Vizualizacija podataka i rudarenje u Pythonu - tečaj 21.000 RUB. s Ruskog ekonomskog sveučilišta nazvanog po. G.V. Plekhanov, trening 5 tjedana, datum 27. ožujka 2023.

Tijekom edukacije obradit će se osnove analize podataka i programiranja u Python okruženju, metode i sredstva unosa i primarne obrade podataka. statistička sredstva grafičkog prikaza podataka u inteligentnoj analizi i modeliranju, provođenju kontroliranih i nekontroliranih klasifikacija; metode asocijativnog, faktorskog i klasterskog modeliranja; komponentna analiza i dekompozicija visokofrekventnih dinamičkih nizova, modeliranje neuronskih mreža i osnove dubokog učenja.

Odaberite format obuke koji vam odgovara - puno radno vrijeme (u središtu Moskve, u povijesnim zgradama Ruskog ekonomskog sveučilišta nazvanog po. G.V. Plekhanov) ili daljinski (s bilo kojeg mjesta u svijetu).

Prednosti studiranja po programu

• Mogućnost odabira prikladnog formata učenja - online ili licem u lice na Ruskom sveučilištu ekonomije. G.V. Plehanova.
• Mogućnost sudjelovanja na majstorskim tečajevima i specijaliziranim događanjima Ruskog ekonomskog sveučilišta. G.V. Plehanov i njegovi partneri.
• Dostupnost sustava popusta za korporativne kupce.
instagram viewer
• Konkurentska prednost na tržištu rada s certifikatom REU. G.V. Plekhanov, vodeće ekonomsko sveučilište u Rusiji.
• Fleksibilan raspored lekcija omogućuje vam učenje čak i uzimajući u obzir poslovna putovanja i naporan posao.

Kako nastaviti

Zahtjevi za studente

Program mogu završiti osobe koje imaju ili stječu više/srednje strukovno obrazovanje

Dokumenti za upis

presliku diplome o stečenom višem ili srednjem stručnom obrazovanju s privitkom ili potvrdu s mjesta studiranja (za studente)
Putovnica: 1 rašir (fotografija), 2 rašira (registracija)
SNILS

Program je usmjeren na formiranje i razvijanje vještina korisnika u obradi, vizualizaciji i analizi podataka, počevši od najjednostavnijih deskriptivnih metoda statistike i završava sa suvremenim metodama koje su postale široko rasprostranjene (pojačavanje gradijenta, analiza visokofrekventnih serija, modeliranje neuronske mreže i itd.). Program razvija osnove analize podataka u okruženju Python, uključujući dobivanje podataka putem API-ja, te proučava značajke inteligentne analize (“Data mining”), mjesto i uloga ovih metoda u području analize podataka i stroja trening. Alati za vizualizaciju podataka (matplotlib, seaborn libraries), analizu i modeliranje velikih podaci (pandas, scipy, researchpy, statsmodels knjižnice), formulacija istraživačkog problema u intelektualnom analiza.

Statistički alati za grafički prikaz podataka. Knjižnice matplotlib, seaborn (10 sati)
Grupiranje i klasifikacija. Nadzirano i nenadzirano razvrstavanje (8 sati)
Asocijativno modeliranje. APRIORI algoritam (10 sati)
Komponentna analiza i faktorsko modeliranje serije financijske i ekonomske dinamike (10 sati)
Modeliranje klastera i dinamička transformacija vremenske trake (6 sati)
Analiza singularnog spektra i lokalnih empirijskih modusa (8 sati)
Lokalno ponderirana regresija. Analiza društvenih mreža (8 sati)
Feedforward neuronske mreže i konvolucijske neuronske mreže. Duboko učenje (10 sati)