course language
course duration
needed to educate
for credit at your university
Целью курса является формирование умений по применению научно-обоснованной комплексной методологии анализа и прогнозирования временных рядов на основе методов статистического анализа, моделирования и прогнозирования информации, с учетом отечественного и зарубежного опыта по использованию подобных подходов на практике.
В курсе также описываются новые методы и подходы к обработке информации, являющиеся адаптивными, как по характеру их применения, так и по способу установления характеристик компонент временных рядов.
Еженедельные занятия будут включать просмотр тематических видео-лекций, изучение текстовых материалов с примерами, иллюстрирующими теоретические положения, выполнение тестовых заданий с анализом ответов и с рекомендациями обучающимся, а также выполнение учебных и контрольных заданий, в которых будет использоваться стандартное приложение для построения и анализа электронных схем.
Предусмотрено промежуточное контрольное тестирование по каждому разделу курса и итоговое контрольное тестирование по всему содержанию курса.
В курсе Вам доступна на бесплатной основе первая неделя курса для ознакомления с материалами и структурой курса для принятия решения о его полном освоении. Для получения доступа ко всем материалам курса с прохождением итоговой аттестации с прокторингом и получением подтвержденного сертификата, Вам необходимо провести оплату в размере 2800 рублей.
Базовая подготовка по направлению «Информационные системы и технологии
1. Базовые понятия теории временных рядов
1.1. Понятие временных рядов и их типовые модели
1.2. Основные характеристики временных рядов
1.3. Выявление свойств и типов временных рядов на основе статистического и спектрального анализа
2. Анализ временных рядов
2.1. Разбиение временных рядов на компоненты
2.2. Типовые виды главных компонент, на основе моделей авторегрессии
2.3. Адаптивный анализ временных рядов и их частотно-временные характеристики
3. Прогноз временных рядов
3.1. Прогнозирование трендовой составляющей временного ряда
3.2. Прогнозирование временных рядов на основе моделей авторегрессии
3.3. Адаптивный прогноз и методы коррекции
В результате освоения курса слушатель будет способен:
Результатом обучения в рамках дисциплины является формирование у студента следующих компетенций:
course language
course duration
needed to educate
for credit at your university
Доктор технических наук
Position: Профессор
Position: Доцент