Datu vizualizācija un ieguve Python valodā - kurss RUB 21 000. vārdā nosauktajā Krievijas Ekonomikas universitātē. G.V. Plehanovs, apmācība 5 nedēļas, datums 27.03.2023.
Literārs Mistrojums / / November 27, 2023
Apmācību laikā tiks apskatīti datu analīzes un programmēšanas pamati Python vidē, ievades un primārās datu apstrādes metodes un līdzekļi. statistiski līdzekļi datu grafiskai prezentēšanai inteliģentā analīzē un modelēšanā, veicot kontrolētu un nekontrolētu klasifikācija; asociatīvās, faktoru un klasteru modelēšanas metodes; komponentu analīze un augstfrekvences dinamikas rindu dekompozīcija, neironu tīklu modelēšana un dziļās mācīšanās pamati.
Izvēlieties sev ērtu apmācību formātu - pilna laika (Maskavas centrā, Krievijas Ekonomikas universitātes vēsturiskajās ēkās, kas nosauktas pēc nosaukuma. G.V. Plehanovs) vai attālināti (no jebkuras vietas pasaulē).
Ieguvumi no studijām programmas ietvaros
- Iespēja izvēlēties ērtu mācību formātu – tiešsaistē vai klātienē Krievijas Ekonomikas universitātē. G.V. Plehanovs.
- Iespēja piedalīties Krievijas Ekonomikas universitātes meistarklasēs un specializētajos pasākumos. G.V. Plehanovs un viņa partneri.
- Atlaižu sistēmas pieejamība korporatīvajiem klientiem.
- Konkurētspējas priekšrocības darba tirgū ar REU sertifikātu. G.V. Plehanova, vadošā ekonomikas universitāte Krievijā.
- Elastīgs nodarbību grafiks ļauj mācīties pat ņemot vērā komandējumus un saspringto darbu.
Kā turpināt
Prasības studentiem
Programmu atļauts apgūt personām, kurām ir vai ir iegūta augstākā/vidējā profesionālā izglītība
Dokumenti uzņemšanai
Augstākās vai vidējās profesionālās izglītības diploma kopija ar pielikumu vai sertifikāts no mācību vietas (studējošiem)
Pase: 1 izplatība (foto), 2 izplatība (reģistrācija)
SNILS
Programmas mērķis ir veidot un attīstīt lietotāja prasmes datu apstrādē, vizualizācijā un analīzē, sākot ar vienkāršākajām aprakstošām metodēm. statistiku un beidzot ar modernām metodēm, kas kļuvušas plaši izplatītas (gradienta pastiprināšana, augstfrekvences rindu analīze, neironu tīklu modelēšana un utt.). Programma attīsta datu analīzes pamatus Python vidē, tostarp datu iegūšanu, izmantojot API, un studijas viedās analīzes (“datu ieguves”) iezīmes, šo metožu vieta un loma datu analīzes un mašīnu jomā apmācību. Rīki datu vizualizācijai (matplotlib, jūras bibliotēkas), lielu datu analīzei un modelēšanai dati (pandas, scipy, researchpy, statsmodels bibliotēkas), pētniecības problēmas formulējums intelektuālā analīze.
Statistikas rīki datu grafiskai attēlošanai. Bibliotēkas matplotlib, jūras (10 stundas)
Grupēšana un klasifikācija. Uzraudzīta un bez uzraudzības klasifikācija (8 stundas)
Asociatīvā modelēšana. APRIORI algoritms (10 stundas)
Finanšu un ekonomikas dinamikas rindu komponentu analīze un faktoru modelēšana (10 stundas)
Klasteru modelēšana un dinamiskā laika skalas transformācija (6 stundas)
Singulārā spektra un lokālo empīrisko režīmu analīze (8 stundas)
Lokālā svērtā regresija. Sociālo tīklu analīze (8 stundas)
Feedforward neironu tīkli un konvolucionālie neironu tīkli. Padziļināta apmācība (10 stundas)