Курс находится на модерации. Данные могут быть неактуальны.
Тип обучения
Тип обучения
Курс
Зач. единицы
Зач. единицы
2
Сертификат
Сертификат
1 800 ₽ для получения

Стоимость курса

бесплатно
нет рассрочки
Обработка и анализ больших данных представляет собой новую практическую задачу, требующую навыков работы с современным инструментарием. В настоящее время данные называют «нефтью 21 века», они накапливаются в корпоративных и государственных информационных системах, социальных сетях, веб-блогах и сайтах и потенциально являются ценным ресурсом для извлечения новых знаний, инсайтов для научных исследований, повышения эффективности и конкурентоспособности предприятий. Методы интеллектуального анализа больших данных, таким образом, представляют собой тот необходимый инструмент для высвобождения этого потенциала. Курс «Математические и инструментальные методы машинного обучения» входит в число базовых при подготовке современных экономистов-математиков на уровне магистров. Изучение дисциплины позволит студентам получить и развивать навыки анализа и диагностики проблем экономики, современных методов их решения, а также ознакомиться с современной спецификой исследования операций в зарубежных и отечественных организациях. Целями и задачами курса являются: формирование у будущих магистров фундаментальных общеэкономических и естественнонаучных знаний;  освоение магистрантами   математических и инструментальных методов машинного обучения; использование  современных  информационно-коммуникационных технологий в профессиональной деятельности;            закрепление профессиональных навыков в области прогнозирования основных социально-экономических показателей деятельности предприятия, отрасли, региона и экономики в целом. В курсе использованы инновационные подходы: включение в факультетскую систему «ИНФОМИФИСТ» 18 уроков (лекций)  курса с тренингами и контрольными вопросами, проведения зачета в электронном формате с индивидуальной идентификацией студентов (логин, пароль) и троекратной возможностью пересдачи. Компетенции по решению задач в анализе данных с помощью методов машинного обучения,  будут получены студентами после прохождения курса «Математические и инструментальные методы машинного обучения». Изучение дисциплины позволит выработать навыки постановки и решения проблем развития организации, развить творческое мышление специалистов в области системного анализа и бизнес-моделирования, выработать умение решать управленческие проблемы в конкретной экономической ситуации. Мотивационная фраза:  «Освоение интеллектуальных методов для решения интеллектуальных задач».

Вас будут обучать

Кандидат технических наук, Доцент

Должность: Доцент отделения интеллектуальных кибернетических систем офиса образовательных программ

Образовательная организация

НИЯУ МИФИ – один из лучших национальных университетов, осуществляющих подготовку элитных специалистов для атомной сферы, науки, ИТ и других высокотехнологичных секторов экономики России.

Миссия университета - генерация, распространение, применение и сохранение научных знаний в интересах решения глобальных проблем XXI века.

НИЯУ МИФИ – признанный лидер в прорывных направлениях:

- ядерные исследования и технологии;

- лазерные, плазменные и пучковые технологии;

- СВЧ-наноэлектроника;

- нанобиотехнологии, биомедицина и медицинская физика;

- информационные технологии.

Университет развивает перспективные направления:

- космические исследования и технологии;

- управляемый термоядерный синтез;

- материалы для ядерного и космического применения.

Уникальные преимущества образования в НИЯУ МИФИ:

- Уникальные образовательные программы, ориентированные на профессии будущего и перспективные научные направления

- Обучение в сотрудничестве с ведущими мировыми корпорациями и крупными научными центрами мира

- Собственные современные уникальные экспериментальные установки и центры

- Стажировки студентов в ведущих научных центрах и лабораториях мира, участие в международных научноисследовательских и инновационных проектах, экспериментах Mega science. Среди них ATLAS, ALIСE, CMS в CERN; FAIR, XFEL в DESY (Германия); ITER (Франция); ICECUBE, PAMELA (Италия); STAR и PHENIX (США); T2K (Япония).

- Модульность, междисциплинарность и индивидуализация обучения

- Соответствие образовательных программ международным стандартам инженерного образования

Новый элемент системы российского образования — открытые онлайн-курсы — cможет перезачесть любой университет. Мы делаем это реальной практикой, расширяя границы образования для каждого студента. Полный набор курсов от ведущих университетов. Мы ведём системную работу по созданию курсов для базовой части всех направлений подготовки, обеспечивая удобное и выгодное для любого университета встраивание курса в свои образовательные программы
«Открытое образование» – это образовательная платформа, предлагающая массовые онлайн-курсы ведущих российских вузов, которые объединили свои усилия, чтобы предоставить возможность каждому получить качественное высшее образование.

Любой пользователь может совершенно бесплатно и в любое время проходить курсы от ведущих университетов России, а студенты российских вузов смогут засчитать результаты обучения в своем университете.

Программа курса

Модуль 1. Задачи и методологии анализа данных (Неделя 1)

Урок 1.  Введение в задачи анализа данных. Описание стандартов CRISP-DM, KDD, SEMMA. Основные понятия и методы анализа данных.

Урок 2.  Среда интеллектуального анализа данных RapidMiner.

Модуль 2. Подготовка данных (Неделя 2)

Урок 3.  Очистка, и обогащение данных.

Урок 4.  Метод главных компонент. Матрица нагрузок и матрица счетов. График собственных значений. Критерий Кайзера. Вращение методом Варимакс. Интерпретация результатов факторного анализа.

Модуль 3. Визуализация данных (Неделя 3)

Урок 5.  Визуализация данных. Понятие и основные задачи визуализации.

Урок 6.  Подходы к визуализации: геометрический, древовидный.

Рейтинг курса

3.5
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 21.04.2024 01:29
Математические и инструментальные методы машинного обучения

Математические и инструментальные методы машинного обучения

Оставить отзыв
Поделиться курсом с друзьями