Vizualizace a dolování dat v Pythonu - kurz 21 000 RUB. z Ruské ekonomické univerzity pojmenované po. G.V. Plechanov, trénink 5 týdnů, datum 27.3.2023.
Různé / / November 27, 2023
V rámci školení budou probrány základy analýzy dat a programování v prostředí Python, způsoby a prostředky zadávání a primárního zpracování dat. statistické prostředky grafické prezentace dat v inteligentní analýze a modelování, provádějící kontrolované a neřízené klasifikace; metody asociativního, faktorového a shlukového modelování; komponentní analýza a dekompozice vysokofrekvenčních dynamických řad, modelování neuronových sítí a základy hlubokého učení.
Vyberte si formát školení, který vám vyhovuje – na plný úvazek (v centru Moskvy, v historických budovách Ruské ekonomické univerzity pojmenovaných po. G.V. Plekhanov) nebo na dálku (odkudkoli na světě).
Výhody studia v rámci programu
- Schopnost vybrat si vhodný studijní formát – online nebo tváří v tvář na Ruské ekonomické univerzitě. G.V. Plechanov.
- Možnost zúčastnit se mistrovských kurzů a specializovaných akcí Ruské ekonomické univerzity. G.V. Plechanov a jeho partneři.
- Dostupnost slevového systému pro firemní zákazníky.
- Konkurenční výhoda na trhu práce s certifikátem REU. G.V. Plechanov, přední ekonomická univerzita v Rusku.
- Flexibilní rozvrh lekcí vám umožní studovat i s přihlédnutím ke služebním cestám a pracovní vytíženosti.
Jak pokračovat
Požadavky na studenty
Program mohou absolvovat osoby, které mají nebo získávají vyšší/střední odborné vzdělání
Dokumenty pro přijetí
Kopie diplomu o vyšším nebo středním odborném vzdělání s přílohou nebo vysvědčení z místa studia (pro studenty)
Pas: 1 pomazánka (fotografie), 2 pomazánka (registrace)
SNILS
Program je zaměřen na formování a rozvoj dovedností uživatele ve zpracování, vizualizaci a analýze dat, počínaje nejjednoduššími popisnými metodami. statistiky a konče moderními metodami, které se rozšířily (posilování gradientů, analýza vysokofrekvenčních řad, modelování neuronových sítí a atd.). Program rozvíjí základy analýzy dat v prostředí Python, včetně získávání dat přes API, a studie vlastnosti inteligentní analýzy („Data mining“), místo a role těchto metod v oblasti analýzy dat a stroje výcvik. Nástroje pro vizualizaci dat (matplotlib, seaborn libraries), analýzu a modelování velkých data (pandy, scipy, researchpy, knihovny statsmodels), formulace výzkumného problému v intelektuálovi analýza.
Statistické nástroje pro grafickou prezentaci dat. Knihovny matplotlib, seaborn (10 hodin)
Seskupování a klasifikace. Klasifikace pod dohledem a bez dozoru (8 hodin)
Asociativní modelování. Algoritmus APRIORI (10 hodin)
Analýza komponent a faktorové modelování řad finanční a ekonomické dynamiky (10 hodin)
Modelování klastrů a dynamická transformace časové osy (6 hodin)
Analýza singulárního spektra a lokálních empirických módů (8 hodin)
Lokální vážená regrese. Analýza sociálních sítí (8 hodin)
Dopředné neuronové sítě a konvoluční neuronové sítě. Hluboké učení (10 hodin)