19/12/2019
0
Görünümler
“İşletmede modelleme ve niceliksel analiz yöntemleri” - kurs 32.000 ruble. MSU'dan, 4 hafta eğitim. (1 ay), Tarih: 29 Kasım 2023.
Miscellanea / / December 01, 2023
Derste uzmanlaşmak, istatistiğin teorik temellerini, olasılık teorisini incelemek ve elde etmekle ilişkilidir. İşletmelerde bilgi işleme ve analiz yöntemlerinin pratik kullanımına ilişkin kapsamlı bilgi - çevre.
Kursu incelemek, birincil verileri işlerken edinilen bilgiyi pratikte kullanmanıza olanak tanır, Elde edilen sonuçların tablo, grafik, diyagram şeklinde sunulması, genelleme yapılması göstergeler.
Bunlara dayanarak, dağılımların oluşturulması da dahil olmak üzere ekonomik analizde en etkili istatistiksel ve niceliksel yöntem ve modellerin kullanılması mümkündür, Olasılıkları değerlendirmek için nicel yöntemler, belirsizlik koşulları altında karar verme yöntemleri, güven aralıkları oluşturma yöntemleri, istatistiksel oluşturma ve değerlendirme yöntemleri hipotezler.
Kurs iki versiyonda yürütülmektedir: temel ve ileri düzey. Derslerin saat cinsinden yoğunluğu aynıdır.
Temel program, fakültenin yüksek lisans öğrencileriyle birlikte dersler ve çalışma materyallerini içerir. Genişletilmiş program, ileri eğitim çerçevesinde ayrı bir gruptur.
Dinleyici kategorisi – şirket ve departman başkanları, kurumsal girişim fonlarının çalışanları, alandaki uzmanlar Ar-Ge, proje ve ürün yöneticileri, inovasyon ve değişim yöneticileri, analitik personel bölümler
Derslerin başlangıcı - 2023 sonbaharı.
Süre - 72 saat (bir öğretmenle 32 saat sınıf dersi, 40 saat bağımsız materyal çalışması).
Çalışma şekli – tam zamanlı ve yarı zamanlı.
Eğitim maliyeti - 32.000 ruble.
Gerçek kişiler ve tüzel kişilerle eğitim sözleşmeleri yapılır.
Kurslara kayıt, web sitesindeki kayıt formu aracılığıyla [email protected] e-postası ile gerçekleştirilir.
Kayıt olmak veya sorularınız için +79264827721 numaralı telefondan WhatsApp veya Telegram aracılığıyla kurs yöneticisi Anton Martyanov ile iletişime geçebilirsiniz.
Teknik Bilimler Doktoru Pozisyonu: M.V. Lomonosov Moskova Devlet Üniversitesi Yönetim ve İnovasyon Yüksek Okulu Profesörü
Konu 1. Kişisel veri analizi yöntemleri
Histogramlar, dağılım grafikleri, zaman serileri, pivot tablolar, özet metrikler, kutu grafikleri, ikili korelasyon matrisi.
Konu 2. Olasılık teorisinin ve matematiksel istatistiğin nicel yöntemleri
Olasılık teorisi. Olasılık teorisinin temel kuralları. Kesikli ve sürekli rastgele değişkenler. Beklenti ve varyans. Türetilmiş olasılık dağılımları. Normal, binom dağılımları. Belirsizlik koşulları altında çok adımlı karar verme prosedürleri. Stratejilerin Değerlendirilmesi (EMV). Karar ağacı ve yazılım uygulaması (TreePlan).
Matematik istatistikleri. Matematiksel istatistiğin temel görevi. İstatistiksel tahmin kavramı ve özellikleri. Güven aralıklarının tahmini. Belirsizlik koşulları altında durumların analizi için genel plan. Güven aralığının uzunluğunu kontrol etmek. Tipik istatistiksel problemler. İstatistiksel hipotezlerin test edilmesi.
Genişletilmiş Kurs Programı
Konu 1. Verilerin istatistiksel analiz için hazırlanması
Genel veri izleme ve ön işleme yöntemleri (boşlukların, kopyaların, anormalliklerin, girdi verilerinin resmileştirilmesi gerekliliklerinin ihlallerinin belirlenmesi vb.). Veri ön işleme ve birleştirme sürecinin otomasyonunun gösterilmesi. İstatistiksel örneklem oluşturma yöntemleri (basit rastgele örnekleme yöntemi, sistematik yöntem, tabakalandırma yöntemi, küme yaklaşımı, çok aşamalı örnekleme yöntemleri).
Konu 2. İstatistiksel veri analizi yöntemleri
Korelasyon analizi. Faktor analizi. Diskriminant analizi. Birleşik analiz.
Konu 3. Regresyon Analizi Yöntemleri
En küçük kareler yöntemi. Bağımsız faktörlerin seçimi. Bir fonksiyon sınıfının seçilmesi. Eşleştirilmiş ve çoklu regresyon. Regresyon katsayılarının önemini değerlendirme yöntemleri. Regresyon modelinin doğruluğunun değerlendirilmesi. Model yeterliliğinin istatistiksel testleri. Regresyon analizi problemlerinin doğrusallaştırılmasına yönelik yöntemler. Sayısal olmayan verilerle çalışma (kukla değişken yöntemi).
Konu 4. Veri Madenciliği Yöntemleri
Analitik raporlama ve çok boyutlu veri sunumu. Bilgi deposu. Ölçümler ve gerçekler. Bir veri küpü üzerinde temel işlemler. Otomatik veri analizi modellerinin oluşturulması. Veri Madenciliği yöntemleriyle çözülen problem türleri: sınıflandırma, kümeleme, regresyon, ilişkilendirme, tutarlı kalıpların aranması. Her problem türü için en yaygın kullanılan algoritmalar şunlardır: kendi kendini organize eden haritalar, karar ağaçları, doğrusal regresyon, sinir ağları, ilişkisel kurallar. Araştırma sonuçlarını görselleştirme yöntemleri.
Adres
119991, Moskova, st. Leninskie Gory, 1, bina. 51, 5. kat, oda 544 (Dekanın ofisi)
Üniversite
Abone Ol
YOU MIGHT ALSO LIKE
