Matematika za podatkovno znanost. 3. del Metode optimizacije in algoritmi za analizo podatkov - tečaj 32.490 RUB. iz specialista, usposabljanje 40 pedagoških ur, datum 15. maj 2023.
Miscellanea / / December 03, 2023
Profesionalni učitelj tečaja programiranja, certificirani razvijalec Inštitut Python s splošnimi delovnimi izkušnjami na področju IT več kot 20 let. Iz nič zgradili IT sisteme v 4 podjetjih. Več kot 5 let.
Vadim Viktorovich je leta 2000 diplomiral na Ruski državni univerzi za humanistične vede s specializacijo iz informatike in računalništva. Pravi profesionalec v upravnih zadevah DBMS, avtomatizacija poslovnih procesov podjetja (ERP, CRM itd.), ustvarjanje testnih primerov in usposabljanje zaposlenih.
Sposoben motivirati in očarati. Do poslušalcev je zahteven, vedno pripravljen razjasniti težke točke. Bogate izkušnje pri delu na resničnih projektih mu omogočajo, da je pozoren na tiste podrobnosti, ki jih razvijalci začetniki običajno spregledajo.
Modul 1. Optimizacijske metode (16 ac. h.)
- Osnovni pojmi, definicije, predmet
- Kontinuiteta, gladkost in konvergenca digitalnih funkcij. Diskretne digitalne funkcije
- Pogojna in brezpogojna optimizacija
- Enokriterijske optimizacijske metode
- Postavitev problema večkriterijske optimizacije
- Metode večkriterijske optimizacije
- Gradientni spust
- Stohastične optimizacijske metode
Modul 2. Algoritmi za analizo podatkov (16 ac. h.)
- Algoritem linearne regresije. Gradientni spust
- Skaliranje funkcij. L1- in L2-regularizacija. Stohastični gradientni spust
- Logistična regresija
- Algoritem za izdelavo odločitvenega drevesa. Naključni gozd
- Povečanje gradienta
- Analiza algoritma povratnega širjenja
Modul 3. Zaključno delo (8 ak. h.)
Podatkovna znanost vključuje široko paleto pristopov in metod za zbiranje, obdelavo, analizo in vizualizacijo naborov podatkov vseh velikosti. Ločeno praktično pomembno področje te znanosti je delo z velikimi podatki po novih načelih matematično in računalniško modeliranje, ko klasične metode zaradi nezmožnosti prenehajo delovati skaliranje. Ta tečaj je zasnovan tako, da pomaga študentu pri učenju osnov predmetnega področja s pomočjo formulacije in reševanje tipičnih problemov, na katere lahko naleti raziskovalec podatkovne znanosti delo. Da bi študenta naučili reševati tovrstne probleme, avtorji tečaja študentu zagotovijo potrebni teoretični minimum in pokažejo, kako bazo orodij uporabiti v praksi.
4,2