Tietojen visualisointi ja louhinta Pythonilla - kurssi 21 000 RUB. nimetystä Venäjän talousyliopistosta. G.V. Plekhanov, koulutus 5 viikkoa, päivämäärä 27.3.2023.
Miscellanea / / November 27, 2023
Koulutuksen aikana käydään läpi tiedon analysoinnin ja ohjelmoinnin perusteet Python-ympäristössä, menetelmiä ja keinoja tietojen syöttämiseen ja ensisijaiseen käsittelyyn. tilastolliset keinot tietojen graafiseen esittämiseen älykkäässä analyysissä ja mallintamisessa, suorittaen kontrolloitua ja hallitsematonta luokittelu; assosiatiivisen, tekijä- ja klusterimallinnuksen menetelmät; komponenttianalyysi ja suurtaajuisten dynamiikkasarjojen hajottaminen, hermoverkkomallinnus ja syväoppimisen perusteet.
Valitse sinulle sopiva koulutusmuoto - kokopäiväinen (Moskovan keskustassa, Venäjän kauppakorkeakoulun historiallisissa rakennuksissa, jotka on nimetty. G.V. Plekhanov) tai etänä (mikä päin maailmaa tahansa).
Ohjelman alaisen opiskelun edut
- Mahdollisuus valita kätevä oppimismuoto - verkossa tai kasvokkain Venäjän kauppakorkeakoulussa. G.V. Plekhanov.
- Mahdollisuus osallistua Venäjän talousyliopiston mestarikursseihin ja erikoistapahtumiin. G.V. Plekhanov ja hänen kumppaninsa.
- Alennusjärjestelmän saatavuus yritysasiakkaille.
- Kilpailuetua työmarkkinoilla REU: n todistuksella. G.V. Plekhanov, Venäjän johtava talousyliopisto.
- Joustava tuntiaikataulu mahdollistaa opiskelun myös työmatkat ja kiireinen työ huomioiden.
Kuinka edetä
Vaatimukset opiskelijoille
Henkilöt, joilla on tai ovat saamassa ammatillista korkea-asteen koulutusta, voivat suorittaa ohjelman
Asiakirjat pääsyä varten
Kopio korkea-asteen tai toisen asteen ammatillisen koulutuksen tutkintotodistuksesta liitteineen tai todistus opiskelupaikasta (opiskelijoille)
Passi: 1 levitys (kuva), 2 levitys (rekisteröinti)
SNILS
Ohjelman tavoitteena on muodostaa ja kehittää käyttäjän taitoja datan käsittelyssä, visualisoinnissa ja analysoinnissa yksinkertaisista kuvausmenetelmistä alkaen. tilastot ja päättyen nykyaikaisiin laajalle levinneisiin menetelmiin (gradienttitehostus, suurtaajuussarjojen analyysi, hermoverkkomallinnus ja jne.). Ohjelmassa kehitetään Python-ympäristön data-analyysin perusteita, mukaan lukien tiedon hankkiminen API: n kautta ja opiskelu älykkään analyysin ("Data Mining") ominaisuudet, näiden menetelmien paikka ja rooli data-analyysin ja koneen alalla koulutusta. Työkaluja datan visualisointiin (matplotlib, seaborn kirjastot), analysointiin ja suurten mallintamiseen data (pandat, scipy, researchpy, statsmodels kirjastot), tutkimusongelman muotoilu älyllisessä analyysi.
Tilastolliset työkalut tietojen graafiseen esittämiseen. Kirjastot matplotlib, meressä syntynyt (10 tuntia)
Ryhmittely ja luokittelu. Valvottu ja valvomaton luokittelu (8 tuntia)
Assosiatiivinen mallinnus. APRIORI-algoritmi (10 tuntia)
Rahoitus- ja talousdynamiikkasarjan komponenttianalyysi ja tekijämallinnus (10 tuntia)
Klusterimallinnus ja dynaaminen aikajanan muunnos (6 tuntia)
Yksittäisen spektrin ja paikallisten empiiristen moodien analyysi (8 tuntia)
Paikallinen painotettu regressio. Sosiaalisen verkoston analyysi (8 tuntia)
Feedforward-hermoverkot ja konvoluutiohermoverkot. Syvä oppiminen (10 tuntia)