Datavisualisering och mining i Python - kurs 21 000 RUB. från Russian Economic University uppkallad efter. G.V. Plekhanov, träning 5 veckor, datum 27 mars 2023.

Under utbildningen kommer grunderna i dataanalys och programmering i Python-miljön, metoder och metoder för inmatning och primär databehandling att behandlas. statistiska medel för grafisk presentation av data i intelligent analys och modellering, genomföra kontrollerad och okontrollerad klassificering; metoder för associativ, faktor- och klustermodellering; komponentanalys och nedbrytning av högfrekventa dynamikserier, neurala nätverksmodelleringar och grunderna för djupinlärning.

Välj ett utbildningsformat som är bekvämt för dig - på heltid (i centrum av Moskva, i de historiska byggnaderna av det ryska ekonomiuniversitetet uppkallat efter. G.V. Plekhanov) eller på distans (från var som helst i världen).

Fördelar med att studera under programmet

• Möjligheten att välja ett bekvämt inlärningsformat - online eller ansikte mot ansikte vid Russian University of Economics. G.V. Plechanov.
• Möjlighet att delta i mästarklasser och specialiserade evenemang vid det ryska ekonomiska universitetet. G.V. Plechanov och hans partners.
instagram viewer
• Tillgång till rabattsystem för företagskunder.
• Konkurrensfördel på arbetsmarknaden med intyg från REU. G.V. Plechanov, det ledande ekonomiska universitetet i Ryssland.
• Ett flexibelt lektionsschema gör att du kan studera även med hänsyn till affärsresor och hårt arbete.

Hur man fortsätter

Krav på studenter

Personer som har eller genomgår yrkesutbildning på högre/gymnasial nivå får fullfölja programmet

Dokument för antagning

En kopia av ett examensbevis för högre eller gymnasial yrkesutbildning med en bilaga eller ett intyg från studieorten (för studenter)
Pass: 1 spridning (foto), 2 spridning (registrering)
SNILS

Programmet syftar till att forma och utveckla användarens färdigheter i bearbetning, visualisering och analys av data, utgående från de enklaste beskrivande metoderna statistik och slutar med moderna metoder som har blivit utbredda (gradientförstärkning, analys av högfrekventa serier, neurala nätverksmodellering och etc.). Programmet utvecklar grunderna för dataanalys i Python-miljön, inklusive att hämta data via API och studier funktioner för intelligent analys ("Data mining"), platsen och rollen för dessa metoder inom området för dataanalys och maskin Träning. Verktygen för datavisualisering (matplotlib, sjöborna bibliotek), analys och modellering av stora data (pandas, scipy, researchpy, statsmodels bibliotek), formulering av ett forskningsproblem i en intellektuell analys.

Statistiska verktyg för grafisk presentation av data. Bibliotek matplotlib, sjöfödd (10 timmar)
Gruppering och klassificering. Övervakad och oövervakad klassificering (8 timmar)
Associativ modellering. APRIORI-algoritm (10 timmar)
Komponentanalys och faktormodellering av finansiell och ekonomisk dynamikserie (10 timmar)
Klustermodellering och dynamisk tidslinjetransformation (6 timmar)
Analys av singularspektrum och lokala empiriska lägen (8 timmar)
Lokal viktad regression. Analys av sociala nätverk (8 timmar)
Feedforward neurala nätverk och konvolutionella neurala nätverk. Djup inlärning (10 timmar)