Matematica per la scienza dei dati. Parte 3. Metodi di ottimizzazione e algoritmi di analisi dei dati - corso RUB 32.490. da Specialista, formazione 40 ore accademiche, data 15 maggio 2023.
Miscellanea / / December 03, 2023
Docente del corso di programmazione professionale, sviluppatore certificato Istituto Python con esperienza lavorativa generale nel campo informatico più di 20 anni. Ho costruito da zero sistemi IT in 4 aziende. Più di 5 anni.
Vadim Viktorovich si è laureato nel 2000 presso l'Università statale russa di studi umanistici con una specializzazione in Informatica e Scienze informatiche. Un vero professionista in materia amministrativa DBMS, automazione dei processi aziendali aziendali (ERP, CRM ecc.), creando casi di test e formando i dipendenti.
Capace di motivare e affascinare. È esigente con i suoi ascoltatori, sempre pronto a chiarire i punti difficili. La vasta esperienza di lavoro su progetti reali gli consente di prestare attenzione a quei dettagli che di solito vengono trascurati dagli sviluppatori alle prime armi.
Modulo 1. Metodi di ottimizzazione (16 ac. H.)
- Concetti di base, definizioni, argomenti
- Continuità, fluidità e convergenza delle funzioni digitali. Funzioni digitali discrete
- Ottimizzazione condizionale e incondizionata
- Metodi di ottimizzazione a criterio singolo
- Enunciazione del problema di ottimizzazione multicriterio
- Metodi di ottimizzazione multicriterio
- Discesa del gradiente
- Metodi di ottimizzazione stocastica
Modulo 2. Algoritmi di analisi dei dati (16 ac. H.)
- Algoritmo di regressione lineare. Discesa gradiente
- Ridimensionamento delle funzionalità. Regolarizzazione L1 e L2. Discesa stocastica del gradiente
- Regressione logistica
- Algoritmo per la costruzione di un albero decisionale. Foresta casuale
- Aumento del gradiente
- Analisi dell'algoritmo di backpropagation
Modulo 3. Opera finale (8 ac. H.)
La scienza dei dati comprende un'ampia gamma di approcci e metodi per la raccolta, l'elaborazione, l'analisi e la visualizzazione di set di dati di qualsiasi dimensione. Un'area separata e praticamente importante di questa scienza è lavorare con i big data utilizzando nuovi principi modellazione matematica e computazionale, quando i metodi classici smettono di funzionare a causa della loro impossibilità ridimensionamento. Questo corso è progettato per aiutare lo studente ad apprendere le basi dell'area tematica attraverso la formulazione e risolvendo i problemi tipici che un ricercatore di scienza dei dati può incontrare nel suo lavoro lavoro. Per insegnare allo studente a risolvere tali problemi, gli autori del corso forniscono allo studente il minimo teorico necessario e mostrano come utilizzare nella pratica gli strumenti di base.
4,2