Интеллектуальные методы анализа бизнес-информации

Содержание программы:

Тема 1. Оптимизационные модели.

Основные этапы построения оптимизационных моделей. Анализ чувствительности оптимизационных моделей. Использование надстройки SolverTable. Примеры оптимизационных моделей для решения финансовых задач, распределения ресурсов, построения производственных программ, управления запасами. Методы решения задач многокритериальной оптимизации.

Тема 2. Регрессионные модели.

Основная задача регрессионного анализа. Парная линейная регрессия. Оценка значимости коэффициентов регрессионных уравнений. Множественная нелинейная регрессия. Построение регрессионных моделей с использованием неколичественных факторов. Методы оценки адекватности и точности моделей. Примеры регрессионных моделей.

Тема 3. Имитационные модели.

Датчики случайных чисел. Имитация дискретных и непрерывных случайных величин. Примеры имитационных моделей с использованием инструмента RISK. Оценка временных параметров проекта (пример).

Тема 4. Модели комбинированного типа.

Задача о замене оборудования, как пример сочетания регрессионного и оптимизационного моделирования. Задача об оценке объемов рыночных продаж, как пример сочетания регрессионного и имитационного моделирования. Задача об оптимальном выборе потребительских свойств нового товара, как пример сочетания регрессионного, имитационного и оптимизационного моделирования. Использование инструмента RiskOptimizer.

Тема 5. Многокритериальная оптимизация.

Парето оптимальные решения. Свертка критериев. Кривые достижимости. Целевое программирование. Оптимизация медиаплана (пример). Метод анализа иерархий.

Тема 6. Алгоритмы Data Mining

Определения OLAP, Data Mining, KDD и взаимосвязи между ними. OLAP. Аналитическая отчетность и многомерное представление данных. Хранилище данных. Измерения и факты. Основные операции над кубом данных. Типы задач, решаемые методами Data Mining: классификация, кластеризация, регрессия, ассоциация, поиск последовательных шаблонов. Алгоритмы, получившие наибольшее распространение для каждого типа задач: самоорганизующиеся карты, деревья решений, линейная регрессия, нейронные сети, ассоциативные правила. Практикум: (построение аналитической отчетности, построение регрессионной прогнозной модели спроса). Задача сегментации клиентов фирмы. Оценка кредитоспособности физических лиц. Задача прогнозирования потребности в продукции. Примеры комбинации методов Data Mining.

Стоимость программы: 25 000 руб.

Сроки проведения программы: Для индивидуальных клиентов и корпоративных групп до 4 человек - в соответствие с расписанием повышения квалификации на текущий семестр. Зарегистрироваться на обучение можно на сайте или по телефону +7 (495) 932-80-73, менеджер Фролова Ирина Викторовна.

Для организации занятий корпоративных групп от 5 человек просьба обращаться по тел. 8-926-539-31-76, Печковская Виктория Викторовна.

 

Цели: 

Познакомить слушателей с технологиями анализа данных: OLAP, KDD, Data Mining и подготовки данных. Дать представление об автоматизированных моделях анализа данных.

Познакомить слушателей с практикой анализа данных на примере решения задач сегментации, классификации, прогнозирования. Овладеть методами построения оптимизационных моделей, методами построения и оценки регрессионных зависимостей, элементами имитационного моделирования, а также методами построения комбинированных моделей. 

Целевая аудитория: 

Аналитики, специалисты в области анализа бизнес-информации, менеджеры, принимающие решения на основе анализа больших массивов данных.

Объём программы: 
72 часа, из них 24 академических (очных) , 48 - самостоятельная работа (заочная).
Продолжительность обучения: 
зависит от расписания
Форма обучения: 
Очно-заочная
Зачисление: 
На основании договора и оплаты обучения
Язык обучения: 
Русский
Выдаваемые документы: 

Удостоверение о повышении квалификации МГУ имени М.В. Ломоносова

Руководитель программы: 
д.т.н., профессор Косоруков Олег Анатольевич
Преподаватели: 

Косоруков Олег Анатольевич

Заместитель декана факультета ВШУИ МГУ имени М.В. Ломоносова

Образование:  в 1983г. с отличием окончил факультет Вычислительной математики и кибернетики МГУ им. М.В. Ломоносова, кафедра - Теории игр и исследования операций.

В 1985г. - аспирантуру факультета Вычислительной математики и кибернетики МГУ им. М.В. Ломоносова,  защитил кандидатскую диссертации на тему "Задачи анализа и синтеза на коммуникационных сетях" .

В 2007г защитил докторскую диссертацию на тему «Модели и методы управления сетевыми структурами в кризисных ситуациях».

Итоговый контроль: 

Зачет

Записаться на обучение

CAPTCHA
Этот вопрос задается для того, чтобы выяснить, являетесь ли Вы человеком или представляете из себя автоматическую спам-рассылку.