„Einführung in die Datenanalyse“ – Kurs 20.000 RUB. von der MSU, Ausbildung 13 Wochen. (1,5 Monate), Datum: 12. Mai 2023.
Verschiedenes / / December 02, 2023
Das Programm richtet sich an Manager, Analysten, Business-Analysten, Teamleiter, diejenigen, die eine kurze und leicht zugängliche Präsentation von Datenanalysemethoden benötigen – Methoden des maschinellen Lernens und Neuronale Netze.
Zulassungsvoraussetzungen
Das Programm richtet sich an Studierende, die über eine Hochschulausbildung verfügen oder eine Hochschulausbildung absolvieren (im vorletzten und letzten Studienjahr).
Termine: 12., 16., 17., 19., 23., 24. Mai 2023
Unterricht von 17.00 bis 20.00 Uhr
Vorlesung 1 Zugangsvoraussetzungen. Einführung in das Programm
Zielerklärungen
Programmübersicht
Begriffe der linearen Algebra
Beispiele für die Darstellung von Objekten
Regeln für die Arbeit mit Matrizen und Vektoren im 1.-2. Studienjahr einer technischen Universität.
Vorlesung 2 Grundlegende Modelltypen zum Finden von Mustern in Daten
Regressionsanalyse
Datenclusterung
Einfache und verallgemeinerte Entscheidungsbäume
Datenreduktion – Hauptkomponentenanalyse
Evolutionäre Algorithmen
Neuronale Netze
Vorlesung 3
Einführung in die DatenanalyseEinführung in die Datenanalyse und Mustererkennung
Primäre Datentransformation, Suche nach Ausreißern
Regressionsanalyse, rollierende Kontrolle
Entscheidungsbäume, einfache und verallgemeinerte Formen
Vorlesung 4 Nähe (Ähnlichkeit) von Objekten. Cluster und ihre Suche
Cluster als verbundene Komponente eines Diagramms.
Konstruieren eines minimalen Spannbaums.
Methode von K bedeutet, einfache und verallgemeinerte Versionen.
Hierarchische Clusteranalyse, Dendrogramme
Vorlesung 5 Hauptkomponentenmethode
Faktoren und ihre Suche, SVD-Matrixzerlegung
Geometrische Bedeutung von Faktoren
Regression auf Faktoren
Mehrdimensionale Skalierung
Vorlesung 6 Erweiterte Analysemethoden
Evolutionäre Algorithmen – GMDH, genetisch
Kernelfunktionen – „zeichenlose“ Datenanalyse
SVM und Support-Vektoren
„Wenn wenig Daten vorhanden sind“ – Bootstrap-Methode
Familien prädiktiver Algorithmen
„Fuzzy“-Zeichen (Fuzzy)
„Fuzzy“-Klassifikatoren
Vorlesung 7 Neuronale Netze. Teil 1
Perceptron-Modell und seine Grenzen
Klassische neuronale Netze, Schicht von Neuronen, zwei Arten von Neuronen
Durch neuronale Netze gelöste Probleme, „Deep Learning“
Vorlesung 8 Neuronale Netze. Teil 2
Bildanalyse und Faltungs-Neuronale Netze
Neuronale Netze und Feature Engineering
Überanpassungsproblem
Perspektiven für die Entwicklung neuronaler Netze
Grafikprozessoren (GPUs).
Vorlesung 9 Festigung des Wissens
Wiederholung des Grundstoffs anhand eines praktischen Beispiels
Zusammenfassend
Kumuliertes Guthaben
Der Kurs behandelt die Grundlagen der Cassandra 4-x-Architektur sowie die Entwicklung konzeptioneller, logischer und physischer Datenmodelle. Behandelt alle notwendigen technischen Details für die Verwendung von Cassandra für Scalable Speichern von Daten in Java-Projekten sowie zur Überwachung, Konfiguration und Konfiguration Produktivität.
4
51 500 ₽