Анализ данных - поиск закономерностей и построение моделей прогноза: Курсы

• 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

Описание

В этом вводном курсе рассматриваются основные типы моделей, используемых 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.

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.

Предварительная подготовка – общее: требуется знание терминов линейной алгебры и правил работы с матрицами и векторами на уровне 1-2 курса технического Вуза.

Время проведения: 10:00 - 18:00.