Mathématiques pour la science des données. Partie 3. Méthodes d'optimisation et algorithmes d'analyse de données - cours 32 490 RUB. de Spécialiste, formation 40 heures académiques, date du 15 mai 2023.
Miscellanea / / December 03, 2023
Professeur de cours de programmation professionnelle, développeur certifié Institut Python avec une expérience professionnelle générale dans le domaine informatique plus de 20 ans. Construction de systèmes informatiques dans 4 entreprises à partir de zéro. Plus que 5 années.
Vadim Viktorovich est diplômé de l'Université d'État des sciences humaines de Russie en 2000 avec une spécialisation en informatique. Un vrai professionnel en matière d'administration SGBD, automatisation des processus métier de l'entreprise (ERP, CRM etc.), créer des cas de tests et former les collaborateurs.
Capable de motiver et de captiver. Il est exigeant envers ses auditeurs, toujours prêt à clarifier les points difficiles. Une vaste expérience de travail sur des projets réels lui permet de prêter attention aux détails qui sont généralement négligés par les développeurs débutants.
Module 1. Méthodes d'optimisation (16 ac. h.)
- Concepts de base, définitions, sujet
- Continuité, fluidité et convergence des fonctions numériques. Fonctions numériques discrètes
- Optimisation conditionnelle et inconditionnelle
- Méthodes d'optimisation monocritère
- Énoncé du problème d'optimisation multicritère
- Méthodes d'optimisation multicritères
- Descente graduelle
- Méthodes d'optimisation stochastique
Module 2. Algorithmes d'analyse de données (16 ac. h.)
- Algorithme de régression linéaire. Descente graduelle
- Mise à l'échelle des fonctionnalités. Régularisation L1 et L2. Descente de gradient stochastique
- Régression logistique
- Algorithme de construction d'un arbre de décision. Forêt aléatoire
- Augmentation du dégradé
- Analyse de l'algorithme de rétropropagation
Module 3. Travail final (8 ac. h.)
La science des données comprend un large éventail d'approches et de méthodes pour collecter, traiter, analyser et visualiser des ensembles de données de toute taille. Un domaine distinct et pratiquement important de cette science consiste à travailler avec le Big Data en utilisant de nouveaux principes modélisation mathématique et informatique, lorsque les méthodes classiques cessent de fonctionner en raison de leur impossibilité mise à l'échelle. Ce cours est conçu pour aider l'étudiant à apprendre les bases du domaine à travers la formulation et résoudre les problèmes typiques qu'un chercheur en science des données peut rencontrer dans son travail. Pour apprendre à l'étudiant à résoudre de tels problèmes, les auteurs du cours lui fournissent le minimum théorique nécessaire et lui montrent comment utiliser la base d'outils dans la pratique.
4,2