course language
course duration
needed to educate
for credit at your university
Курс посвящён изучению основных методов машинного обучения, используемых для факторного, кластерного и классификационного анализов. В ходе обучения, слушатели смогут освоить основные подходы и получить навыки решения практических задач поиска закономерностей в сырых данных.
Обработка и анализ больших данных представляет собой новую практическую задачу, требующую навыков работы с современным инструментарием. В настоящее время данные называют «нефтью 21 века», они накапливаются в корпоративных и государственных информационных системах, социальных сетях, веб-блогах и сайтах и потенциально являются ценным ресурсом для извлечения новых знаний, инсайтов для научных исследований, повышения эффективности и конкурентоспособности предприятий. Методы интеллектуального анализа больших данных, таким образом, представляют собой тот необходимый инструмент для высвобождения этого потенциала.
Курс «Математические и инструментальные методы машинного обучения» входит в число базовых при подготовке современных экономистов-математиков на уровне магистров. Изучение дисциплины позволит студентам получить и развивать навыки анализа и диагностики проблем экономики, современных методов их решения, а также ознакомиться с современной спецификой исследования операций в зарубежных и отечественных организациях.
Целями и задачами курса являются: формирование у будущих магистров фундаментальных общеэкономических и естественнонаучных знаний; освоение магистрантами математических и инструментальных методов машинного обучения; использование современных информационно-коммуникационных технологий в профессиональной деятельности; закрепление профессиональных навыков в области прогнозирования основных социально-экономических показателей деятельности предприятия, отрасли, региона и экономики в целом.
В курсе использованы инновационные подходы: включение в факультетскую систему «ИНФОМИФИСТ» 18 уроков (лекций) курса с тренингами и контрольными вопросами, проведения зачета в электронном формате с индивидуальной идентификацией студентов (логин, пароль) и троекратной возможностью пересдачи.
Компетенции по решению задач в анализе данных с помощью методов машинного обучения, будут получены студентами после прохождения курса «Математические и инструментальные методы машинного обучения». Изучение дисциплины позволит выработать навыки постановки и решения проблем развития организации, развить творческое мышление специалистов в области системного анализа и бизнес-моделирования, выработать умение решать управленческие проблемы в конкретной экономической ситуации.
Мотивационная фраза: «Освоение интеллектуальных методов для решения интеллектуальных задач».
Стоимость доступа к материалам курса за исключением ознакомительной части (включая тестовые материалы и возможность пройти экзамен с прокторингом и получить сертификат) составляет 3600 рублей. Для этого нужно пройти текущее тестирование не меньше чем на 60% и итоговый тест не меньше чем на 60%.
Платформа RapidMiner
Модуль 1. Задачи и методологии анализа данных (Неделя 1)
Урок 1. Введение в задачи анализа данных. Описание стандартов CRISP-DM, KDD, SEMMA. Основные понятия и методы анализа данных.
Урок 2. Среда интеллектуального анализа данных RapidMiner.
Модуль 2. Подготовка данных (Неделя 2)
Урок 3. Очистка, и обогащение данных.
Урок 4. Метод главных компонент. Матрица нагрузок и матрица счетов. График собственных значений. Критерий Кайзера. Вращение методом Варимакс. Интерпретация результатов факторного анализа.
Модуль 3. Визуализация данных (Неделя 3)
Урок 5. Визуализация данных. Понятие и основные задачи визуализации.
Урок 6. Подходы к визуализации: геометрический, древовидный.
В результате обучения по курсу слушатель будет
Знать:
Уметь:
Владеть:
Знать основные стандарты и методологии анализа и обработки социально-экономических данных
Знать основные методы описания и визуализации структуры социально-экономических данных
Знать основные методы сокращения размерности многомерных задач
Знать основные методы поиска закономерностей в массивах социально-экономических данных
Знать основные методы анализа качественных и текстовых данных
Уметь описывать и визуализировать исходные социально-экономические данные
Уметь проводить обработку исходных социально-экономических данных
Уметь искать закономерности в исходных социально-экономических данных
Уметь создавать прогнозы на основании исходных социально-экономических данных
Владеть методами описания и визуализации социально-экономических данных
Владеть методами анализа и обработки социально-экономических данных
Владеть методами анализа качественных и текстовых данных
Владеть инструментальными средствами анализа и обработки социально-экономических данных
course language
course duration
needed to educate
for credit at your university
Кандидат технических наук, Доцент
Position: Доцент отделения интеллектуальных кибернетических систем офиса образовательных программ
It is possible to get a certificate for this course.
The cost of passing the procedures for assessing learning outcomes with personal identification - 3600 Р.