0
vues
"Modélisation et méthodes quantitatives d'analyse en entreprise" - cours 32 000 roubles. de MSU, formation 4 semaines. (1 mois), Date: 29 novembre 2023.
Miscellanea / / December 01, 2023
La maîtrise du cours est associée à l'étude des fondements théoriques de la statistique, de la théorie des probabilités et à l'obtention connaissance approfondie de l'utilisation pratique des méthodes de traitement et d'analyse de l'information en entreprise - environnement.
L'étude du cours permet de mettre en pratique les connaissances acquises lors du traitement des données primaires, présenter les résultats obtenus sous forme de tableaux, graphiques, schémas, construire une généralisation indicateurs.
Sur leur base, il est possible d'utiliser les méthodes et modèles statistiques et quantitatifs les plus efficaces en analyse économique, y compris la construction de distributions, méthodes quantitatives pour évaluer les probabilités, méthodes pour prendre des décisions dans des conditions d'incertitude, méthodes pour construire des intervalles de confiance, méthodes pour construire et évaluer des statistiques hypothèses.
Le cours se déroule en deux versions: basique et avancée. Le volume des cours en heures est le même.
Le programme de base comprend des cours et du matériel d'étude avec les étudiants de maîtrise de la faculté. Le programme étendu constitue un groupe distinct dans le cadre d'une formation avancée.
Catégorie d'auditeurs – chefs d’entreprises et de départements, salariés de fonds de corporate venture, spécialistes du domaine R&D, chefs de projets et de produits, responsables de l'innovation et du changement, personnel analytique départements
Début des cours - automne 2023.
Durée - 72 heures (32 heures de cours en classe avec un professeur, 40 heures d'étude indépendante des matériaux).
Forme d'étude – à temps plein et à temps partiel.
Coût de l'éducation - 32 000 roubles.
Des conventions de formation sont conclues avec des personnes physiques et morales.
L'inscription aux cours s'effectue par email [email protected], via le formulaire d'inscription sur le site Internet.
Vous pouvez contacter l'administrateur du cours, Anton Martyanov, pour vous inscrire ou pour toute question via WhatsApp ou Telegram au +79264827721.
Docteur en sciences techniques Poste: Professeur à l'École supérieure de gestion et d'innovation de l'Université d'État M.V. Lomonossov de Moscou
Thème 1. Méthodes d'analyse des données personnelles
Histogrammes, nuages de points, séries chronologiques, tableaux croisés dynamiques, mesures récapitulatives, diagrammes en boîte, matrice de corrélation par paires.
Thème 2. Méthodes quantitatives de théorie des probabilités et de statistiques mathématiques
Théorie des probabilités. Règles de base de la théorie des probabilités. Variables aléatoires discrètes et continues. Attente et variance. Distributions de probabilité dérivées. Distributions normales et binomiales. Procédures décisionnelles en plusieurs étapes dans des conditions d’incertitude. Évaluation des stratégies (EMV). Arbre de décision et sa mise en œuvre logicielle (TreePlan).
Statistiques mathématiques. La tâche principale des statistiques mathématiques. Le concept d'estimations statistiques et leurs propriétés. Estimation des intervalles de confiance. Plan général d'analyse des situations dans des conditions d'incertitude. Contrôler la longueur de l'intervalle de confiance. Problèmes statistiques typiques. Tester des hypothèses statistiques.
Programme de cours étendu
Thème 1. Préparation des données pour l'analyse statistique
Méthodes générales de suivi et de prétraitement des données (identification des lacunes, des doublons, des anomalies, des violations des exigences de formalisation des données d'entrée, etc.). Démonstration d'automatisation du processus de prétraitement et de consolidation des données. Méthodes de construction d'échantillons statistiques (méthode d'échantillonnage aléatoire simple, méthode systématique, méthode de stratification, approche par grappes, méthodes d'échantillonnage à plusieurs degrés).
Thème 2. Méthodes d'analyse des données statistiques
Analyse de corrélation. Analyse factorielle. Analyse discriminante. Analyse conjointe.
Thème 3. Méthodes d'analyse de régression
Méthode des moindres carrés. Sélection de facteurs indépendants. Sélection d'une classe de fonctions. Régression paire et multiple. Méthodes d'évaluation de la signification des coefficients de régression. Évaluation de l'exactitude du modèle de régression. Tests statistiques d'adéquation du modèle. Méthodes de linéarisation des problèmes d'analyse de régression. Travailler avec des données non numériques (méthode des variables factices).
Thème 4. Méthodes d'exploration de données
Rapports analytiques et présentation de données multidimensionnelles. Magasin de données. Mesures et faits. Opérations de base sur un cube de données. Construction de modèles d'analyse de données automatisés. Types de problèmes résolus par les méthodes de Data Mining: classification, clustering, régression, association, recherche de modèles cohérents. Les algorithmes les plus utilisés pour chaque type de problème sont: les cartes auto-organisées, les arbres de décision, la régression linéaire, les réseaux de neurones, les règles associatives. Méthodes de visualisation des résultats de la recherche.
Adresse
119991, Moscou, st. Leninskie Gory, 1, bâtiment. 51, 5e étage, salle 544 (Bureau du doyen)
Université
Souscrire
YOU MIGHT ALSO LIKE
