Matematiikka tietotieteelle. Osa 3. Optimointimenetelmät ja data-analyysialgoritmit - kurssi 32 490 RUB. Specialistilta, koulutus 40 akateemista tuntia, päivämäärä 15.5.2023.
Miscellanea / / December 03, 2023
Ammattimainen ohjelmointikurssin opettaja, sertifioitu kehittäjä Python-instituutti yleistä työkokemusta IT-alalta yli 20 vuotta. Rakennettu IT-järjestelmät 4 yrityksessä tyhjästä. Enemmän kuin 5 vuotta.
Vadim Viktorovich valmistui Venäjän valtion humanistisesta yliopistosta vuonna 2000 erikoistumalla tietotekniikkaan ja tietojenkäsittelytieteeseen. Todellinen ammattilainen hallintoasioissa DBMS, yrityksen liiketoimintaprosessien automatisointi (ERP, CRM jne.), luomalla testitapauksia ja kouluttamalla työntekijöitä.
Pystyy motivoimaan ja vangitsemaan. Hän on vaativa kuuntelijoiltaan, aina valmis selventämään vaikeita kohtia. Laaja kokemus todellisten projektien parissa työskentelystä antaa hänelle mahdollisuuden kiinnittää huomiota niihin yksityiskohtiin, jotka aloittelevat kehittäjät eivät yleensä huomaa.
Moduuli 1. Optimointimenetelmät (16 ac. h.)
- Peruskäsitteet, määritelmät, aihe
- Digitaalisten toimintojen jatkuvuus, sujuvuus ja lähentyminen. Erilliset digitaaliset toiminnot
- Ehdollinen ja ehdoton optimointi
- Yhden kriteerin optimointimenetelmät
- Lausunto monikriteerien optimointiongelmasta
- Monikriteerien optimointimenetelmät
- Gradienttilasku
- Stokastiset optimointimenetelmät
Moduuli 2. Tietojen analysointialgoritmit (16 ac. h.)
- Lineaarinen regressioalgoritmi. Gradientti laskeutuminen
- Ominaisuuksien skaalaus. L1- ja L2-regulointi. Stokastinen gradienttilasku
- Logistinen regressio
- Algoritmi päätöspuun muodostamiseksi. Satunnainen metsä
- Gradientin tehostaminen
- Backpropagation algoritmin analyysi
Moduuli 3. Lopputyö (8 ak. h.)
Datatiede sisältää laajan valikoiman lähestymistapoja ja menetelmiä kaikenkokoisten tietojoukkojen keräämiseen, käsittelyyn, analysointiin ja visualisointiin. Tämän tieteen erillinen käytännössä tärkeä osa-alue on ison datan kanssa työskentely uusilla periaatteilla matemaattinen ja laskennallinen mallinnus, kun klassiset menetelmät lakkaavat toimimasta mahdottomuutensa vuoksi skaalaus. Tämä kurssi on suunniteltu auttamaan opiskelijaa oppimaan aihealueen perusteet muotoilun ja ratkaisemaan tyypillisiä ongelmia, joita datatieteen tutkija saattaa kohdata tehdä työtä. Opettaakseen opiskelijan ratkaisemaan tällaisia ongelmia, kurssin kirjoittajat antavat opiskelijalle tarvittavan teoreettisen minimin ja osoittavat kuinka työkalukantaa käytetään käytännössä.
4,2