Сложность
Сложность
Продвинутый
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
С проверкой домашнего задания
Сертификат
Сертификат
Да

Стоимость курса

20 000 ₽
нет рассрочки

Программа ориентирована на менеджеров, аналитиков, бизнес -аналитиков, руководителей групп, нуждающихся в кратком и доступном изложении методов анализа данных – методов машинного обучения и нейросетей.

Вы сможете познакомиться с

  • постановкой задач поиска зависимостей и распознавания образов
     
  • описанием математических моделей и разбор пошаговых действий (алгоритма) их решения
     
  • правилами определений области допустимых значений данных, поступающих для прогнозирования

Направление программы
Профессиональные программы

Область программы
Математические и естественные науки

Группа программы
Математика и механика

Вид программы
Программы повышения квалификации

Форма обучения
Очно-заочная

Объем программы (академические часы)
Всего - 54
Аудиторных - 20

Требования для поступления
Программа предназначена для слушателей, имеющих высшее образование или получающих высшее образование (на предпоследнем и последнем году обучения)

 

Вас будут обучать

Руководитель программы

Профессор кафедры вычислительной математики механико-математического факультета МГУ имени М.В. Ломоносова

Доктор физико-математических наук

Сертифицированный специалист IBM

Образовательная организация

Общая информация

  • Программы дополнительного образования МГУ
  • Открытые лектории в Московском университете
  • «МГУ — школе»
  • «Университет без границ»
  • Подготовка к поступлению
  • Школы юных, кружки и образовательные курсы для школьников при факультетах МГУ
  • Общеуниверситетские подготовительные курсы
  • Подготовительные курсы факультетов МГУ (бакалавриат, специалитет, магистратура)
  • Мероприятия для школьников в музеях МГУ

Нормативные документы

  • Приказ Минобрнауки России от 1 июля 2013 г. №499 «Об утверждении Порядка организации и осуществления образовательной деятельности по дополнительным профессиональным программам»
  • Положение о повышении квалификации работников МГУ

Программа курса

Даты: 12,16,17,19,23,24 мая 2023 г.

Занятия с 17.00 до 20.00
 
Лекция 1 Входные требования. Введение в программу
Постановки задач
Обзор программы
Термины линейной алгебры
Примеры представления объектов
Правила работы с матрицами и векторами на уровне 1-2 курса технического вуза.
 
Лекция 2 Основные типы моделей для поиска закономерностей в данных
Регрессионный анализ
Кластеризация данных
Простые и обобщенные деревья решений
Сокращение данных – метод главных компонент
Эволюционные алгоритмы
Нейронные сети

Лекция 3 Введение в анализ данных
Введение в анализ данных и распознавание образов
Первичное преобразование данных, поиск выбросов
Регрессионный анализ, скользящий контроль
Деревья решений, простая и обобщенная формы

Лекция 4 Близость (похожесть) объектов. Кластеры и их поиск
Кластер как связная компонента графа.
Построение минимального покрывающего дерева.
Метод К средних, простая и обобщенная версии.
Иерархический кластер-анализ, дендрограммы

Лекция 5 Метод главных компонент
Факторы и их поиск, SVD разложение матрицы
Геометрический смысл факторов
Регрессия на факторах
Многомерное шкалирование

Лекция 6 Продвинутые методы анализа
Эволюционные алгоритмы – МГУА, генетические
Кернел функции – «беспризнаковый» анализ данных
SVM и поддерживающие вектора
«Когда мало данных» – Метод Bootstrap
Семейства прогнозирующих алгоритмов
«Нечеткие» признаки (Fuzzy)
«Нечеткие» классификаторы

Лекция 7 Нейронные сети. Часть 1
Модель персептрона и ее ограничения
Классические нейронные сети, слой нейронов, два типа нейронов
Задачи, решаемые нейронными сетями, «Глубокое обучение»

Лекция 8 Нейронные сети. Часть 2
Анализ Изображений и сверточные нейросети
Нейросети и «Инженерия признаков»
Проблема переобучения
Перспективы развития нейросетей
Графические процессоры (GPU).

Лекция 9 Закрепление знаний
Повторение основного материала на практическом примере
Подведение итогов

Накопительный зачет

Рейтинг курса

2.6
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 20.11.2024 09:47
«Введение в анализ данных»

«Введение в анализ данных»

Оставить отзыв
Поделиться курсом с друзьями