Математика за науку о подацима. део 3. Методе оптимизације и алгоритми анализе података - курс 32.490 РУБ. од специјалиста, обука 40 академских часова, датум 15.05.2023.
мисцеланеа / / December 03, 2023
Професионални наставник курса програмирања, сертификовани програмер Питхон Институте са општим радним искуством у ИТ области више од 20 година. Изграђен ИТ систем у 4 компаније од нуле. Више од 5 година.
Вадим Викторович је дипломирао на Руском државном универзитету за хуманистичке науке 2000. године са специјализацијом из информатике и рачунарства. Прави професионалац у административним питањима ДБМС, аутоматизација пословних процеса компаније (ЕРП, ЦРМ итд.), креирање тест случајева и обука запослених.
У стању да мотивише и очара. Захтеван је према својим слушаоцима, увек спреман да разјасни тешке тачке. Велико искуство у раду на стварним пројектима омогућава му да обрати пажњу на оне детаље које почетници програмери обично занемарују.
Модул 1. Методе оптимизације (16 ак. х.)
- Основни појмови, дефиниције, предмет
- Континуитет, глаткоћа и конвергенција дигиталних функција. Дискретне дигиталне функције
- Условна и безусловна оптимизација
- Методе оптимизације по једном критеријуму
- Изјава о проблему вишекритеријумске оптимизације
- Методе вишекритеријумске оптимизације
- Градијентно спуштање
- Стохастичке методе оптимизације
Модул 2. Алгоритми за анализу података (16 ак. х.)
- Алгоритам линеарне регресије. Градиент Десцент
- Скалирање карактеристика. Л1- и Л2-регуларизација. Стохастички градијентни пад
- Логистичка регресија
- Алгоритам за конструисање стабла одлучивања. Случајна шума
- Појачавање градијента
- Анализа алгоритма повратног ширења
Модул 3. Завршни рад (8 ак. х.)
Наука о подацима укључује широк спектар приступа и метода за прикупљање, обраду, анализу и визуелизацију скупова података било које величине. Посебна практично важна област ове науке је рад са великим подацима користећи нове принципе математичко и рачунарско моделовање, када класичне методе престају да раде због своје немогућности скалирање. Овај курс је осмишљен да помогне студенту да научи основе предметне области кроз формулацију и решавање типичних проблема са којима се истраживач науке о подацима може сусрести у свом или њеном рад. Да би научили студента да решава овакве проблеме, аутори курса пружају студенту неопходан теоријски минимум и показују како да користи базу алата у пракси.
4,2