Datavisualisering og mining i Python - kurs RUB 21 000. fra Russian Economic University oppkalt etter. G.V. Plekhanov, trening 5 uker, dato 27. mars 2023.
Miscellanea / / November 27, 2023
I løpet av opplæringen vil det grunnleggende om dataanalyse og programmering i Python-miljøet, metoder og midler for inntasting og primær databehandling bli dekket. statistiske midler for grafisk presentasjon av data i intelligent analyse og modellering, gjennomføring kontrollert og ukontrollert klassifisering; metoder for assosiativ, faktor- og klyngemodellering; komponentanalyse og dekomponering av høyfrekvente dynamikkserier, nevrale nettverksmodellering og det grunnleggende om dyp læring.
Velg et treningsformat som er praktisk for deg - på heltid (i sentrum av Moskva, i de historiske bygningene til det russiske universitetet for økonomi oppkalt etter. G.V. Plekhanov) eller eksternt (fra hvor som helst i verden).
Fordeler med å studere under programmet
- Muligheten til å velge et praktisk læringsformat - online eller ansikt til ansikt ved det russiske universitetet for økonomi. G.V. Plekhanov.
- Mulighet til å delta i mesterklasser og spesialiserte arrangementer ved det russiske økonomiske universitetet. G.V. Plekhanov og hans partnere.
- Tilgjengelighet av rabattsystem for bedriftskunder.
- Konkurransefortrinn i arbeidsmarkedet med sertifikat fra REU. G.V. Plekhanov, det ledende økonomiske universitetet i Russland.
- En fleksibel timeplan lar deg studere selv med tanke på forretningsreiser og travelt arbeid.
Hvordan fortsette
Krav til studenter
Personer som har eller tar yrkesfaglig høyere/videregående utdanning får fullføre programmet
Dokumenter for opptak
En kopi av vitnemål fra høyere eller videregående yrkesutdanning med vedlegg eller sertifikat fra studiestedet (for studenter)
Pass: 1 oppslag (bilde), 2 oppslag (registrering)
SNIL
Programmet er rettet mot å danne og utvikle brukerens ferdigheter i prosessering, visualisering og analyse av data, med utgangspunkt i de enkleste beskrivende metodene statistikk og slutter med moderne metoder som har blitt utbredt (gradientforsterkning, analyse av høyfrekvente serier, nevrale nettverksmodellering og etc.). Programmet utvikler det grunnleggende om dataanalyse i Python-miljøet, inkludert innhenting av data via API og studier funksjoner ved intelligent analyse ("Data mining"), stedet og rollen til disse metodene innen dataanalyse og maskin opplæring. Verktøyene for datavisualisering (matplotlib, sjøfødte biblioteker), analyse og modellering av store data (pandaer, scipy, researchpy, statsmodels biblioteker), formulering av et forskningsproblem i en intellektuell analyse.
Statistiske verktøy for grafisk presentasjon av data. Biblioteker matplotlib, sjøfødt (10 timer)
Gruppering og klassifisering. Overvåket og uovervåket klassifisering (8 timer)
Assosiativ modellering. APRIORI-algoritme (10 timer)
Komponentanalyse og faktormodellering av finansiell og økonomisk dynamikkserie (10 timer)
Klyngemodellering og dynamisk tidslinjetransformasjon (6 timer)
Analyse av singularspektrum og lokale empiriske modi (8 timer)
Lokal vektet regresjon. Analyse av sosiale nettverk (8 timer)
Feedforward nevrale nettverk og konvolusjonelle nevrale nettverk. Dyplæring (10 timer)