0
vistas
“Modelado y métodos cuantitativos de análisis en los negocios” - curso 32.000 rublos. de MSU, entrenando 4 semanas. (1 mes), Fecha: 29 de noviembre de 2023.
Miscelánea / / December 01, 2023
Dominar el curso está asociado al estudio de los fundamentos teóricos de la estadística, la teoría de la probabilidad y la obtención. Conocimiento integral sobre el uso práctico de los métodos de análisis y procesamiento de información en los negocios. ambiente.
Estudiar el curso le permite utilizar los conocimientos adquiridos en la práctica al procesar datos primarios, presentar los resultados obtenidos en forma de tablas, gráficos, diagramas, construir generalizaciones indicadores.
Sobre su base, es posible utilizar los métodos y modelos estadísticos y cuantitativos más eficaces en el análisis económico, incluida la construcción de distribuciones, métodos cuantitativos para evaluar probabilidades, métodos para tomar decisiones en condiciones de incertidumbre, métodos para construir intervalos de confianza, métodos para construir y evaluar estadísticas hipótesis.
El curso se realiza en dos versiones: básica y avanzada. El volumen de clases en horas es el mismo.
El programa básico incluye clases y materiales de estudio junto con estudiantes de maestría de la facultad. El programa ampliado es un grupo separado en el marco de la formación avanzada.
Categoría de oyentes – jefes de empresas y departamentos, empleados de fondos de riesgo corporativos, especialistas en la materia I+D, directores de proyectos y productos, directores de innovación y cambio, personal analítico departamentos
inicio de clases - otoño de 2023.
Duración - 72 horas (32 horas de clases presenciales con un profesor, 40 horas de estudio independiente de materiales).
forma de estudio – tiempo completo y tiempo parcial.
costo de la educación - 32.000 rublos.
Se celebran convenios de formación con personas físicas y jurídicas.
La inscripción a los cursos se realiza por correo electrónico [email protected], a través del formulario de inscripción en el sitio web.
Puede comunicarse con el administrador del curso, Anton Martyanov, para registrarse o si tiene preguntas a través de WhatsApp o Telegram al +79264827721.
Doctor en Ciencias Técnicas Puesto: Profesor de la Escuela Superior de Gestión e Innovación de la Universidad Estatal de Moscú M.V. Lomonosov
Tema 1. Métodos de análisis de datos personales.
Histogramas, diagramas de dispersión, series temporales, tablas dinámicas, métricas resumidas, diagramas de caja, matriz de correlación por pares.
Tema 2. Métodos cuantitativos de teoría de la probabilidad y estadística matemática.
Teoría de probabilidad. Reglas básicas de la teoría de la probabilidad. Variables aleatorias discretas y continuas. Expectativa y variación. Distribuciones de probabilidad derivadas. Distribuciones binomiales normales. Procedimientos de toma de decisiones de varios pasos en condiciones de incertidumbre. Evaluación de Estrategias (EMV). Árbol de decisión y su implementación software (TreePlan).
Estadística matemática. La principal tarea de la estadística matemática. El concepto de estimaciones estadísticas y sus propiedades. Estimación de intervalos de confianza. Plan general de análisis de situaciones en condiciones de incertidumbre. Controlar la longitud del intervalo de confianza. Problemas estadísticos típicos. Prueba de hipótesis estadísticas.
Programa de curso extendido
Tema 1. Preparación de datos para análisis estadístico.
Métodos generales de seguimiento y preprocesamiento de datos (identificación de lagunas, duplicados, anomalías, violaciones de los requisitos de formalización de los datos de entrada, etc.). Demostración de automatización del proceso de preprocesamiento y consolidación de datos. Métodos para construir muestras estadísticas (método de muestreo aleatorio simple, método sistemático, método de estratificación, enfoque de conglomerados, métodos de muestreo de múltiples etapas).
Tema 2. Métodos de análisis de datos estadísticos.
Análisis de correlación. Análisis factorial. Análisis discriminante. Análisis conjunto.
Tema 3. Métodos de análisis de regresión
Método de mínimos cuadrados. Selección de factores independientes. Seleccionar una clase de función. Regresión pareada y múltiple. Métodos para evaluar la importancia de los coeficientes de regresión. Evaluación de la precisión del modelo de regresión. Pruebas estadísticas de adecuación del modelo. Métodos de linealización de problemas de análisis de regresión. Trabajar con datos no numéricos (método de variable ficticia).
Tema 4. Métodos de minería de datos
Informes analíticos y presentación de datos multidimensionales. Almacén de datos. Medidas y hechos. Operaciones básicas en un cubo de datos. Construcción de modelos automatizados de análisis de datos. Tipos de problemas resueltos mediante métodos de Minería de Datos: clasificación, clustering, regresión, asociación, búsqueda de patrones consistentes. Los algoritmos más utilizados para cada tipo de problema son: mapas autoorganizados, árboles de decisión, regresión lineal, redes neuronales, reglas asociativas. Métodos para visualizar los resultados de la investigación.
DIRECCIÓN
119991, Moscú, calle. Leninskie Gory, 1, edif. 51, 5to piso, sala 544 (Oficina del Decano)
Universidad
Suscribir
YOU MIGHT ALSO LIKE
