0
Posjeta
“Modeliranje i kvantitativne metode analize u poslovanju” - tečaj 32.000 rubalja. iz MSU, obuka 4 tjedna. (1 mjesec), Datum: 29.11.2023.
Miscelanea / / December 01, 2023
Savladavanje kolegija povezano je s proučavanjem teorijskih osnova statistike, teorije vjerojatnosti i dobivanja sveobuhvatno znanje o praktičnoj uporabi metoda obrade i analize informacija u poslovanju - okoliš.
Poučavanje kolegija omogućuje korištenje stečenog znanja u praksi pri obradi primarnih podataka, prezentiranje dobivenih rezultata u obliku tablica, grafikona, dijagrama, konstruiranje generaliziranje indikatori.
Na njihovoj osnovi moguće je koristiti najučinkovitije statističke i kvantitativne metode i modele u ekonomskoj analizi, uključujući konstrukciju distribucija, kvantitativne metode za procjenu vjerojatnosti, metode za donošenje odluka u uvjetima neizvjesnosti, metode za konstrukciju intervala pouzdanosti, metode za konstrukciju i ocjenu statističkih hipoteze.
Tečaj se izvodi u dvije verzije: osnovnoj i naprednoj. Obim nastave u satima je isti.
Osnovni program uključuje nastavu i studijske materijale zajedno sa studentima master studija fakulteta. Prošireni program je zasebna skupina u okviru naprednog usavršavanja.
Kategorija slušatelja – voditelji tvrtki i odjela, zaposlenici korporativnih rizičnih fondova, stručnjaci u tom području Istraživanje i razvoj, voditelji projekata i proizvoda, menadžeri inovacija i promjena, analitičko osoblje odjelima
Početak nastave - jesen 2023.
Trajanje – 72 sata (32 sata razredne nastave s nastavnikom, 40 sati samostalnog proučavanja gradiva).
Oblik studija – puno radno vrijeme i izvanredno.
Trošak obrazovanja - 32.000 rubalja.
Ugovori o izobrazbi sklapaju se s fizičkim i pravnim osobama.
Registracija za tečajeve provodi se putem e-pošte [email protected], putem obrasca za registraciju na web stranici.
Možete kontaktirati administratora tečaja, Antona Martyanova, za registraciju ili pitanja putem WhatsAppa ili Telegrama na +79264827721.
Doktor tehničkih znanosti Pozicija: profesor Visoke škole za menadžment i inovacije Moskovskog državnog sveučilišta M.V. Lomonosov
Tema 1. Metode analize osobnih podataka
Histogrami, dijagrami raspršenosti, vremenske serije, stožerne tablice, sažetak metrike, okvirni dijagrami, korelacijske matrice u paru.
Tema 2. Kvantitativne metode teorije vjerojatnosti i matematičke statistike
Teorija vjerojatnosti. Osnovna pravila teorije vjerojatnosti. Diskretne i kontinuirane slučajne varijable. Očekivanje i varijanca. Izvedene distribucije vjerojatnosti. Normalne, binomne distribucije. Višestepeni postupci odlučivanja u uvjetima nesigurnosti. Evaluacija strategija (EMV). Stablo odlučivanja i njegova programska implementacija (TreePlan).
Matematička statistika. Glavni zadatak matematičke statistike. Pojam statističkih procjena i njihova svojstva. Procjena intervala pouzdanosti. Opći plan za analizu situacija u uvjetima neizvjesnosti. Kontrola duljine intervala pouzdanosti. Tipični statistički problemi. Testiranje statističkih hipoteza.
Prošireni program tečaja
Tema 1. Priprema podataka za statističku analizu
Opće metode praćenja i predobrade podataka (prepoznavanje praznina, duplikata, anomalija, kršenja zahtjeva formalizacije ulaznih podataka, itd.). Demonstracija automatizacije procesa predobrade i konsolidacije podataka. Metode konstruiranja statističkih uzoraka (metoda jednostavnog slučajnog uzorkovanja, sustavna metoda, metoda stratifikacije, klasterski pristup, metode višestupanjskog uzorkovanja).
Tema 2. Metode statističke obrade podataka
Korelacijska analiza. Faktorska analiza. Diskriminantna analiza. Spojena analiza.
Tema 3. Metode regresijske analize
Metoda najmanjeg kvadrata. Izbor nezavisnih faktora. Odabir klase funkcija. Uparena i višestruka regresija. Metode procjene značajnosti regresijskih koeficijenata. Procjena točnosti regresijskog modela. Statistički testovi adekvatnosti modela. Metode linearizacije problema regresijske analize. Rad s nenumeričkim podacima (metoda lažnih varijabli).
Tema 4. Metode rudarenja podataka
Analitičko izvješćivanje i višedimenzionalni prikaz podataka. Pohrana podataka. Mjerenja i činjenice. Osnovne operacije na podatkovnoj kocki. Izrada modela automatizirane analize podataka. Vrste problema koji se rješavaju metodama Data Mininga: klasifikacija, grupiranje, regresija, asocijacija, traženje konzistentnih obrazaca. Najrašireniji algoritmi za svaku vrstu problema su: samoorganizirajuće mape, stabla odlučivanja, linearna regresija, neuronske mreže, asocijativna pravila. Metode vizualizacije rezultata istraživanja.
Adresa
119991, Moskva, ul. Leninskie Gory, 1, bldg. 51, V kat, soba 544 (Dekanat)
Sveučilište
Pretplatite
YOU MIGHT ALSO LIKE
