"Μοντελοποίηση και ποσοτικές μέθοδοι ανάλυσης στην επιχείρηση" - μάθημα 32.000 ρούβλια. από το MSU, εκπαίδευση 4 εβδομάδες. (1 μήνας), Ημερομηνία: 29 Νοεμβρίου 2023.
μικροαντικείμενα / / December 01, 2023
Η εκμάθηση του μαθήματος σχετίζεται με τη μελέτη των θεωρητικών θεμελίων της στατιστικής, τη θεωρία πιθανοτήτων και την απόκτηση ολοκληρωμένη γνώση σχετικά με την πρακτική χρήση των μεθόδων επεξεργασίας και ανάλυσης πληροφοριών στις επιχειρήσεις - περιβάλλον.
Η μελέτη του μαθήματος σάς επιτρέπει να χρησιμοποιήσετε τις γνώσεις που αποκτήσατε στην πράξη κατά την επεξεργασία πρωτογενών δεδομένων, παρουσιάζοντας τα αποτελέσματα που προέκυψαν με τη μορφή πινάκων, γραφημάτων, διαγραμμάτων, κατασκευή γενίκευσης δείκτες.
Στη βάση τους, είναι δυνατό να χρησιμοποιηθούν οι πιο αποτελεσματικές στατιστικές και ποσοτικές μέθοδοι και μοντέλα στην οικονομική ανάλυση, συμπεριλαμβανομένης της κατασκευής διανομών, ποσοτικές μέθοδοι εκτίμησης πιθανοτήτων, μέθοδοι λήψης αποφάσεων υπό συνθήκες αβεβαιότητας, μέθοδοι κατασκευής διαστημάτων εμπιστοσύνης, μέθοδοι κατασκευής και αξιολόγησης στατιστικών υποθέσεις.
Το μάθημα διεξάγεται σε δύο εκδόσεις: βασική και προχωρημένη. Ο όγκος των μαθημάτων σε ώρες είναι ίδιος.
Το βασικό πρόγραμμα περιλαμβάνει μαθήματα και εκπαιδευτικό υλικό μαζί με μεταπτυχιακούς φοιτητές της σχολής. Το εκτεταμένο πρόγραμμα είναι μια ξεχωριστή ομάδα στο πλαίσιο της προχωρημένης εκπαίδευσης.
Κατηγορία ακροατών – επικεφαλής εταιρειών και τμημάτων, υπάλληλοι εταιρικών venture funds, ειδικοί στο χώρο Ε&Α, διαχειριστές έργων και προϊόντων, διαχειριστές καινοτομίας και αλλαγής, αναλυτικό προσωπικό τμήματα
Έναρξη μαθημάτων - φθινόπωρο 2023.
Διάρκεια - 72 ώρες (32 ώρες μαθήματα στην τάξη με δάσκαλο, 40 ώρες ανεξάρτητη μελέτη υλικών).
Μορφή σπουδών – πλήρους και μερικής απασχόλησης.
Κόστος εκπαίδευσης - 32.000 ρούβλια.
Συνάπτονται συμφωνίες κατάρτισης με φυσικά και νομικά πρόσωπα.
Η εγγραφή για τα μαθήματα πραγματοποιείται μέσω email [email protected], μέσω της φόρμας εγγραφής στον ιστότοπο.
Μπορείτε να επικοινωνήσετε με τον διαχειριστή του μαθήματος, Anton Martyanov, για εγγραφή ή με ερωτήσεις μέσω WhatsApp ή Telegram στο +79264827721.
Διδάκτωρ Τεχνικών Επιστημών Θέση: Καθηγητής της Ανώτατης Σχολής Διοίκησης και Καινοτομίας του Κρατικού Πανεπιστημίου της Μόσχας M.V. Lomonosov
Θέμα 1. Μέθοδοι ανάλυσης προσωπικών δεδομένων
Ιστογράμματα, διαγράμματα διασποράς, χρονοσειρές, πίνακες περιστροφής, συνοπτικές μετρήσεις, γραφικά πλαισίου, πίνακας συσχέτισης κατά ζεύγη.
