0
Visningar
"Modellering och kvantitativa analysmetoder i affärer" - kurs 32 000 rubel. från MSU, träning 4 veckor. (1 månad), Datum: 29 november 2023.
Miscellanea / / December 01, 2023
Att bemästra kursen är förknippat med att studera de teoretiska grunderna för statistik, sannolikhetsteori och inhämtning omfattande kunskap om praktisk användning av informationsbearbetning och analysmetoder i näringslivet - miljö. Genom att studera kursen kan du använda de förvärvade kunskaperna i praktiken vid behandling av primärdata, presentera de erhållna resultaten i form av tabeller, grafer, diagram, konstruera generalisering indikatorer.
På grundval av dem är det möjligt att använda de mest effektiva statistiska och kvantitativa metoderna och modellerna i ekonomisk analys, inklusive konstruktion av distributioner, kvantitativa metoder för att bedöma sannolikheter, metoder för att fatta beslut under förhållanden av osäkerhet, metoder för att konstruera konfidensintervall, metoder för att konstruera och utvärdera statistiska hypoteser.
Kursen genomförs i två versioner: grundläggande och avancerad. Volymen av klasser i timmar är densamma.
Grundprogrammet omfattar klasser och studiematerial tillsammans med masterstudenter vid fakulteten. Det utökade programmet är en egen grupp inom ramen för fortbildning.
Kategori av lyssnare – chefer för företag och avdelningar, anställda i företagsriskfonder, specialister på området FoU, projekt- och produktchefer, innovations- och förändringsansvariga, analytisk personal avdelningar
Start av klasser - hösten 2023.
Varaktighet – 72 timmar (32 timmars klassrumslektioner med lärare, 40 timmars självständig studie av material).
Studieform – heltid och deltid.
Kostnad för utbildning - 32 000 rubel.
Utbildningsavtal tecknas med privatpersoner och juridiska personer.
Registrering för kurser görs via e-post [email protected], genom registreringsformuläret på webbplatsen.
Du kan kontakta kursadministratören, Anton Martyanov, för att registrera dig eller med frågor via WhatsApp eller Telegram på +79264827721.
Doktor i tekniska vetenskaper Position: Professor vid den högre skolan för management och innovation vid M.V. Lomonosov Moscow State University
Grundkursprogram
Ämne 1. Metoder för analys av personuppgifter
Histogram, spridningsdiagram, tidsserier, pivottabeller, sammanfattningsmått, boxplots, parvis korrelationsmatris.
Ämne 2. Kvantitativa metoder för sannolikhetsteori och matematisk statistik
Sannolikhetsteori. Grundläggande regler för sannolikhetsteorin. Diskreta och kontinuerliga slumpvariabler. Förväntningar och varians. Härledda sannolikhetsfördelningar. Normala binomialfördelningar. Flerstegsbeslutsförfaranden under förhållanden av osäkerhet. Utvärdering av strategier (EMV). Beslutsträd och dess mjukvaruimplementering (TreePlan).
Matematik statistik. Den huvudsakliga uppgiften för matematisk statistik. Begreppet statistiska uppskattningar och deras egenskaper. Uppskattning av konfidensintervall. Översiktsplan för att analysera situationer under förhållanden av osäkerhet. Styr längden på konfidensintervallet. Typiska statistiska problem. Testa statistiska hypoteser.
Utökat kursprogram
Ämne 1. Förbereda data för statistisk analys
Allmänna metoder för dataövervakning och förbearbetning (identifiering av luckor, dubbletter, anomalier, brott mot formaliseringskraven för indata, etc.). Demonstration av automatisering av processen för förbearbetning och konsolidering av data. Metoder för att konstruera statistiska urval (enkel stickprovsmetod, systematisk metod, stratifieringsmetod, klustermetod, flerstegs urvalsmetoder).
Ämne 2. Metoder för statistisk dataanalys
Korrelationsanalys. Faktoranalys. Diskriminerande analys. Gemensam analys.
Ämne 3. Metoder för regressionsanalys
Minsta kvadratiska metod. Val av oberoende faktorer. Välja en funktionsklass. Parad och multipel regression. Metoder för att bedöma betydelsen av regressionskoefficienter. Bedömning av regressionsmodellens noggrannhet. Statistiska tester av modelltillräcklighet. Metoder för linearisering av regressionsanalysproblem. Arbeta med icke-numeriska data (dummy variabel metod).
Ämne 4. Datautvinningsmetoder
Analytisk rapportering och multidimensionell datapresentation. Datalagring. Mätningar och fakta. Grundläggande operationer på en datakub. Konstruktion av automatiserade dataanalysmodeller. Typer av problem lösta med Data Mining-metoder: klassificering, klustring, regression, association, sökning efter konsekventa mönster. De mest använda algoritmerna för varje typ av problem är: självorganiserande kartor, beslutsträd, linjär regression, neurala nätverk, associativa regler. Metoder för att visualisera forskningsresultat.
Adress
119991, Moskva, st. Leninskie Gory, 1, byggnad. 51, 5:e våningen, rum 544 (dekanus)
universitet
М20779В: Dataanalys med hjälp av Excel-verktyg
Den här kursen är designad för studenter som har erfarenhet av att analysera data i Excel och vill få en djupare förståelse för affärsanalystekniker. Kursen går utöver Excels möjligheter, den inkluderar studier av Power Query, Power Pivot-tillägg och ett separat system - Power BI, som utökar kapaciteten hos Excel-tillägg och låter dig skapa analytiska instrumentpaneler * *kursen undervisas i samarbete med en annan utbildning Centrum
4,2
42 490 ₽
Fler detaljer Till kursens hemsida
Prenumerera
YOU MIGHT ALSO LIKE