0
Peržiūros
„Modeliavimas ir kiekybiniai analizės metodai versle“ - kursas 32 000 rublių. iš MSU, mokymas 4 sav. (1 mėnuo), data: 2023 m. lapkričio 29 d.
įvairenybės / / December 01, 2023
Kurso įsisavinimas siejamas su statistikos, tikimybių teorijos ir gavimo teorinių pagrindų studijavimu išsamios žinios apie praktinį informacijos apdorojimo ir analizės metodų panaudojimą versle; aplinką.
Kurso studijavimas leidžia panaudoti įgytas žinias praktikoje apdorojant pirminius duomenis, gautų rezultatų pateikimas lentelių, grafikų, diagramų pavidalu, konstravimas apibendrinant rodikliai.
Jų pagrindu galima naudoti efektyviausius statistinius ir kiekybinius metodus bei modelius atliekant ekonominę analizę, įskaitant skirstinių sudarymą, kiekybiniai tikimybių vertinimo metodai, sprendimų priėmimo neapibrėžtumo sąlygomis metodai, pasikliautinųjų intervalų sudarymo metodai, statistinių duomenų sudarymo ir vertinimo metodai hipotezes.
Kursas vyksta dviem versijomis: pagrindinė ir išplėstinė. Užsiėmimų apimtis valandomis yra tokia pati.
Pagrindinė programa apima užsiėmimus ir mokymosi medžiagą kartu su fakulteto magistrantais. Išplėstinė programa yra atskira grupė išplėstinio mokymo rėmuose.
Klausytojų kategorija – įmonių ir padalinių vadovai, įmonių rizikos fondų darbuotojai, srities specialistai MTEP, projektų ir produktų vadovai, inovacijų ir pokyčių vadovai, analitinis personalas skyriai
Užsiėmimų pradžia - 2023 metų ruduo.
Trukmė – 72 val. (32 val. auditorinės pamokos su mokytoju, 40 val. savarankiškas medžiagos studijavimas).
Studijų forma – visu etatu ir ne visą darbo dieną.
Išsilavinimo kaina - 32 000 rublių.
Su fiziniais ir juridiniais asmenimis sudaromos mokymo sutartys.
Registracija į kursus vyksta el. paštu [email protected], naudojant svetainėje esančią registracijos formą.
Norėdami užsiregistruoti arba iškilus klausimams, galite susisiekti su kursų administratoriumi Antonu Martyanovu per WhatsApp arba Telegram telefonu +79264827721.
Technikos mokslų daktaro pareigos: M. V. Lomonosovo Maskvos valstybinio universiteto Aukštosios vadybos ir inovacijų mokyklos profesorius
1 tema. Asmens duomenų analizės metodai
Histogramos, sklaidos diagramos, laiko eilutės, suvestinės lentelės, suvestinės metrikos, langelių diagramos, porinės koreliacijos matrica.
2 tema. Tikimybių teorijos ir matematinės statistikos kiekybiniai metodai
Tikimybių teorija. Pagrindinės tikimybių teorijos taisyklės. Diskretieji ir nuolatiniai atsitiktiniai dydžiai. Lūkesčiai ir dispersija. Išvestiniai tikimybių skirstiniai. Normalieji, binominiai skirstiniai. Daugiapakopės sprendimų priėmimo procedūros neapibrėžtumo sąlygomis. Strategijų įvertinimas (EMV). Sprendimų medis ir jo programinė įranga (TreePlan).
Matematinė statistika. Pagrindinis matematinės statistikos uždavinys. Statistinių įverčių samprata ir jų savybės. Pasitikėjimo intervalų įvertinimas. Bendras planas, skirtas analizuoti situacijas neapibrėžtumo sąlygomis. Pasitikėjimo intervalo ilgio kontrolė. Tipiškos statistikos problemos. Statistinių hipotezių tikrinimas.
Išplėstinė kursų programa
1 tema. Duomenų paruošimas statistinei analizei
Bendrieji duomenų stebėjimo ir išankstinio apdorojimo metodai (spragų, dublikatų, anomalijų, įvesties duomenų įforminimo reikalavimų pažeidimų nustatymas ir kt.). Duomenų išankstinio apdorojimo ir konsolidavimo proceso automatizavimo demonstravimas. Statistinių imčių sudarymo metodai (paprastas atsitiktinės atrankos metodas, sisteminis metodas, stratifikacijos metodas, klasterinis metodas, daugiapakopiai atrankos metodai).
2 tema. Statistinių duomenų analizės metodai
Koreliacinė analizė. Faktorinė analizė. Diskriminacinė analizė. Bendra analizė.
3 tema. Regresinės analizės metodai
Mažiausio kvadrato metodas. Nepriklausomų veiksnių pasirinkimas. Funkcijų klasės pasirinkimas. Porinė ir daugkartinė regresija. Regresijos koeficientų reikšmingumo vertinimo metodai. Regresinio modelio tikslumo vertinimas. Statistiniai modelio tinkamumo testai. Regresinės analizės uždavinių linearizavimo metodai. Darbas su neskaitiniais duomenimis (fiktyviojo kintamojo metodas).
4 tema. Duomenų gavybos metodai
Analitinės ataskaitos ir daugiamatis duomenų pateikimas. Duomenų saugykla. Matavimai ir faktai. Pagrindinės operacijos su duomenų kubu. Automatizuotų duomenų analizės modelių konstravimas. Duomenų gavybos metodais sprendžiamų problemų tipai: klasifikavimas, klasterizavimas, regresija, asociacija, nuoseklių šablonų paieška. Plačiausiai naudojami kiekvieno tipo problemų algoritmai: savaime besitvarkantys žemėlapiai, sprendimų medžiai, tiesinė regresija, neuroniniai tinklai, asociacinės taisyklės. Tyrimo rezultatų vizualizavimo metodai.
Adresas
119991, Maskva, g. Leninskie Gory, 1, bldg. 51, 5 aukštas, 544 kab (dekanatas)
universitetas
Prenumeruoti
YOU MIGHT ALSO LIKE