Wiskunde voor datawetenschap. Deel 3. Optimalisatiemethoden en algoritmen voor gegevensanalyse - cursus RUB 32.490. van Specialist, opleiding 40 academische uren, datum 15 mei 2023.
Gemengde Berichten / / December 03, 2023
Professionele programmeercursusdocent, gecertificeerde ontwikkelaar Python Instituut met algemene werkervaring op IT-gebied meer dan 20 jaar. IT-systemen opgebouwd bij 4 bedrijven vanaf het begin. Meer dan 5 jaar.
Vadim Viktorovich studeerde in 2000 af aan de Russische Staatsuniversiteit voor Geesteswetenschappen met een specialisatie in informatica en computerwetenschappen. Een echte professional in administratieve zaken DBMS, automatisering van bedrijfsprocessen (ERP, CRM etc.), het maken van testcases en het trainen van medewerkers.
Kan motiveren en boeien. Hij stelt hoge eisen aan zijn luisteraars en staat altijd klaar om moeilijke punten te verduidelijken. Door zijn uitgebreide ervaring met het werken aan echte projecten kan hij aandacht besteden aan die details die doorgaans over het hoofd worden gezien door beginnende ontwikkelaars.
Module 1. Optimalisatiemethoden (16 ac. H.)
- Basisconcepten, definities, onderwerp
- Continuïteit, soepelheid en convergentie van digitale functies. Discrete digitale functies
- Voorwaardelijke en onvoorwaardelijke optimalisatie
- Optimalisatiemethoden met één criteria
- Verklaring van het multicriteria-optimalisatieprobleem
- Multicriteria-optimalisatiemethoden
- Gradiënt afdaling
- Stochastische optimalisatiemethoden
module2. Algoritmen voor gegevensanalyse (16 ac. H.)
- Lineair regressie-algoritme. Gradiënt afdaling
- Schalen van functies. L1- en L2-regularisatie. Stochastische gradiëntafdaling
- Logistieke regressie
- Algoritme voor het construeren van een beslisboom. Willekeurig bos
- Verloopversterking
- Analyse van het backpropagatie-algoritme
module3. Laatste werk (8 ac. H.)
Datawetenschap omvat een breed scala aan benaderingen en methoden voor het verzamelen, verwerken, analyseren en visualiseren van datasets van elke omvang. Een apart praktisch belangrijk gebied van deze wetenschap is het werken met big data volgens nieuwe principes wiskundige en computationele modellering, wanneer klassieke methoden niet meer werken vanwege hun onmogelijkheid schaalvergroting. Deze cursus is bedoeld om de student te helpen de basisprincipes van het vakgebied te leren door middel van formulering en het oplossen van typische problemen waar een data science-onderzoeker bij hem of haar mee te maken kan krijgen werk. Om de student te leren dergelijke problemen op te lossen, voorzien de auteurs van de cursus de student van het noodzakelijke theoretische minimum en laten ze zien hoe de toolbase in de praktijk kan worden gebruikt.
4,2