“Modelagem e métodos quantitativos de análise em negócios” - curso 32.000 rublos. da MSU, treinando 4 semanas. (1 mês), Data: 29 de novembro de 2023.

Miscelânea / by admin / December 01, 2023

click fraud protection

O domínio do curso está associado ao estudo dos fundamentos teóricos da estatística, teoria das probabilidades e obtenção conhecimento abrangente sobre o uso prático de métodos de processamento e análise de informações nos negócios - ambiente.

O estudo do curso permite que você utilize na prática os conhecimentos adquiridos no processamento de dados primários, apresentando os resultados obtidos na forma de tabelas, gráficos, diagramas, construindo generalizações indicadores.

Com base neles, é possível utilizar os métodos e modelos estatísticos e quantitativos mais eficazes na análise econômica, incluindo a construção de distribuições, métodos quantitativos para avaliar probabilidades, métodos para tomar decisões sob condições de incerteza, métodos para construir intervalos de confiança, métodos para construir e avaliar estatísticas hipóteses.

O curso é ministrado em duas versões: básica e avançada. O volume de aulas em horas é o mesmo.

O programa básico envolve aulas e estudo de materiais em conjunto com os alunos de mestrado da faculdade. O programa estendido é um grupo separado no âmbito da formação avançada.

instagram viewer

Categoria de ouvintes – chefes de empresas e departamentos, funcionários de fundos de empreendimentos corporativos, especialistas na área P&D, gerentes de projetos e produtos, gerentes de inovação e mudança, equipe analítica departamentos

Início das aulas - outono de 2023.

Duração - 72 horas (32 horas de aulas presenciais com professor, 40 horas de estudo independente de materiais).

Forma de estudo – período integral e meio período.

Custo da educação - 32.000 rublos.

Os contratos de formação são celebrados com pessoas físicas e jurídicas.

As inscrições nos cursos são realizadas pelo e-mail [email protected], por meio do formulário de inscrição no site.

Você pode entrar em contato com o administrador do curso, Anton Martyanov, para se inscrever ou tirar dúvidas via WhatsApp ou Telegram pelo telefone +79264827721.

Posição de Doutor em Ciências Técnicas: Professor da Escola Superior de Gestão e Inovação da MV Lomonosov Universidade Estadual de Moscou

Tópico 1. Métodos de análise de dados pessoais

Histogramas, gráficos de dispersão, séries temporais, tabelas dinâmicas, métricas de resumo, gráficos de caixa, matriz de correlação de pares.

Tópico 2. Métodos quantitativos de teoria das probabilidades e estatística matemática

Teoria da probabilidade. Regras básicas da teoria das probabilidades. Variáveis aleatórias discretas e contínuas. Expectativa e variância. Distribuições de probabilidade derivadas. Distribuições normais e binomiais. Procedimentos de tomada de decisão em várias etapas sob condições de incerteza. Avaliação de Estratégias (EMV). Árvore de decisão e sua implementação em software (TreePlan).
Estatísticas matemáticas. A principal tarefa da estatística matemática. O conceito de estimativas estatísticas e suas propriedades. Estimativa de intervalos de confiança. Plano geral de análise de situações em condições de incerteza. Controlando a duração do intervalo de confiança. Problemas estatísticos típicos. Testando hipóteses estatísticas.

Programa de curso estendido

Tópico 1. Preparando dados para análise estatística

Métodos gerais de monitoramento e pré-processamento de dados (identificação de lacunas, duplicatas, anomalias, violações de requisitos de formalização de dados de entrada, etc.). Demonstração de automatização do processo de pré-processamento e consolidação de dados. Métodos de construção de amostras estatísticas (método de amostragem aleatória simples, método sistemático, método de estratificação, abordagem de cluster, métodos de amostragem em vários estágios).

Tópico 2. Métodos de análise estatística de dados

Análise de correlação. Análise fatorial. Análise discriminante. Análise conjunta.

Tópico 3. Métodos de análise de regressão

Método dos mínimos quadrados. Seleção de fatores independentes. Selecionando uma classe de função. Regressão pareada e múltipla. Métodos para avaliar a significância dos coeficientes de regressão. Avaliação da precisão do modelo de regressão. Testes estatísticos de adequação do modelo. Métodos de linearização de problemas de análise de regressão. Trabalhar com dados não numéricos (método de variável fictícia).

Tópico 4. Métodos de mineração de dados

Relatórios analíticos e apresentação de dados multidimensionais. Banco de dados. Medições e fatos. Operações básicas em um cubo de dados. Construção de modelos automatizados de análise de dados. Tipos de problemas resolvidos por métodos de Data Mining: classificação, clusterização, regressão, associação, busca de padrões consistentes. Os algoritmos mais utilizados para cada tipo de problema são: mapas auto-organizados, árvores de decisão, regressão linear, redes neurais, regras associativas. Métodos de visualização de resultados de pesquisas.

Endereço

119991, Moscou, st. Leninskie Gory, 1, prédio. 51, 5º andar, sala 544 (escritório do reitor)

Universidade