Matematika pre vedu o údajoch. Časť 3. Optimalizačné metódy a algoritmy analýzy dát - kurz 32 490 RUB. od špecialistu, školenie 40 akademických hodín, dátum 15. mája 2023.
Rôzne / / December 03, 2023
Profesionálny učiteľ kurzov programovania, certifikovaný vývojár Python Institute so všeobecnými pracovnými skúsenosťami v oblasti IT viac ako 20 rokov. Vybudované IT systémy v 4 spoločnostiach od nuly. Viac ako 5 rokov.
Vadim Viktorovič vyštudoval v roku 2000 Ruskú štátnu univerzitu humanitných vied so špecializáciou na informatiku a informatiku. Skutočný profesionál v administratívnych záležitostiach DBMS, automatizácia obchodných procesov spoločnosti (ERP, CRM atď.), vytváranie testovacích prípadov a školenie zamestnancov.
Schopný motivovať a zaujať. Je náročný na svojich poslucháčov, vždy pripravený objasniť ťažké body. Rozsiahle skúsenosti s prácou na skutočných projektoch mu umožňujú venovať pozornosť tým detailom, ktoré začínajúci vývojári zvyčajne prehliadajú.
Modul 1. Metódy optimalizácie (16 ac. h.)
- Základné pojmy, definície, predmet
- Kontinuita, plynulosť a konvergencia digitálnych funkcií. Diskrétne digitálne funkcie
- Podmienená a nepodmienená optimalizácia
- Metódy optimalizácie podľa jedného kritéria
- Stanovenie problému multikriteriálnej optimalizácie
- Metódy multikriteriálnej optimalizácie
- Gradientný zostup
- Metódy stochastickej optimalizácie
Modul 2. Algoritmy analýzy údajov (16 ac. h.)
- Algoritmus lineárnej regresie. Gradientný zostup
- Škálovanie funkcií. L1- a L2-regulácia. Stochastický gradientový zostup
- Logistická regresia
- Algoritmus na zostavenie rozhodovacieho stromu. Náhodný les
- Zosilnenie gradientu
- Analýza algoritmu spätného šírenia
Modul 3. Záverečná práca (8 ak. h.)
Dátová veda zahŕňa širokú škálu prístupov a metód na zber, spracovanie, analýzu a vizualizáciu súborov údajov akejkoľvek veľkosti. Samostatnou prakticky dôležitou oblasťou tejto vedy je práca s veľkými dátami pomocou nových princípov matematické a výpočtové modelovanie, kedy klasické metódy prestávajú fungovať pre svoju nemožnosť škálovanie. Tento kurz je navrhnutý tak, aby pomohol študentovi naučiť sa základy predmetnej oblasti prostredníctvom formulácie a riešenie typických problémov, s ktorými sa môže výskumník dátovej vedy u seba stretnúť práca. Aby sa študent naučil riešiť takéto problémy, autori kurzu poskytnú študentovi potrebné teoretické minimum a ukážu, ako využiť nástrojový základ v praxi.
4,2