Duomenų vizualizavimas ir gavyba Python programoje – kursas 21 000 RUB. iš pavadinto Rusijos ekonomikos universiteto. G.V. Plekhanovas, treniruotės 5 savaitės, data 2023 m. kovo 27 d.
įvairenybės / / November 27, 2023
Mokymų metu bus apžvelgiami duomenų analizės ir programavimo Python aplinkoje pagrindai, įvedimo ir pirminio duomenų apdorojimo būdai bei priemonės. statistinės grafinio duomenų pateikimo priemonės intelektualioje analizėje ir modeliavime, vykdant kontroliuojamą ir nekontroliuojamą klasifikacija; asociatyvinio, faktorinio ir klasterio modeliavimo metodai; aukšto dažnio dinamikos eilučių komponentų analizė ir išskaidymas, neuroninių tinklų modeliavimas ir giluminio mokymosi pagrindai.
Pasirinkite jums patogų mokymo formatą – visą darbo dieną (Maskvos centre, istoriniuose Rusijos ekonomikos universiteto vardu pavadintuose pastatuose. G.V. Plekhanovas) arba nuotoliniu būdu (iš bet kurios pasaulio vietos).
Studijų pagal programą privalumai
- Galimybė pasirinkti patogų mokymosi formatą – internetu arba akis į akį Rusijos ekonomikos universitete. G.V. Plechanovas.
- Galimybė dalyvauti meistriškumo kursuose ir specializuotuose Rusijos ekonomikos universiteto renginiuose. G.V. Plekhanovas ir jo partneriai.
- Nuolaidų sistemos prieinamumas verslo klientams.
- Konkurencinis pranašumas darbo rinkoje su REU sertifikatu. G.V. Plechanovo, pirmaujančio Rusijos ekonomikos universiteto.
- Lankstus pamokų grafikas leidžia mokytis net atsižvelgiant į komandiruotes ir įtemptą darbą.
Kaip elgtis
Reikalavimai studentams
Programą leidžiama baigti asmenims, turintiems arba įgyjantiems aukštąjį/vidurinį profesinį išsilavinimą
Priėmimo dokumentai
Aukštojo ar vidurinio profesinio išsilavinimo diplomo su priedu arba pažymos iš studijų vietos kopija (studentams)
Pasas: 1 plitimas (nuotrauka), 2 plitimas (registracija)
SNILS
Programa skirta formuoti ir lavinti vartotojo duomenų apdorojimo, vizualizavimo ir analizės įgūdžius, pradedant nuo paprasčiausių aprašomųjų metodų. statistika ir baigiant plačiai paplitusiais šiuolaikiniais metodais (gradiento didinimas, aukšto dažnio eilučių analizė, neuroninių tinklų modeliavimas ir ir tt). Programa plėtoja duomenų analizės Python aplinkoje pagrindus, įskaitant duomenų gavimą per API, ir studijas intelektualios analizės („Data mining“) ypatybės, šių metodų vieta ir vaidmuo duomenų analizės ir mašinų srityje mokymas. Duomenų vizualizavimo įrankiai (matplotlib, jūrinės bibliotekos), didelių duomenų analizė ir modeliavimas duomenys (pandos, scipy, researchpy, statsmodels bibliotekos), tyrimo problemos formulavimas intelektuale analizė.
Statistinės priemonės grafiniam duomenų pateikimui. Bibliotekos matplotlib, jūroje (10 val.)
Grupavimas ir klasifikavimas. Prižiūrima ir neprižiūrima klasifikacija (8 val.)
Asociatyvus modeliavimas. APRIORI algoritmas (10 valandų)
Finansinės ir ekonominės dinamikos eilučių komponentų analizė ir faktorinis modeliavimas (10 val.)
Klasterio modeliavimas ir dinaminė laiko juostos transformacija (6 valandos)
Singuliarinio spektro ir lokalių empirinių režimų analizė (8 val.)
Vietinė svertinė regresija. Socialinių tinklų analizė (8 val.)
Grįžtamieji neuroniniai tinklai ir konvoliuciniai neuroniniai tinklai. Gilus mokymasis (10 valandų)