Курс: REQ-026
Длительность: 16 ч.
Длительность: 16 ч.
Описание
На курсе рассматриваются основные типы моделей, используемые для поиска закономерностей в данных: регрессионный анализ, кластеризация данных, построение простых и обобщенных деревьев решений, сокращение данных – метод главных компонент.Эти методы, входящие в научную дисциплину «Распознавания образов» (Pattern Recognition), являются основой такой быстро развивающейся дисциплины как Business Intelligence (BI) и широко используются в бизнес-аналитике.
Кратко обсуждаются идеи и методы нейронных сетей и машины поддерживающих векторов (SVM – Support Vector Machine), а также методы bootstrap-построения оценок при недостаточном числе исходных данных. Обсуждаются основные понятия «нечеткого» (fuzzy) анализа данных.
Предлагаемые алгоритмы могут быть использованы в базах данных для восстановления (предсказания) пропущенных значений.
Разбираемые темы
- Введение в анализ данных и распознавание образов;
- Первичное преобразование данных, поиск выбросов;
- Регрессионный анализ. Скользящий контроль;
- Деревья решений. Простая и обобщенная формы;
- Кластеры и их поиск:
- Кластер как связная компонента графа;
- Построение минимального покрывающего дерева;
- Метод К средних. Простая и обобщенная версии;
- Иерархический кластер анализ. Дендрограммы;
- Метод главных компонент. Факторы и их поиск;
- Продвинутые методы анализа;
- Нейронные сети;
- SVM и поддерживающие вектора. Кернел функции;
- Эволюционные алгоритмы – МГУА, генетические;
- Метод Bootstrap;
- Семейства прогнозирующих алгоритмов;
- «Нечеткие» классификаторы.
Цели
Целью курса является знакомство слушателей с постановками задач поиска зависимостей и распознавания образов, описание математических моделей и разбор пошаговых действий (алгоритма) их решения. Здесь описаны процедуры проверки прогностической устойчивости моделей и правила определений области допустимых значений данных, поступающих для прогнозирования.По окончании курса слушатели научатся понимать применимость основных методов анализа данных, например, при восстановлении пропущенных значений в БД и в задачах классификации и распознавания образов.
Целевая аудитория
Аналитики, бизнес-аналитики, разработчики, руководители групп, нуждающиеся в кратком и доступном изложении методов анализа данных.Предварительная подготовка
Требуется знание терминов линейной алгебры и правил работы с матрицами и векторами на уровне 1-2 курса технического Вуза.После окончания курса выдаётся сертификат на бланке Luxoft Training
