19/12/2019
0
Ansichten
„Modellierung und quantitative Analysemethoden in der Wirtschaft“ – Kurs 32.000 Rubel. von der MSU, Ausbildung 4 Wochen. (1 Monat), Datum: 29. November 2023.
Verschiedenes / / December 01, 2023
Die Beherrschung des Studiengangs ist mit dem Studium der theoretischen Grundlagen der Statistik, Wahrscheinlichkeitstheorie und Gewinnung verbunden umfassende Kenntnisse über den praktischen Einsatz von Methoden der Informationsverarbeitung und -analyse in der Wirtschaft - Umfeld.
Das Studium des Kurses ermöglicht es Ihnen, das erworbene Wissen in der Praxis bei der Verarbeitung von Primärdaten anzuwenden, Darstellung der erzielten Ergebnisse in Form von Tabellen, Grafiken, Diagrammen, Konstruktion verallgemeinernd Indikatoren.
Auf ihrer Grundlage ist es möglich, die effektivsten statistischen und quantitativen Methoden und Modelle in der Wirtschaftsanalyse, einschließlich der Konstruktion von Verteilungen, zu verwenden. quantitative Methoden zur Bewertung von Wahrscheinlichkeiten, Methoden zur Entscheidungsfindung unter Unsicherheitsbedingungen, Methoden zur Konstruktion von Konfidenzintervallen, Methoden zur Konstruktion und Auswertung statistischer Daten Hypothesen.
Der Kurs wird in zwei Versionen durchgeführt: Basic und Advanced. Der Unterrichtsumfang in Stunden ist gleich.
Das Grundstudium umfasst Lehrveranstaltungen und Lernmaterialien gemeinsam mit Masterstudierenden der Fakultät. Das erweiterte Programm ist eine eigene Gruppe im Rahmen der Fortbildung.
Kategorie der Zuhörer – Firmen- und Abteilungsleiter, Mitarbeiter von Corporate Venture Funds, Spezialisten auf diesem Gebiet F&E, Projekt- und Produktmanager, Innovations- und Changemanager, analytisches Personal Abteilungen
Beginn des Unterrichts - Herbst 2023.
Dauer - 72 Stunden (32 Stunden Unterricht mit einem Lehrer, 40 Stunden unabhängiges Studium der Materialien).
Studienform – Vollzeit und Teilzeit.
Kosten für Bildung - 32.000 Rubel.
Ausbildungsverträge werden mit natürlichen und juristischen Personen abgeschlossen.
Die Anmeldung zu den Kursen erfolgt per E-Mail [email protected], über das Anmeldeformular auf der Website.
Sie können den Kursadministrator, Anton Martyanov, zur Anmeldung oder bei Fragen per WhatsApp oder Telegram unter +79264827721 kontaktieren.
Doktor der technischen Wissenschaften Position: Professor der Hochschule für Management und Innovation der Moskauer Staatlichen M.V.-Lomonossow-Universität
Thema 1. Methoden der Analyse personenbezogener Daten
Histogramme, Streudiagramme, Zeitreihen, Pivot-Tabellen, zusammenfassende Metriken, Boxplots, paarweise Korrelationsmatrix.
Thema 2. Quantitative Methoden der Wahrscheinlichkeitstheorie und der mathematischen Statistik
Wahrscheinlichkeitstheorie. Grundregeln der Wahrscheinlichkeitstheorie. Diskrete und kontinuierliche Zufallsvariablen. Erwartung und Varianz. Abgeleitete Wahrscheinlichkeitsverteilungen. Normale Binomialverteilungen. Mehrstufige Entscheidungsverfahren unter Bedingungen der Unsicherheit. Bewertung von Strategien (EMV). Entscheidungsbaum und seine Softwareimplementierung (TreePlan).
Mathe-Statistik. Die Hauptaufgabe der mathematischen Statistik. Das Konzept statistischer Schätzungen und ihre Eigenschaften. Schätzung von Konfidenzintervallen. Allgemeiner Plan zur Analyse von Situationen unter unsicheren Bedingungen. Steuern der Länge des Konfidenzintervalls. Typische statistische Probleme. Testen statistischer Hypothesen.
Erweitertes Kursprogramm
Thema 1. Aufbereitung von Daten für statistische Analysen
Allgemeine Methoden der Datenüberwachung und -vorverarbeitung (Erkennung von Lücken, Duplikaten, Anomalien, Verstößen gegen die Anforderungen an die Formalisierung von Eingabedaten usw.). Demonstration der Automatisierung des Prozesses der Datenvorverarbeitung und -konsolidierung. Methoden zur Erstellung statistischer Stichproben (einfache Zufallsstichprobenmethode, systematische Methode, Schichtungsmethode, Clusteransatz, mehrstufige Stichprobenmethoden).
Thema 2. Methoden der statistischen Datenanalyse
Korrelationsanalyse. Faktorenanalyse. Diskriminanzanalyse. Conjoint-Analyse.
Thema 3. Methoden der Regressionsanalyse
Methode der kleinsten Quadrate. Auswahl unabhängiger Faktoren. Auswahl einer Funktionsklasse. Gepaarte und multiple Regression. Methoden zur Beurteilung der Signifikanz von Regressionskoeffizienten. Beurteilung der Genauigkeit des Regressionsmodells. Statistische Tests der Modellangemessenheit. Methoden zur Linearisierung von Regressionsanalyseproblemen. Arbeiten mit nicht numerischen Daten (Dummy-Variablen-Methode).
Thema 4. Data-Mining-Methoden
Analytisches Reporting und mehrdimensionale Datenpräsentation. Datenspeicher. Messungen und Fakten. Grundlegende Operationen an einem Datenwürfel. Aufbau automatisierter Datenanalysemodelle. Arten von Problemen, die durch Data-Mining-Methoden gelöst werden: Klassifizierung, Clustering, Regression, Assoziation, Suche nach konsistenten Mustern. Die am häufigsten verwendeten Algorithmen für jede Art von Problem sind: selbstorganisierende Karten, Entscheidungsbäume, lineare Regression, neuronale Netze, assoziative Regeln. Methoden zur Visualisierung von Forschungsergebnissen.
Adresse
119991, Moskau, st. Leninskie Gory, 1, Geb. 51, 5. OG, Raum 544 (Dekanat)
Universität
Abonnieren
YOU MIGHT ALSO LIKE
