0
visninger
"Modellering og kvantitative analysemetoder i erhvervslivet" - kursus 32.000 rubler. fra MSU, træning 4 uger. (1 måned), Dato: 29. november 2023.
Miscellanea / / December 01, 2023
At mestre kurset er forbundet med at studere det teoretiske grundlag for statistik, sandsynlighedsteori og opnåelse omfattende viden om praktisk anvendelse af informationsbehandling og analysemetoder i erhvervslivet - miljø. At studere kurset giver dig mulighed for at bruge den erhvervede viden i praksis ved behandling af primærdata, præsentere de opnåede resultater i form af tabeller, grafer, diagrammer, konstruere generalisering indikatorer.
På grundlag heraf er det muligt at anvende de mest effektive statistiske og kvantitative metoder og modeller i økonomisk analyse, herunder konstruktion af fordelinger, kvantitative metoder til at vurdere sandsynligheder, metoder til at træffe beslutninger under forhold med usikkerhed, metoder til at konstruere konfidensintervaller, metoder til at konstruere og evaluere statistiske hypoteser.
Kurset gennemføres i to versioner: grundlæggende og avanceret. Mængden af undervisning i timer er den samme.
Grunduddannelsen involverer undervisning og studiematerialer sammen med fakultetets kandidatstuderende. Det udvidede program er en særskilt gruppe inden for rammerne af efteruddannelse.
Kategori af lyttere – ledere af virksomheder og afdelinger, ansatte i corporate venture-fonde, specialister på området R&D, projekt- og produktchefer, innovations- og forandringsledere, analytisk personale afdelinger
Start af undervisning - efteråret 2023.
Varighed – 72 timer (32 timers klasseundervisning med en lærer, 40 timers selvstændig studie af materialer).
Studieform – fuld tid og deltid.
Udgifter til uddannelse - 32.000 rubler.
Der indgås uddannelsesaftaler med enkeltpersoner og juridiske enheder.
Tilmelding til kurser udføres via e-mail [email protected] via tilmeldingsformularen på hjemmesiden.
Du kan kontakte kursusadministratoren, Anton Martyanov, for at tilmelde dig eller med spørgsmål via WhatsApp eller Telegram på +79264827721.
Doctor of Technical Sciences Stilling: Professor ved Higher School of Management and Innovation ved M.V. Lomonosov Moscow State University
Grundkursus program
Emne 1. Metoder til persondataanalyse
Histogrammer, scatterplot, tidsserier, pivottabeller, opsummerende metrikker, boksplot, parvis korrelationsmatrix.
Emne 2. Kvantitative metoder til sandsynlighedsteori og matematisk statistik
Sandsynlighedsteori. Grundlæggende regler for sandsynlighedsteori. Diskrete og kontinuerte stokastiske variable. Forventning og varians. Afledte sandsynlighedsfordelinger. Normale, binomiale fordelinger. Flertrinsbeslutningsprocedurer under forhold med usikkerhed. Evaluering af strategier (EMV). Beslutningstræ og dets softwareimplementering (TreePlan).
Matematik statistik. Den vigtigste opgave for matematisk statistik. Begrebet statistiske skøn og deres egenskaber. Estimering af konfidensintervaller. Generel plan for analyse af situationer under usikkerhedsforhold. Styring af længden af konfidensintervallet. Typiske statistiske problemer. Test af statistiske hypoteser.
Udvidet kursusprogram
Emne 1. Udarbejdelse af data til statistisk analyse
Generelle metoder til dataovervågning og forbehandling (identifikation af huller, dubletter, anomalier, overtrædelser af formaliseringskrav til inputdata osv.). Demonstration af automatisering af processen med dataforbehandling og konsolidering. Metoder til at konstruere statistiske stikprøver (simpel tilfældig stikprøvemetode, systematisk metode, stratificeringsmetode, klyngetilgang, flertrinsstikprøvemetoder).
Emne 2. Metoder til statistisk dataanalyse
Korrelationsanalyse. Faktoranalyse. Diskriminerende analyse. Fælles analyse.
Emne 3. Regressionsanalysemetoder
Mindste kvadratisk metode. Udvælgelse af uafhængige faktorer. Valg af en funktionsklasse. Parret og multipel regression. Metoder til vurdering af betydningen af regressionskoefficienter. Vurdering af nøjagtigheden af regressionsmodellen. Statistiske test af modeltilstrækkelighed. Metoder til linearisering af regressionsanalyseproblemer. Arbejde med ikke-numeriske data (dummy variabel metode).
Emne 4. Data mining metoder
Analytisk rapportering og multidimensionel datapræsentation. Datalager. Målinger og fakta. Grundlæggende handlinger på en datakube. Konstruktion af automatiserede dataanalysemodeller. Typer af problemer løst af Data Mining-metoder: klassificering, clustering, regression, association, søgning efter konsistente mønstre. De mest udbredte algoritmer for hver type problem er: selvorganiserende kort, beslutningstræer, lineær regression, neurale netværk, associative regler. Metoder til visualisering af forskningsresultater.
Adresse
119991, Moskva, st. Leninskie Gory, 1, bygn. 51, 5. sal, værelse 544 (dekans kontor)
Universitet
М20779В: Dataanalyse ved hjælp af Excel-værktøjer
Dette kursus er designet til studerende, der har erfaring med at analysere data i Excel og ønsker at få en dybere forståelse af forretningsanalyseteknikker. Kurset går ud over Excels muligheder, det inkluderer studiet af Power Query, Power Pivot-tilføjelser og et separat system - Power BI, som udvider mulighederne for Excel-tilføjelser og giver dig mulighed for at oprette analytiske dashboards * *kurset undervises i samarbejde med en anden uddannelse centrum
4,2
42 490 ₽
Flere detaljer Til kursets hjemmeside
Tilmelding
YOU MIGHT ALSO LIKE
-
-
-
19/12/2019