Matemáticas para la ciencia de datos. Parte 3. Métodos de optimización y algoritmos de análisis de datos: curso 32.490 rublos. de Especialista, formación 40 horas académicas, fecha 15 de mayo de 2023.
Miscelánea / / December 03, 2023
Profesor de curso de programación profesional, desarrollador certificado Instituto Python con experiencia laboral general en el campo de TI más de 20 años. Construí sistemas TI en 4 empresas desde cero. Más que 5 años.
Vadim Viktorovich se graduó en la Universidad Estatal Rusa de Humanidades en 2000 con especialización en Informática e Informática. Un verdadero profesional en temas administrativos. SGBD, automatización de los procesos de negocio de la empresa (ERP, CRM etc.), creando casos de prueba y capacitando a los empleados.
Capaz de motivar y cautivar. Es exigente con sus oyentes, siempre dispuesto a aclarar los puntos difíciles. Su amplia experiencia trabajando en proyectos reales le permite prestar atención a aquellos detalles que los desarrolladores novatos suelen pasar por alto.
Módulo 1. Métodos de optimización (16 ac. h.)
- Conceptos básicos, definiciones, tema.
- Continuidad, suavidad y convergencia de funciones digitales. Funciones digitales discretas
- Optimización condicional e incondicional.
- Métodos de optimización de criterio único.
- Planteamiento del problema de optimización multicriterio.
- Métodos de optimización multicriterio.
- Descenso de gradiente
- Métodos de optimización estocástica.
Módulo 2. Algoritmos de análisis de datos (16 ac. h.)
- Algoritmo de regresión lineal. Descenso de gradiente
- Escalado de características. Regularización L1 y L2. Descenso de gradiente estocástico
- Regresión logística
- Algoritmo para la construcción de un árbol de decisión. bosque aleatorio
- Aumento de gradiente
- Análisis del algoritmo de retropropagación.
Módulo 3. Trabajo final (8ac. h.)
La ciencia de datos incluye una amplia gama de enfoques y métodos para recopilar, procesar, analizar y visualizar conjuntos de datos de cualquier tamaño. Un área separada prácticamente importante de esta ciencia es trabajar con big data utilizando nuevos principios. modelado matemático y computacional, cuando los métodos clásicos dejan de funcionar debido a su imposibilidad escalada. Este curso está diseñado para ayudar al estudiante a aprender los conceptos básicos del área temática a través de la formulación y resolver problemas típicos que un investigador de ciencia de datos puede encontrar en su trabajar. Para enseñar al estudiante a resolver este tipo de problemas, los autores del curso le proporcionan el mínimo teórico necesario y le muestran cómo utilizar la base de herramientas en la práctica.
4,2