"Modeliranje in kvantitativne metode analize v poslovanju" - tečaj 32.000 rubljev. iz MSU, usposabljanje 4 tedne. (1 mesec), datum: 29. november 2023.
Miscellanea / / December 01, 2023
Obvladovanje predmeta je povezano s študijem teoretičnih osnov statistike, teorije verjetnosti in pridobivanja celovito znanje o praktični uporabi metod obdelave in analize informacij v poslovanju - okolju.
Študij predmeta vam omogoča uporabo pridobljenega znanja v praksi pri obdelavi primarnih podatkov, predstavitev dobljenih rezultatov v obliki tabel, grafov, diagramov, konstruiranje posploševanja indikatorji.
Na njihovi podlagi je mogoče uporabiti najučinkovitejše statistične in kvantitativne metode in modele v ekonomski analizi, vključno s konstrukcijo distribucij, kvantitativne metode za ocenjevanje verjetnosti, metode za sprejemanje odločitev v pogojih negotovosti, metode za konstruiranje intervalov zaupanja, metode za konstruiranje in vrednotenje statističnih hipoteze.
Tečaj poteka v dveh različicah: osnovni in nadaljevalni. Obseg pouka po urah je enak.
Osnovni program vključuje pouk in študijska gradiva skupaj z magistrskimi študenti fakultete. Razširjeni program je posebna skupina v okviru izpopolnjevanja.
Kategorija poslušalcev – vodje podjetij in oddelkov, zaposleni v podjetniških skladih tveganega kapitala, strokovnjaki na tem področju R&D, vodje projektov in produktov, vodje inovacij in sprememb, analitično osebje oddelki
Začetek pouka - jesen 2023.
Trajanje – 72 ur (32 ur razrednega pouka z učiteljem, 40 ur samostojnega učenja gradiva).
Oblika študija – redni in izredni delovni čas.
Stroški izobraževanja - 32.000 rubljev.
Pogodbe o usposabljanju se sklepajo s fizičnimi in pravnimi osebami.
Registracija na tečaje poteka po e-pošti [email protected] prek obrazca za registracijo na spletnem mestu.
Za registracijo ali vprašanja se lahko obrnete na skrbnika tečaja Antona Martyanova prek WhatsAppa ali Telegrama na +79264827721.
Doktor tehničnih znanosti Položaj: profesor na Visoki šoli za management in inovacije Moskovske državne univerze M. V. Lomonosova
Tema 1. Metode analize osebnih podatkov
Histogrami, razpršeni diagrami, časovne vrste, vrtilne tabele, metrike povzetka, škatlasti diagrami, parna korelacijska matrika.
Tema 2. Kvantitativne metode teorije verjetnosti in matematične statistike
Teorija verjetnosti. Osnovna pravila teorije verjetnosti. Diskretne in zvezne naključne spremenljivke. Pričakovanje in varianca. Izpeljane verjetnostne porazdelitve. Normalne, binomske porazdelitve. Večstopenjski postopki odločanja v pogojih negotovosti. Vrednotenje strategij (EMV). Odločitveno drevo in njegova programska izvedba (TreePlan).
Statistika matematike. Glavna naloga matematične statistike. Pojem statističnih ocen in njihove lastnosti. Ocena intervalov zaupanja. Splošni načrt za analizo situacij v pogojih negotovosti. Nadzor dolžine intervala zaupanja. Tipični statistični problemi. Preizkušanje statističnih hipotez.
Razširjeni program tečaja
Tema 1. Priprava podatkov za statistično analizo
Splošne metode spremljanja in predobdelave podatkov (identifikacija vrzeli, dvojnikov, anomalij, kršitev zahtev formalizacije vhodnih podatkov itd.). Prikaz avtomatizacije procesa predprocesiranja in konsolidacije podatkov. Metode za konstruiranje statističnih vzorcev (metoda enostavnega naključnega vzorčenja, sistematična metoda, stratifikacijska metoda, grozdni pristop, metode večstopenjskega vzorčenja).
Tema 2. Metode statistične analize podatkov
Korelacijska analiza. Faktorska analiza. Diskriminantna analiza. Skupna analiza.
Tema 3. Metode regresijske analize
Metoda najmanjših kvadratov. Izbor neodvisnih faktorjev. Izbira funkcijskega razreda. Parna in multipla regresija. Metode za ocenjevanje pomembnosti regresijskih koeficientov. Ocenjevanje točnosti regresijskega modela. Statistični testi ustreznosti modela. Metode za linearizacijo problemov regresijske analize. Delo z nenumeričnimi podatki (metoda navideznih spremenljivk).
Tema 4. Metode podatkovnega rudarjenja
Analitično poročanje in večdimenzionalni prikaz podatkov. Shramba podatkov. Meritve in dejstva. Osnovne operacije na podatkovni kocki. Izdelava avtomatiziranih modelov za analizo podatkov. Vrste problemov, ki jih rešujejo metode podatkovnega rudarjenja: klasifikacija, združevanje v gruče, regresija, asociacija, iskanje konsistentnih vzorcev. Najpogosteje uporabljeni algoritmi za vsako vrsto problema so: samoorganizirajoči se zemljevidi, odločitvena drevesa, linearna regresija, nevronske mreže, asociativna pravila. Metode vizualizacije rezultatov raziskav.
Naslov
119991, Moskva, ul. Leninskie Gory, 1, str. 51, 5. nadstropje, soba 544 (dekanat)
Univerza