Matematika az adattudományhoz. 3. rész Optimalizálási módszerek és adatelemző algoritmusok - tanfolyam 32 490 RUB. Szakorvostól, képzés 40 akadémiai óra, dátum: 2023. május 15.
Vegyes Cikkek / / December 03, 2023
Profi programozó tanfolyam tanár, okleveles fejlesztő Python Intézet általános informatikai területen szerzett gyakorlattal több mint 20 éve. A nulláról épített informatikai rendszereket 4 cégben. Több mint 5 év.
Vadim Viktorovich 2000-ben diplomázott az Orosz Állami Bölcsészettudományi Egyetemen informatika és számítástechnika szakirányon. Igazi szakember az adminisztrációs ügyekben DBMS, vállalati üzleti folyamatok automatizálása (ERP, CRM stb.), tesztesetek létrehozása és az alkalmazottak képzése.
Képes motiválni és magával ragadni. Igényes hallgatóival szemben, mindig készen áll a nehéz pontok tisztázására. A valódi projekteken szerzett kiterjedt tapasztalat lehetővé teszi, hogy odafigyeljen azokra a részletekre, amelyeket a kezdő fejlesztők általában figyelmen kívül hagynak.
1. modul. Optimalizálási módszerek (16 ac. h.)
- Alapfogalmak, definíciók, tárgy
- A digitális funkciók folytonossága, gördülékenysége és konvergenciája. Diszkrét digitális funkciók
- Feltételes és feltétel nélküli optimalizálás
- Egyszempontú optimalizálási módszerek
- A többszempontú optimalizálási probléma megállapítása
- Többszempontú optimalizálási módszerek
- Gradiens süllyedés
- Sztochasztikus optimalizálási módszerek
2. modul. Adatelemző algoritmusok (16 ac. h.)
- Lineáris regressziós algoritmus. Gradiens Descent
- A funkciók méretezése. L1- és L2-regularizálás. Sztochasztikus gradiens süllyedés
- Logisztikus regresszió
- Algoritmus döntési fa felépítéséhez. Véletlen erdő
- Gradiens növelés
- A visszaterjesztési algoritmus elemzése
3. modul. Zárómunka (8 ak. h.)
Az adattudomány a megközelítések és módszerek széles skáláját tartalmazza bármilyen méretű adathalmaz összegyűjtésére, feldolgozására, elemzésére és megjelenítésére. Ennek a tudománynak egy külön, gyakorlatilag fontos területe a nagy adatokkal való munka új elvek alapján matematikai és számítási modellezés, amikor a klasszikus módszerek lehetetlenségük miatt leállnak méretezés. Ez a kurzus célja, hogy segítse a hallgatót a tantárgyi terület alapjainak elsajátításában megfogalmazáson és tipikus problémák megoldása, amelyekkel egy adattudományi kutató találkozhat a sajátjában munka. Az ilyen jellegű problémák megoldásának megtanításához a kurzus készítői megadják a hallgatónak a szükséges elméleti minimumot, és bemutatják az eszköztár gyakorlati felhasználását.
4,2