“Ievads datu analīzē” - kurss 20 000 RUB. no MSU, apmācība 13 nedēļas. (1,5 mēneši), Datums: 2023. gada 12. maijs.
Literārs Mistrojums / / December 02, 2023
Programma ir paredzēta vadītājiem, analītiķiem, biznesa analītiķiem, komandu vadītājiem, tiem, kam nepieciešama īsa un pieejama datu analīzes metožu prezentācija – mašīnmācīšanās metodes un neironu tīkli.
Uzņemšanas prasības
Programma paredzēta studentiem, kuriem ir augstākā izglītība vai kuri iegūst augstāko izglītību (priekšpēdējā un pēdējā studiju gadā)
Datumi: 2023. gada 12., 16., 17., 19., 23., 24. maijs
Nodarbības no 17.00 līdz 20.00
1. lekcija Iestāšanās prasības. Ievads programmā
Mērķu paziņojumi
Programmas pārskats
Lineārās algebras termini
Objektu attēlojuma piemēri
Noteikumi darbam ar matricām un vektoriem tehniskās augstskolas 1.-2.kursa līmenī.
2. lekcija Modeļu pamatveidi datu modeļu atrašanai
Regresijas analīze
Datu klasterizācija
Vienkārši un vispārināti lēmumu koki
Datu samazināšana - galveno komponentu analīze
Evolūcijas algoritmi
Neironu tīkli
3. lekcija Ievads datu analīzē
Ievads datu analīzē un modeļu atpazīšanā
Primāro datu transformācija, izņēmumu meklēšana
Regresijas analīze, ritošā kontrole
Lēmumu koki, vienkāršas un vispārinātas formas
4. lekcija Objektu tuvums (līdzība). Klasteri un to meklēšana
Klasteris kā grafa savienots komponents.
Minimālā laiduma koka konstruēšana.
K līdzekļu metode, vienkāršas un vispārinātas versijas.
Hierarhiskā klasteru analīze, dendrogrammas
5. lekcija Galvenās sastāvdaļas metode
Faktori un to meklēšana, SVD matricas sadalīšana
Faktoru ģeometriskā nozīme
Regresija uz faktoriem
Daudzdimensiju mērogošana
6. lekcija Uzlabotas analīzes metodes
Evolūcijas algoritmi – GMDH, ģenētiskie
Kodola funkcijas – “bezzīmju” datu analīze
SVM un atbalsta vektori
“Kad ir maz datu” — sāknēšanas metode
Prognozēšanas algoritmu ģimenes
"Izplūdušas" zīmes (izplūdušas)
"Izplūdušie" klasifikatori
7. lekcija Neironu tīkli. 1. daļa
Perceptrona modelis un tā ierobežojumi
Klasiskie neironu tīkli, neironu slānis, divu veidu neironi
Neironu tīklu risinātās problēmas, “Dziļā mācīšanās”
8. lekcija Neironu tīkli. 2. daļa
Attēlu analīze un konvolucionālie neironu tīkli
Neironu tīkli un funkciju inženierija
Pārmērības problēma
Neironu tīklu attīstības perspektīvas
Grafikas apstrādes vienības (GPU).
9. lekcija Zināšanu nostiprināšana
Pamatmateriāla atkārtošana, izmantojot praktisku piemēru
Apkopojot
Kumulatīvais kredīts
Kurss aptver Cassandra 4-x arhitektūras pamatus, konceptuālo, loģisko un fizisko datu modeļu izstrādi. Ietver visu nepieciešamo tehnisko informāciju, lai izmantotu Cassandra mērogojamībai datu glabāšanai Java projektos, kā arī uzraudzībai, konfigurēšanai un konfigurēšanai produktivitāte.
4
51 500 ₽