Matemaatika andmeteaduse jaoks. 3. osa. Optimeerimismeetodid ja andmeanalüüsi algoritmid - kursus 32 490 RUB. alates Spetsialist, koolitus 40 akadeemilist tundi, kuupäev 15. mai 2023. a.
Varia / / December 03, 2023
Professionaalne programmeerimiskursuste õpetaja, diplomeeritud arendaja Pythoni instituut üldise töökogemusega IT valdkonnas rohkem kui 20 aastat. Ehitatud IT-süsteemid 4 ettevõttes nullist. Rohkem kui 5 aastat.
Vadim Viktorovitš lõpetas 2000. aastal Venemaa Riikliku Humanitaarülikooli informaatika ja arvutiteaduse erialal. Tõeline professionaal haldusküsimustes DBMS, ettevõtte äriprotsesside automatiseerimine (ERP, CRM jne), katsejuhtumite loomine ja töötajate koolitamine.
Suudab motiveerida ja köita. Ta on kuulajate suhtes nõudlik, alati valmis keerulisi kohti selgeks tegema. Laialdased reaalsete projektidega töötamise kogemused võimaldavad tal pöörata tähelepanu nendele detailidele, mis algajatel arendajatel tavaliselt kahe silma vahele jäävad.
1. moodul. Optimeerimismeetodid (16 ak. h.)
- Põhimõisted, definitsioonid, teema
- Digitaalsete funktsioonide järjepidevus, sujuvus ja lähendamine. Diskreetsed digitaalsed funktsioonid
- Tingimuslik ja tingimusteta optimeerimine
- Ühe kriteeriumi optimeerimise meetodid
- Mitmekriteeriumilise optimeerimise probleemi avaldus
- Mitme kriteeriumi optimeerimise meetodid
- Gradient laskumine
- Stohhastilise optimeerimise meetodid
2. moodul. Andmeanalüüsi algoritmid (16 ac. h.)
- Lineaarse regressiooni algoritm. Gradiendi laskumine
- funktsioonide skaleerimine. L1- ja L2-reguleerimine. Stohhastilise gradiendi laskumine
- Logistiline regressioon
- Algoritm otsustuspuu koostamiseks. Juhuslik mets
- Gradiendi suurendamine
- Tagasi levitamise algoritmi analüüs
3. moodul. Lõputöö (8 ak. h.)
Andmeteadus hõlmab laia valikut lähenemisviise ja meetodeid mis tahes suurusega andmekogumite kogumiseks, töötlemiseks, analüüsimiseks ja visualiseerimiseks. Selle teaduse omaette praktiliselt oluline valdkond on uute põhimõtete järgi töötamine suurandmetega matemaatiline ja arvutuslik modelleerimine, kui klassikalised meetodid lakkavad töötamast nende võimatuse tõttu skaleerimine. See kursus on mõeldud selleks, et aidata õpilasel omandada ainevaldkonna põhitõdesid sõnastuse ja tüüpiliste probleemide lahendamine, millega andmeteaduse uurija võib endal kokku puutuda tööd. Õpetamaks õpilast selliseid probleeme lahendama, annavad kursuse autorid üliõpilasele vajaliku teoreetilise miinimumi ning näitavad, kuidas tööriistabaasi praktikas kasutada.
4,2