0
Прегледи
„Моделиране и количествени методи за анализ в бизнеса“ - курс 32 000 рубли. от MSU, обучение 4 седмици. (1 месец), Дата: 29 ноември 2023 г.
разни / / December 01, 2023
Усвояването на дисциплината е свързано с изучаване на теоретичните основи на статистиката, теорията на вероятностите и получаването цялостни познания за практическото използване на методите за обработка и анализ на информация в бизнеса - заобикаляща среда.
Изучаването на курса ви позволява да използвате придобитите знания на практика при обработка на първични данни, представяне на получените резултати под формата на таблици, графики, диаграми, конструиране на обобщения показатели.
На тяхна основа е възможно да се използват най-ефективните статистически и количествени методи и модели в икономическия анализ, включително изграждането на разпределения, количествени методи за оценка на вероятностите, методи за вземане на решения при условия на несигурност, методи за конструиране на доверителни интервали, методи за конструиране и оценка на статистически хипотези.
Курсът се провежда в два варианта: основен и напреднал. Обемът на занятията в часове е същият.
Основната програма включва занятия и учебни материали съвместно с магистри от факултета. Разширената програма е отделна група в рамките на напредналото обучение.
Категория на слушателите – ръководители на компании и отдели, служители на корпоративни рискови фондове, специалисти в областта R&D, ръководители на проекти и продукти, мениджъри по иновации и промени, аналитичен персонал отдели
Начало на занятията - есента на 2023г.
Продължителност – 72 часа (32 часа класна стая с учител, 40 часа самостоятелно изучаване на материали).
Форма на обучение – редовна и задочна.
Разходи за обучение - 32 000 рубли.
Договори за обучение се сключват с физически и юридически лица.
Регистрацията за курсове се извършва по имейл [email protected], чрез формата за регистрация на уебсайта.
Можете да се свържете с администратора на курса Антон Мартянов за регистрация или с въпроси чрез WhatsApp или Telegram на +79264827721.
Доктор на техническите науки Позиция: Професор във Висшето училище по мениджмънт и иновации на Московския държавен университет „М.В. Ломоносов“
Тема 1. Методи за анализ на лични данни
Хистограми, точкови диаграми, времеви редове, осеви таблици, обобщени показатели, кутийни графики, корелационна матрица по двойки.
Тема 2. Количествени методи на теорията на вероятностите и математическата статистика
Теория на вероятностите. Основни правила на теорията на вероятностите. Дискретни и непрекъснати случайни променливи. Очакване и дисперсия. Изведени вероятностни разпределения. Нормални, биномни разпределения. Многоетапни процедури за вземане на решения в условия на несигурност. Оценка на стратегиите (EMV). Дърво на решенията и неговата софтуерна реализация (TreePlan).
Математическа статистика. Основната задача на математическата статистика. Концепцията за статистически оценки и техните свойства. Оценка на доверителните интервали. Общ план за анализиране на ситуации в условия на несигурност. Контролиране на дължината на доверителния интервал. Типични статистически проблеми. Тестване на статистически хипотези.
Разширена програма на курса
Тема 1. Подготовка на данни за статистически анализ
Общи методи за мониторинг и предварителна обработка на данни (идентифициране на пропуски, дубликати, аномалии, нарушения на изискванията за формализиране на входните данни и др.). Демонстрация на автоматизация на процеса на предварителна обработка и консолидация на данни. Методи за конструиране на статистически извадки (метод на проста случайна извадка, систематичен метод, метод на стратификация, клъстерен подход, многоетапни методи на извадка).
Тема 2. Методи за статистически анализ на данни
Корелационен анализ. Факторен анализ. Дискриминантен анализ. Съвместен анализ.
Тема 3. Методи за регресионен анализ
Метод на най-малките квадрати. Избор на независими фактори. Избор на функционален клас. Сдвоена и множествена регресия. Методи за оценка на значимостта на регресионните коефициенти. Оценка на точността на регресионния модел. Статистически тестове за адекватност на модела. Методи за линеаризация на задачи от регресионен анализ. Работа с нечислови данни (метод на фиктивна променлива).
Тема 4. Методи за извличане на данни
Аналитично отчитане и представяне на многомерни данни. Съхранение на данни. Измервания и факти. Основни операции върху куб с данни. Изграждане на автоматизирани модели за анализ на данни. Видове проблеми, решавани чрез методите за извличане на данни: класификация, групиране, регресия, асоцииране, търсене на последователни модели. Най-широко използваните алгоритми за всеки тип проблем са: самоорганизиращи се карти, дървета на решенията, линейна регресия, невронни мрежи, асоциативни правила. Методи за визуализиране на резултатите от изследванията.
Адрес
119991, Москва, ул. Leninskie Gory, 1, бл. 51, ет. 5, стая 544 (деканат)
университет
АБОНИРАЙ СЕ