“Inleiding tot data-analyse” - cursus RUB 20.000. van MSU, training 13 weken. (1,5 maand), Datum: 12 mei 2023.
Gemengde Berichten / / December 02, 2023
Het programma is gericht op managers, analisten, bedrijfsanalisten, teamleiders, degenen die behoefte hebben aan een korte en toegankelijke presentatie van data-analysemethoden - machine learning-methoden en neurale netwerken.
Toelatingseisen
Het programma is bedoeld voor studenten die hoger onderwijs hebben gevolgd of hoger onderwijs volgen (in het voorlaatste en laatste studiejaar)
Data: 12,16,17,19,23,24 mei 2023
Lessen van 17.00 tot 20.00 uur
Lezing 1 Toelatingseisen. Inleiding tot het programma
Verklaringen van doelstellingen
Programma overzicht
Lineaire algebra-termen
Voorbeelden van objectrepresentatie
Regels voor het werken met matrices en vectoren op het 1e-2e jaarsniveau van een technische universiteit.
Lezing 2 Basistypen modellen voor het vinden van patronen in gegevens
Regressie analyse
Gegevensclustering
Eenvoudige en algemene beslissingsbomen
Gegevensreductie - analyse van hoofdcomponenten
Evolutionaire algoritmen
Neurale netwerken
Lezing 3 Inleiding tot gegevensanalyse
Inleiding tot data-analyse en patroonherkenning
Primaire datatransformatie, zoeken naar uitschieters
Regressieanalyse, rollende controle
Beslisbomen, eenvoudige en algemene vormen
Lezing 4 Nabijheid (gelijkenis) van objecten. Clusters en hun zoektocht
Cluster als een verbonden onderdeel van een grafiek.
Een minimaal opspannende boom construeren.
Methode van K-middelen, eenvoudige en algemene versies.
Hiërarchische clusteranalyse, dendrogrammen
Lezing 5 Hoofdcomponentenmethode
Factoren en hun zoektocht, SVD-matrixontbinding
Geometrische betekenis van factoren
Regressie op factoren
Multidimensionale schaalvergroting
Lezing 6 Geavanceerde analysemethoden
Evolutionaire algoritmen – GMDH, genetisch
Kernelfuncties – “tekenloze” data-analyse
SVM en ondersteuningsvectoren
“Als er weinig gegevens zijn” – Bootstrap-methode
Families van voorspellende algoritmen
"Fuzzy"-borden (Fuzzy)
"Vage" classificaties
Lezing 7 Neurale netwerken. Deel 1
Perceptron-model en zijn beperkingen
Klassieke neurale netwerken, laag neuronen, twee soorten neuronen
Problemen opgelost door neurale netwerken, “Deep learning”
Lezing 8 Neurale netwerken. Deel 2
Beeldanalyse en convolutionele neurale netwerken
Neurale netwerken en Feature Engineering
Overfitting probleem
Vooruitzichten voor de ontwikkeling van neurale netwerken
Grafische verwerkingseenheden (GPU's).
Lezing 9 Consolidatie van kennis
Herhaling van de basisstof aan de hand van een praktijkvoorbeeld
Samenvatten
Cumulatief krediet
De cursus behandelt de basisprincipes van Cassandra 4-x-architectuur, de ontwikkeling van conceptuele, logische en fysieke datamodellen. Behandelt alle noodzakelijke technische details voor het gebruik van Cassandra voor schaalbaar het opslaan van gegevens in Java-projecten, maar ook voor monitoring, configuratie en configuratie productiviteit.
4
51 500 ₽