Οπτικοποίηση δεδομένων και εξόρυξη σε Python - μάθημα 21.000 RUB. από το Ρωσικό Οικονομικό Πανεπιστήμιο. G.V. Πλεχάνοφ, εκπαίδευση 5 εβδομάδων, ημερομηνία 27 Μαρτίου 2023.
μικροαντικείμενα / / November 27, 2023
Κατά τη διάρκεια της εκπαίδευσης θα καλυφθούν τα βασικά στοιχεία της ανάλυσης και προγραμματισμού δεδομένων στο περιβάλλον Python, οι μέθοδοι και τα μέσα εισαγωγής και πρωτογενούς επεξεργασίας δεδομένων. στατιστικά μέσα γραφικής παρουσίασης δεδομένων σε ευφυή ανάλυση και μοντελοποίηση, διεξαγωγή ελεγχόμενων και μη ελεγχόμενων ταξινόμηση; Μέθοδοι μοντελοποίησης συσχετισμού, παραγόντων και συστάδων. ανάλυση συστατικών και αποσύνθεση σειρών δυναμικής υψηλής συχνότητας, μοντελοποίηση νευρωνικών δικτύων και τα βασικά της βαθιάς μάθησης.
Επιλέξτε μια μορφή εκπαίδευσης που είναι βολική για εσάς - πλήρους απασχόλησης (στο κέντρο της Μόσχας, στα ιστορικά κτίρια του Ρωσικού Οικονομικού Πανεπιστημίου που πήρε το όνομά του. G.V. Plekhanov) ή εξ αποστάσεως (από οπουδήποτε στον κόσμο).
Οφέλη από τη μελέτη στο πλαίσιο του προγράμματος
- Η δυνατότητα επιλογής μιας βολικής μορφής μάθησης - διαδικτυακά ή πρόσωπο με πρόσωπο στο Ρωσικό Οικονομικό Πανεπιστήμιο. G.V. Πλεχάνοφ.
- Ευκαιρία συμμετοχής σε master classes και εξειδικευμένες εκδηλώσεις του Ρωσικού Οικονομικού Πανεπιστημίου. G.V. Ο Πλεχάνοφ και οι συνεργάτες του.
- Διαθεσιμότητα συστήματος εκπτώσεων για εταιρικούς πελάτες.
- Ανταγωνιστικό πλεονέκτημα στην αγορά εργασίας με πιστοποιητικό από την REU. G.V. Πλεχάνοφ, το κορυφαίο οικονομικό πανεπιστήμιο στη Ρωσία.
- Ένα ευέλικτο πρόγραμμα μαθημάτων σάς επιτρέπει να μελετάτε ακόμη και λαμβάνοντας υπόψη τα επαγγελματικά ταξίδια και την πολυάσχολη εργασία.
Πώς να προχωρήσω
Απαιτήσεις για φοιτητές
Άτομα που έχουν ή λαμβάνουν ανώτερη/δευτεροβάθμια επαγγελματική εκπαίδευση επιτρέπεται να ολοκληρώσουν το πρόγραμμα
Έγγραφα εισδοχής
Αντίγραφο απολυτηρίου ανώτερης ή δευτεροβάθμιας επαγγελματικής εκπαίδευσης με συνημμένο ή πιστοποιητικό από τον τόπο σπουδών (για φοιτητές)
Διαβατήριο: 1 spread (φωτογραφία), 2 spread (εγγραφή)
SNILS
Το πρόγραμμα στοχεύει στη διαμόρφωση και ανάπτυξη των δεξιοτήτων του χρήστη στην επεξεργασία, οπτικοποίηση και ανάλυση δεδομένων, ξεκινώντας από τις απλούστερες περιγραφικές μεθόδους στατιστικές και τελειώνοντας με σύγχρονες μεθόδους που έχουν γίνει ευρέως διαδεδομένες (ενίσχυση κλίσης, ανάλυση σειρών υψηλής συχνότητας, μοντελοποίηση νευρωνικών δικτύων και και τα λοιπά.). Το πρόγραμμα αναπτύσσει τις βασικές αρχές της ανάλυσης δεδομένων στο περιβάλλον Python, συμπεριλαμβανομένης της λήψης δεδομένων μέσω API και μελετών χαρακτηριστικά της ευφυούς ανάλυσης ("Data mining"), η θέση και ο ρόλος αυτών των μεθόδων στον τομέα της ανάλυσης δεδομένων και της μηχανής εκπαίδευση. Τα εργαλεία οπτικοποίησης δεδομένων (matplotlib, seaborn libraries), ανάλυσης και μοντελοποίησης μεγάλων δεδομένα (pandas, scipy, researchpy, statsmodels libraries), διαμόρφωση ενός ερευνητικού προβλήματος σε έναν διανοούμενο ανάλυση.
Στατιστικά εργαλεία για γραφική παρουσίαση δεδομένων. Βιβλιοθήκες matplotlib, seaborn (10 ώρες)
Ομαδοποίηση και ταξινόμηση. Ταξινόμηση με επίβλεψη και χωρίς επίβλεψη (8 ώρες)
Συνειρμική μοντελοποίηση. Αλγόριθμος APRIORI (10 ώρες)
Ανάλυση συνιστωσών και παραγοντική μοντελοποίηση σειρών χρηματοοικονομικής και οικονομικής δυναμικής (10 ώρες)
Μοντελοποίηση συμπλέγματος και δυναμικός μετασχηματισμός γραμμής χρόνου (6 ώρες)
Ανάλυση μοναδικού φάσματος και τοπικών εμπειρικών τρόπων (8 ώρες)
Τοπική σταθμισμένη παλινδρόμηση. Ανάλυση κοινωνικών δικτύων (8 ώρες)
Προοδευτικά νευρωνικά δίκτυα και συνελικτικά νευρωνικά δίκτυα. Βαθιά μάθηση (10 ώρες)