Matemática para Ciência de Dados. Parte 3. Métodos de otimização e algoritmos de análise de dados - curso RUB 32.490. de Especialista, formação 40 horas acadêmicas, data de 15 de maio de 2023.
Miscelânea / / December 03, 2023
Professor de curso de programação profissional, desenvolvedor certificado Instituto Python com experiência geral de trabalho na área de TI mais de 20 anos. Construí sistemas de TI em 4 empresas do zero. Mais do que 5 anos.
Vadim Viktorovich formou-se na Universidade Estatal Russa de Humanidades em 2000, com especialização em Informática e Ciência da Computação. Um verdadeiro profissional em assuntos administrativos SGBD, automação dos processos de negócios da empresa (ERP, CRM etc.), criando casos de teste e treinando funcionários.
Capaz de motivar e cativar. É exigente com os ouvintes, sempre pronto a esclarecer pontos difíceis. A vasta experiência de trabalho em projetos reais permite que ele preste atenção aos detalhes que geralmente são esquecidos pelos desenvolvedores novatos.
Módulo 1. Métodos de otimização (16 ac. h.)
- Conceitos básicos, definições, assunto
- Continuidade, suavidade e convergência de funções digitais. Funções digitais discretas
- Otimização condicional e incondicional
- Métodos de otimização de critério único
- Declaração do problema de otimização multicritério
- Métodos de otimização multicritério
- Gradiente descendente
- Métodos de otimização estocástica
Módulo 2. Algoritmos de análise de dados (16 ac. h.)
- Algoritmo de regressão linear. Gradiente descendente
- Dimensionamento de recursos. Regularização L1 e L2. Descida gradiente estocástica
- Regressão logística
- Algoritmo para construção de árvore de decisão. Floresta aleatória
- Aumento de gradiente
- Análise do algoritmo de retropropagação
Módulo 3. Trabalho final (8 ac. h.)
A ciência de dados inclui uma ampla gama de abordagens e métodos para coletar, processar, analisar e visualizar conjuntos de dados de qualquer tamanho. Uma área separada e praticamente importante desta ciência é trabalhar com big data usando novos princípios modelagem matemática e computacional, quando os métodos clássicos param de funcionar devido à sua impossibilidade dimensionamento. Este curso foi elaborado para ajudar o aluno a aprender os fundamentos da área disciplinar por meio da formulação e resolver problemas típicos que um pesquisador de ciência de dados pode encontrar em seu trabalhar. Para ensinar o aluno a resolver tais problemas, os autores do curso fornecem ao aluno o mínimo teórico necessário e mostram como utilizar a ferramenta base na prática.
4,2