0
views
“Modelleerimine ja kvantitatiivsed analüüsimeetodid ettevõtluses” - kursus 32 000 rubla. MSU-st, koolitus 4 nädalat. (1 kuu), kuupäev: 29. november 2023.
Varia / / December 01, 2023
Kursuse omandamine on seotud statistika teoreetiliste aluste õppimisega, tõenäosusteooria ja saamisega põhjalikud teadmised infotöötlus- ja analüüsimeetodite praktilisest kasutamisest ettevõtluses - keskkond.
Kursusel õppimine võimaldab omandatud teadmisi praktikas kasutada algandmete töötlemisel, saadud tulemuste esitamine tabelite, graafikute, diagrammidena, üldistamise konstrueerimine näitajad.
Nende põhjal on võimalik kasutada kõige efektiivsemaid statistilisi ja kvantitatiivseid meetodeid ja mudeleid majandusanalüüsis, sh jaotuste koostamisel, kvantitatiivsed meetodid tõenäosuste hindamiseks, meetodid otsuste tegemiseks määramatuse tingimustes, meetodid usaldusvahemike konstrueerimiseks, meetodid statistiliste andmete koostamiseks ja hindamiseks hüpoteesid.
Kursus viiakse läbi kahes versioonis: põhi- ja edasijõudnute. Tundide maht tundides on sama.
Põhiprogramm hõlmab tunde ja õppematerjale koos teaduskonna magistrantidega. Laiendatud programm on täiendõppe raames eraldi grupp.
Kuulajate kategooria
– ettevõtete ja osakondade juhid, ettevõtete riskifondide töötajad, valdkonna spetsialistid Teadus- ja arendustegevus, projekti- ja tootejuhid, innovatsiooni- ja muudatusjuhid, analüütikud osakonnadTundide algus - sügis 2023.
Kestus – 72 tundi (32 tundi auditoorseid tunde koos õpetajaga, 40 tundi iseseisvat materjaliõpet).
Õppevorm - täistööajaga ja osalise tööajaga.
Hariduse maksumus - 32 000 rubla.
Koolituslepingud sõlmitakse füüsiliste ja juriidiliste isikutega.
Kursustele registreerimine toimub e-posti teel [email protected] veebisaidil oleva registreerimisvormi kaudu.
Registreerumiseks või küsimustega saab ühendust võtta kursuse administraatori Anton Martjanoviga WhatsAppi või Telegrami kaudu numbril +79264827721.
Tehnikateaduste doktor Ametikoht: M. V. Lomonosovi Moskva Riikliku Ülikooli juhtimis- ja innovatsioonikõrgkooli professor
Teema 1. Isikuandmete analüüsi meetodid
Histogrammid, hajuvusdiagrammid, aegread, pivot-tabelid, kokkuvõtlikud mõõdikud, kastgraafikud, paaridevahelise korrelatsioonimaatriks.
2. teema. Tõenäosusteooria ja matemaatilise statistika kvantitatiivsed meetodid
Tõenäosusteooria. Tõenäosusteooria põhireeglid. Diskreetsed ja pidevad juhuslikud suurused. Ootus ja dispersioon. Tuletatud tõenäosusjaotused. Normaal-, binoomjaotused. Mitmeastmeline otsustusprotseduur ebakindluse tingimustes. Evaluation of Strategies (EMV). Otsuste puu ja selle tarkvara juurutamine (TreePlan).
Matemaatika statistika. Matemaatilise statistika põhiülesanne. Statistiliste hinnangute mõiste ja nende omadused. Usaldusvahemike hindamine. Üldplaan olukordade analüüsimiseks ebakindluse tingimustes. Usaldusvahemiku pikkuse kontrollimine. Tüüpilised statistikaprobleemid. Statistiliste hüpoteeside kontrollimine.
Laiendatud kursuste programm
Teema 1. Andmete ettevalmistamine statistiliseks analüüsiks
Andmete jälgimise ja eeltöötlemise üldmeetodid (lünkade, duplikaatide, anomaaliate, sisendandmete vormistamise nõuete rikkumiste jms tuvastamine). Andmete eeltöötluse ja konsolideerimise protsessi automatiseerimise demonstreerimine. Statistiliste valimite koostamise meetodid (lihtne juhuvalimi meetod, süstemaatiline meetod, stratifitseerimismeetod, klastrilähenemine, mitmeastmelised valimimeetodid).
2. teema. Statistiliste andmete analüüsi meetodid
Korrelatsioonianalüüs. Faktoranalüüs. Diskriminantanalüüs. Ühine analüüs.
3. teema. Regressioonanalüüsi meetodid
Vähima ruudu meetod. Sõltumatute tegurite valik. Funktsiooniklassi valimine. Paaris- ja mitmekordne regressioon. Regressioonikordajate olulisuse hindamise meetodid. Regressioonimudeli täpsuse hindamine. Mudeli adekvaatsuse statistilised testid. Regressioonanalüüsi ülesannete lineariseerimise meetodid. Töötamine mittenumbriliste andmetega (fiktiivse muutuja meetod).
4. teema. Andmekaeve meetodid
Analüütiline aruandlus ja mitmemõõtmeline andmete esitamine. Andmesalv. Mõõtmised ja faktid. Põhitoimingud andmekuubikuga. Automatiseeritud andmeanalüüsi mudelite ehitamine. Andmekaeve meetoditega lahendatavate probleemide tüübid: klassifitseerimine, klasterdamine, regressioon, seostamine, järjekindlate mustrite otsimine. Kõige laialdasemalt kasutatavad algoritmid iga probleemitüübi jaoks on: iseorganiseeruvad kaardid, otsustuspuud, lineaarne regressioon, närvivõrgud, assotsiatiivsed reeglid. Uurimistulemuste visualiseerimise meetodid.
Aadress
119991, Moskva, st. Leninskie Gory, 1, bldg. 51, 5. korrus, tuba 544 (dekanaat)
Ülikool
Subscribe
YOU MIGHT ALSO LIKE