Θέμα 2. Ποσοτικές μέθοδοι θεωρίας πιθανοτήτων και μαθηματικές στατιστικές
Θεωρία πιθανοτήτων. Βασικοί κανόνες της θεωρίας πιθανοτήτων. Διακριτές και συνεχείς τυχαίες μεταβλητές. Προσδοκία και διακύμανση. Παράγωγες κατανομές πιθανοτήτων. Κανονικές, διωνυμικές κατανομές. Διαδικασίες λήψης αποφάσεων σε πολλά στάδια υπό συνθήκες αβεβαιότητας. Αξιολόγηση Στρατηγικών (EMV). Το δέντρο αποφάσεων και η εφαρμογή λογισμικού του (TreePlan).
Στατιστικά μαθηματικών. Το κύριο καθήκον της μαθηματικής στατιστικής. Η έννοια των στατιστικών εκτιμήσεων και οι ιδιότητές τους. Εκτίμηση διαστημάτων εμπιστοσύνης. Γενικό σχέδιο για την ανάλυση καταστάσεων υπό συνθήκες αβεβαιότητας. Έλεγχος του μήκους του διαστήματος εμπιστοσύνης. Τυπικά στατιστικά προβλήματα. Έλεγχος στατιστικών υποθέσεων.
Εκτεταμένο πρόγραμμα μαθημάτων
Θέμα 1. Προετοιμασία δεδομένων για στατιστική ανάλυση
Γενικές μέθοδοι παρακολούθησης και προεπεξεργασίας δεδομένων (εντοπισμός κενών, διπλότυπων, ανωμαλιών, παραβιάσεων των απαιτήσεων τυποποίησης δεδομένων εισαγωγής κ.λπ.). Επίδειξη αυτοματοποίησης της διαδικασίας προεπεξεργασίας και ενοποίησης δεδομένων. Μέθοδοι κατασκευής στατιστικών δειγμάτων (απλή μέθοδος τυχαίας δειγματοληψίας, συστηματική μέθοδος, μέθοδος διαστρωμάτωσης, προσέγγιση σε ομάδες, μέθοδοι δειγματοληψίας πολλαπλών σταδίων).
Θέμα 2. Μέθοδοι ανάλυσης στατιστικών δεδομένων
Ανάλυση συσχέτισης. Παραγοντική ανάλυση. Διακριτική ανάλυση. Από κοινού ανάλυση.
Θέμα 3. Μέθοδοι Ανάλυσης Παλινδρόμησης
Μέθοδος ελάχιστου τετραγώνου. Επιλογή ανεξάρτητων παραγόντων. Επιλογή κλάσης συνάρτησης. Ζεύγη και πολλαπλή παλινδρόμηση. Μέθοδοι για την αξιολόγηση της σημαντικότητας των συντελεστών παλινδρόμησης. Αξιολόγηση της ακρίβειας του μοντέλου παλινδρόμησης. Στατιστικά τεστ επάρκειας μοντέλου. Μέθοδοι γραμμικοποίησης προβλημάτων ανάλυσης παλινδρόμησης. Εργασία με μη αριθμητικά δεδομένα (εικονική μέθοδος μεταβλητής).
Θέμα 4. Μέθοδοι Εξόρυξης Δεδομένων
Αναλυτική αναφορά και πολυδιάστατη παρουσίαση δεδομένων. Αποθήκευση δεδομένων. Μετρήσεις και γεγονότα. Βασικές λειτουργίες σε κύβο δεδομένων. Κατασκευή αυτοματοποιημένων μοντέλων ανάλυσης δεδομένων. Τύποι προβλημάτων που επιλύονται με μεθόδους εξόρυξης δεδομένων: ταξινόμηση, ομαδοποίηση, παλινδρόμηση, συσχέτιση, αναζήτηση συνεπών προτύπων. Οι πιο ευρέως χρησιμοποιούμενοι αλγόριθμοι για κάθε τύπο προβλήματος είναι: χάρτες αυτοοργάνωσης, δέντρα αποφάσεων, γραμμική παλινδρόμηση, νευρωνικά δίκτυα, συνειρμικοί κανόνες. Μέθοδοι οπτικοποίησης των αποτελεσμάτων της έρευνας.
Διεύθυνση
119991, Μόσχα, οδός. Leninskie Gory, 1, bldg. 51, 5ος όροφος, αίθουσα 544 (κοσμητεία)
Πανεπιστήμιο