0
näkymät
"Mallinnus ja kvantitatiiviset analyysimenetelmät liiketoiminnassa" - kurssi 32 000 ruplaa. MSU: sta, koulutus 4 viikkoa. (1 kuukausi), päivämäärä: 29.11.2023.
Miscellanea / / December 01, 2023
Kurssin hallitseminen liittyy tilastotieteen teoreettisten perusteiden, todennäköisyysteorian ja saamisen opiskeluun kattava tietämys tiedonkäsittely- ja analysointimenetelmien käytännön käytöstä liiketoiminnassa - ympäristöön.
Kurssilla opiskelemalla voit hyödyntää hankittua tietoa käytännössä perustietojen käsittelyssä, saatujen tulosten esittäminen taulukoiden, kaavioiden, kaavioiden muodossa, yleistyksen rakentaminen indikaattoreita.
Niiden perusteella on mahdollista käyttää tehokkaimpia tilastollisia ja kvantitatiivisia menetelmiä ja malleja taloudellisessa analyysissä, mukaan lukien jakaumien rakentamisessa, kvantitatiiviset menetelmät todennäköisyyksien arvioimiseksi, menetelmät päätösten tekemiseksi epävarmuuden olosuhteissa, menetelmät luottamusvälien muodostamiseksi, menetelmät tilastollisten konstruointiin ja arviointiin hypoteeseja.
Kurssi toteutetaan kahdessa versiossa: perus- ja jatkokurssi. Tuntien määrä tunneissa on sama.
Perusohjelma sisältää luokat ja oppimateriaalit yhdessä tiedekunnan maisteriopiskelijoiden kanssa. Laajennettu ohjelma on erillinen ryhmä jatkokoulutuksen puitteissa.
Kuulijoiden luokka – yritysten ja osastojen johtajat, yrityspääomarahastojen työntekijät, alan asiantuntijat T&K, projekti- ja tuotepäälliköt, innovaatio- ja muutospäälliköt, analyyttinen henkilökunta osastot
Tuntien aloitus - syksy 2023.
Kesto - 72 tuntia (32 tuntia luokkahuonetunteja opettajan kanssa, 40 tuntia itsenäistä materiaalien opiskelua).
Opiskelumuoto – kokopäiväinen ja osa-aikainen.
Koulutuksen kustannukset - 32 000 ruplaa.
Koulutussopimuksia tehdään yksityisten ja juridisten henkilöiden kanssa.
Kursseille ilmoittautuminen tapahtuu sähköpostitse [email protected] verkkosivustolla olevan ilmoittautumislomakkeen kautta.
Voit ottaa yhteyttä kurssin ylläpitäjään Anton Martyanoviin rekisteröityäksesi tai jos sinulla on kysyttävää WhatsAppin tai Telegramin kautta numerosta +79264827721.
Teknisten tieteiden tohtori Asema: M.V. Lomonosov Moskovan valtionyliopiston johtamisen ja innovaation korkeakoulun professori
Aihe 1. Henkilötietojen analysointimenetelmät
Histogrammit, sirontakaaviot, aikasarjat, pivot-taulukot, yhteenvetometriikka, laatikkokaaviot, parikohtainen korrelaatiomatriisi.
Aihe 2. Todennäköisyysteorian ja matemaattisten tilastojen kvantitatiiviset menetelmät
Todennäköisyysteoria. Todennäköisyysteorian perussäännöt. Diskreetit ja jatkuvat satunnaismuuttujat. Odotus ja vaihtelu. Johdetut todennäköisyysjakaumat. Normaalit binomijakaumat. Monivaiheiset päätöksentekomenettelyt epävarmuuden olosuhteissa. Evaluation of Strategies (EMV). Päätöspuu ja sen ohjelmistototeutus (TreePlan).
Matemaattiset tilastot. Matemaattisen tilaston päätehtävä. Tilastollisten arvioiden käsite ja niiden ominaisuudet. Luottamusvälien estimointi. Yleinen suunnitelma tilanteiden analysointiin epävarmuuden olosuhteissa. Luottamusvälin pituuden hallinta. Tyypillisiä tilastollisia ongelmia. Tilastollisten hypoteesien testaus.
Laajennettu kurssiohjelma
Aihe 1. Aineiston valmistelu tilastollista analyysiä varten
Tietojen seurannan ja esikäsittelyn yleiset menetelmät (aukkojen, kaksoiskappaleiden, poikkeavuuksien, syöttötietojen formalisointivaatimusten rikkomusten jne. tunnistaminen). Tietojen esikäsittely- ja konsolidointiprosessin automatisoinnin demonstrointi. Tilastollisten näytteiden muodostamismenetelmät (yksinkertainen satunnaisotosmenetelmä, systemaattinen menetelmä, kerrostusmenetelmä, klusterilähestymistapa, monivaiheiset otantamenetelmät).
Aihe 2. Tilastollisen data-analyysin menetelmät
Korrelaatioanalyysi. Tekijäanalyysi. Diskriminanttianalyysi. Yhteinen analyysi.
Aihe 3. Regressioanalyysimenetelmät
Pienimmän neliön menetelmä. Riippumattomien tekijöiden valinta. Toimintoluokan valinta. Parillinen ja moninkertainen regressio. Regressiokertoimien merkitsevyyden arviointimenetelmät. Regressiomallin tarkkuuden arviointi. Mallin riittävyyden tilastolliset testit. Regressioanalyysiongelmien linearisointimenetelmät. Työskentely ei-numeeristen tietojen kanssa (dummy variable -menetelmä).
Aihe 4. Tiedonlouhintamenetelmät
Analyyttinen raportointi ja moniulotteinen tiedon esitys. Tietovarasto. Mittaukset ja faktat. Perustoiminnot datakuutiolla. Automatisoitujen data-analyysimallien rakentaminen. Data Mining -menetelmillä ratkaistavien ongelmien tyypit: luokittelu, klusterointi, regressio, assosiaatio, johdonmukaisten kuvioiden etsiminen. Kaikille ongelmatyypeille yleisimmin käytetyt algoritmit ovat: itseorganisoituvat kartat, päätöspuut, lineaarinen regressio, hermoverkot, assosiatiiviset säännöt. Menetelmät tutkimustulosten visualisointiin.
Osoite
119991, Moskova, st. Leninskie Gory, 1, bldg. 51, 5. krs, huone 544 (Dekaanin toimisto)
Yliopisto
Tilaa
YOU MIGHT ALSO LIKE
