Анализ данных
повышение квалификации
О программе
В основе программы лежит изучение базовой прикладной математики, анализа данных и искусственного интеллекта. На практических примерах участники курса освоят методы поиска средств индивидуальной защиты на производстве, построение алгоритмов зонирования, автоматизацию контроля доступа и создание MVP решений. В ходе обучения слушатели получат практические компетенции по работе с различными типами датчиков, объединению данных из нескольких источников, построению логики интеллектуального контроля и подготовке решений к внедрению. По окончании курса слушатели смогут не только понимать принципы современных data-driven и AI-подходов, но и использовать их для запуска собственных проектов.
Варианты обучения
очно
6 недель (72 ак. ч.)
Срок обучения
По мере набора
Когда
2 раза в неделю в будние дни с 18.00 до 21.00
График занятий
22 000 р.
Стоимость
Программа обучения
Тема 1. Выборочные исследования
Простой случайный отбор, репрезентативная выборка. Выбор без возвращения. Знакомство со средствами отображения графиков на языке Python. Точечные оценки неизвестных параметров. Оценивание долей и процентов. Свойства оценок. Доверительные интервалы для неизвестных параметров случайных величин.
Тема 2. Статистические гипотезы. Исследование однородности
Проверка статистических гипотез. Параметры критериев. Уровень значимости, доверительная вероятность, мощность критерия. Ошибки I и II рода. Ранг и вариационный ряд. Создание набора программ на языке Python для оценки статистических гипотез. Однородности выборок. Неоднородность вида смещение. Классический критерий Стьюдента, критерий Вилкоксона. Однородности выборок. Неоднородность вида сжатие/растяжение. Критерий Фишера.
Тема 3. Анализ статистической взаимосвязи
Независимость случайных величин. Исследование зависимости между количественными и порядковыми признаками. Подготовка набора программ на языке Python для оценки случайных величин. Выборочный коэффициент корреляции. Коэффициент корреляции Спирмена. Коэффициент согласованности Кендалла. Исследование зависимости между номинальными признаками. Критерий хи-квадрат.
Преимущества обучения
1
Гибкое содержание курса
Перед стартом обучения возможно обсуждение текущих запросов Вашего предприятия, анализ производственных сценариев и адаптация содержания под существующие процессы, инфраструктуру и требования к безопасности. Это позволяет создать действительно прикладной курс, в котором теория математики и ИИ напрямую работает на повышение эффективности, управляемости и технологической зрелости предприятия.
2
Актуальные для производства вопросы
Программа курса выстроена вокруг одной из наиболее востребованных задач промышленности — интеллектуального анализа видеоданных и сенсорной информации. Отдельный акцент делается на математической постановке задачи: от структурирования данных и их валидации до выбора моделей, оценки качества и настройки решений под особенности конкретного предприятия.
3
Топовые преподаватели
Обучение проводят топовые специалисты физико-математического факультета РУДН, где традиции фундаментальной математической школы соединяются с современными методами обработки данных, моделирования и интеллектуальных вычислений. Такой подход позволяет не просто дать слушателям набор инструментов, а сформировать системное мышление для решения реальных производственных задач.
Оставьте отзыв
Учились здесь? Оставьте отзыв, и, может быть, это поможет другим в выборе. Кроме этого, из ваших оценок формируется наш рейтинг.