0
Visninger
"Modellering og kvantitative analysemetoder i virksomheten" - kurs 32 000 rubler. fra MSU, trening 4 uker. (1 måned), dato: 29. november 2023.
Miscellanea / / December 01, 2023
Å mestre kurset er forbundet med å studere det teoretiske grunnlaget for statistikk, sannsynlighetsteori og innhenting omfattende kunnskap om praktisk bruk av informasjonsbehandling og analysemetoder i næringslivet - miljø.
Ved å studere kurset kan du bruke den ervervede kunnskapen i praksis ved behandling av primærdata, presentere resultatene oppnådd i form av tabeller, grafer, diagrammer, konstruere generalisering indikatorer.
På grunnlag av dem er det mulig å bruke de mest effektive statistiske og kvantitative metodene og modellene i økonomisk analyse, inkludert konstruksjon av fordelinger, kvantitative metoder for å vurdere sannsynligheter, metoder for å ta beslutninger under usikkerhetsforhold, metoder for å konstruere konfidensintervaller, metoder for å konstruere og evaluere statistiske hypoteser.
Kurset gjennomføres i to versjoner: grunnleggende og avansert. Klassevolumet i timer er det samme.
Grunnprogrammet innebærer undervisning og studiemateriell sammen med masterstudenter ved fakultetet. Det utvidede programmet er en egen gruppe innenfor rammen av videregående opplæring.
Kategori av lyttere – ledere for selskaper og avdelinger, ansatte i bedriftsrisikofond, spesialister på området FoU, prosjekt- og produktledere, innovasjons- og endringsledere, analytikere avdelinger
Start på klassene - høsten 2023.
Varighet – 72 timer (32 timer klasseromstimer med lærer, 40 timer selvstendig studie av materialer).
Studieform – heltid og deltid.
Kostnader for utdanning - 32 000 rubler.
Opplæringsavtaler inngås med enkeltpersoner og juridiske personer.
Registrering for kurs utføres på e-post [email protected], gjennom registreringsskjemaet på nettstedet.
Du kan kontakte kursadministratoren, Anton Martyanov, for å registrere deg eller med spørsmål via WhatsApp eller Telegram på +79264827721.
Doktor i tekniske vitenskaper Stilling: Professor ved Higher School of Management and Innovation ved M.V. Lomonosov Moscow State University
Emne 1. Metoder for analyse av personopplysninger
Histogrammer, spredningsplott, tidsserier, pivottabeller, oppsummerende beregninger, boksplott, parvis korrelasjonsmatrise.
Emne 2. Kvantitative metoder for sannsynlighetsteori og matematisk statistikk
Sannsynlighetsteori. Grunnleggende regler for sannsynlighetsteori. Diskrete og kontinuerlige tilfeldige variabler. Forventning og variasjon. Avledede sannsynlighetsfordelinger. Normale, binomiale fordelinger. Flertrinns beslutningsprosedyrer under forhold med usikkerhet. Evaluering av strategier (EMV). Beslutningstre og dets programvareimplementering (TreePlan).
Matematisk statistikk. Hovedoppgaven til matematisk statistikk. Konseptet med statistiske estimater og deres egenskaper. Estimering av konfidensintervaller. Generell plan for å analysere situasjoner under usikkerhetsforhold. Kontrollere lengden på konfidensintervallet. Typiske statistiske problemer. Testing av statistiske hypoteser.
Utvidet kursprogram
Emne 1. Forberede data for statistisk analyse
Generelle metoder for dataovervåking og forbehandling (identifisering av hull, duplikater, anomalier, brudd på krav til formalisering av inndata, etc.). Demonstrasjon av automatisering av prosessen med dataforbehandling og konsolidering. Metoder for å konstruere statistiske utvalg (enkel stikkprøvemetode, systematisk metode, stratifiseringsmetode, klyngetilnærming, flertrinns prøvetakingsmetoder).
Emne 2. Metoder for statistisk dataanalyse
Korrelasjonsanalyse. Faktor analyse. Diskriminerende analyse. Fellesanalyse.
Emne 3. Regresjonsanalysemetoder
Minste kvadratiske metode. Valg av uavhengige faktorer. Velge en funksjonsklasse. Paret og multippel regresjon. Metoder for å vurdere betydningen av regresjonskoeffisienter. Vurdere nøyaktigheten til regresjonsmodellen. Statistiske tester av modellens tilstrekkelighet. Metoder for linearisering av regresjonsanalyseproblemer. Arbeide med ikke-numeriske data (dummy variabel metode).
Emne 4. Datautvinningsmetoder
Analytisk rapportering og multidimensjonal datapresentasjon. Datalager. Målinger og fakta. Grunnleggende operasjoner på en datakube. Konstruksjon av automatiserte dataanalysemodeller. Typer problemer løst ved hjelp av Data Mining-metoder: klassifisering, clustering, regresjon, assosiasjon, søk etter konsistente mønstre. De mest brukte algoritmene for hver type problem er: selvorganiserende kart, beslutningstrær, lineær regresjon, nevrale nettverk, assosiative regler. Metoder for å visualisere forskningsresultater.
Adresse
119991, Moskva, st. Leninskie Gory, 1, byg. 51, 5. etasje, rom 544 (dekans kontor)
universitet
Abonnere