortgezette opleiding.
Categorie luisteraars – hoofden van bedrijven en afdelingen, medewerkers van corporate venture fondsen, specialisten op dit gebied R&D, project- en productmanagers, innovatie- en veranderingsmanagers, analytische medewerkers afdelingen
Begin van de lessen - najaar 2023.
Duur - 72 uur (32 uur klassikale lessen met een leraar, 40 uur zelfstudie van de stof).
Vorm van studie – fulltime en parttime.
Kosten van onderwijs - 32.000 roebel.
Met natuurlijke personen en rechtspersonen worden opleidingsovereenkomsten gesloten.
Registratie voor cursussen gebeurt per e-mail [email protected], via het registratieformulier op de website.
Voor aanmelding of vragen kunt u contact opnemen met de cursusbeheerder, Anton Martyanov, via WhatsApp of Telegram op +79264827721.
Doctor in de Technische Wetenschappen Functie: Professor aan de Hogere School voor Management en Innovatie van M.V. Lomonosov Moskouse Staatsuniversiteit
Onderwerp 1. Methoden voor analyse van persoonlijke gegevens
Histogrammen, spreidingsdiagrammen, tijdreeksen, draaitabellen, samenvattende statistieken, boxplots, paarsgewijze correlatiematrix.
Onderwerp 2. Kwantitatieve methoden van waarschijnlijkheidstheorie en wiskundige statistiek
Waarschijnlijkheids theorie. Basisregels van de waarschijnlijkheidstheorie. Discrete en continue willekeurige variabelen. Verwachting en variantie. Afgeleide kansverdelingen. Normale, binomiale verdelingen. Meerstapsbesluitvormingsprocedures onder omstandigheden van onzekerheid. Evaluatie van strategieën (EMV). Beslisboom en de software-implementatie ervan (TreePlan).
Wiskundige statistieken. De hoofdtaak van wiskundige statistiek. Het concept van statistische schattingen en hun eigenschappen. Schatting van betrouwbaarheidsintervallen. Algemeen plan voor het analyseren van situaties onder omstandigheden van onzekerheid. Controle van de lengte van het betrouwbaarheidsinterval. Typische statistische problemen. Statistische hypothesen testen.
Uitgebreid cursusprogramma
Onderwerp 1. Gegevens voorbereiden voor statistische analyse
Algemene methoden voor het monitoren en voorbewerken van gegevens (het identificeren van lacunes, duplicaten, afwijkingen, schendingen van de formaliseringsvereisten voor invoergegevens, enz.). Demonstratie van automatisering van het proces van gegevensvoorverwerking en consolidatie. Methoden voor het samenstellen van statistische steekproeven (eenvoudige willekeurige steekproefmethode, systematische methode, stratificatiemethode, clusterbenadering, meertrapssteekproefmethoden).
Onderwerp 2. Methoden voor statistische gegevensanalyse
Correlatie analyse. Factoren analyse. Discriminante analyse. Gezamenlijke analyse.
Onderwerp 3. Regressieanalysemethoden
Kleinste kwadratenmethode. Selectie van onafhankelijke factoren. Een functieklasse selecteren. Gepaarde en meervoudige regressie. Methoden voor het beoordelen van de betekenis van regressiecoëfficiënten. Het beoordelen van de nauwkeurigheid van het regressiemodel. Statistische tests van de geschiktheid van modellen. Methoden voor het lineariseren van regressieanalyseproblemen. Werken met niet-numerieke gegevens (dummyvariabelenmethode).
Onderwerp 4. Datamining-methoden
Analytische rapportage en multidimensionale gegevenspresentatie. Gegevensopslag. Metingen en feiten. Basisbewerkingen op een datakubus. Constructie van geautomatiseerde data-analysemodellen. Soorten problemen opgelost door dataminingmethoden: classificatie, clustering, regressie, associatie, zoeken naar consistente patronen. De meest gebruikte algoritmen voor elk type probleem zijn: zelforganiserende kaarten, beslissingsbomen, lineaire regressie, neurale netwerken, associatieve regels. Methoden voor het visualiseren van onderzoeksresultaten.
Adres
119991, Moskou, St. Leninskie Gory, 1, gebouw. 51, 5e verdieping, kamer 544 (decanaat)
Universiteit
Inschrijven
YOU MIGHT ALSO LIKE
