•  

    Новостная рассылка

    Подпишитесь и получайте самые свежие новости.
    Подписаться на новостную рассылку
  • Тренинг "Статистические методы в MATLAB"

    Артем Багров, инженер

    Багров Артем Анатольевич, инженер ЦИТМ Экспонента, к.т.н. В 2004 году окончил МГУ им. Ломоносова, в 2008 защитил кандидатскую диссертацию. Работает в компании с 2010 года. Специализируется на технических вычислениях и мат. моделировании.
    Код тренинга: MLST

    Даты проведения курса: 19-20 июня 2018 г.
    Время проведения: 10:00-18:00
    Перерыв 13:00-14:00 

    Из-за специфики обучения тренинги проводятся только очно в специально оборудованном классе.


      Этот курс представляет собой введение в статистические инструменты MATLAB и Statistics and Machine Learning Toolbox. Даются конкретные примеры и методы работы со статистикой.

      • Обработка данных.
      • Описательная статистика.
      • Визуализация данных.
      • Подбор распределений
      • Выполнение гипотезы тестов
      • Дисперсионный анализ
      • Подбор регрессионных моделей
      • Уменьшение размерности данных
      • Генерация случайных чисел и выполнения симуляций.


      Предварительная подготовка:

      Практические знания MATLAB и базовой статистики.



      Программа курса:

      Модуль 1. Импорт и организация данных.

      Модуль 2. Исследование данных.

      Модуль 3. Параметрические и непараметрические распределения.

      Модуль 4. Гипотезы тесты.

      Модуль 5. Дисперсионный анализ.

      Модуль 6. Регрессионный анализ.

      Модуль 7. Обработка данных высокой размерности.

      Модуль 8. Генерация случайных чисел.


      Стоимость курса - 24000 рублей. Оплата после регистрации. Оплата возможна как от физ. лиц, так и от организаций. 


      Просьба при регистрации в поле "Цель посещения"  указать ответ команды ver!


      Все вопросы по телефону: +7(495)009-65-85



      Подробная программа семинара

      Модуль 1.  Импорт и организация данных.

      Понимание методов импорта для различных типов данных, доступных в MATLAB и Statistics Toolbox, для дальнейшей организации и анализа. Выполнение общих задач, таких как объединение данных и работа с недостающими данными.

      • Импорт данных.
      • Типы данных.
      • Тип данных Dataset
      • Объединение данных.
      • Категории данных.
      • Несоразмерные и отсутствующие данные.

      Модуль 2. Исследование данных.

      В данном модуле рассматриваются основные статистические исследования данных, включая визуализацию и расчет сводных статистических данных.

      • Статистическая визуализация.
      • Среднее значение.
      • Разброс.
      • Форма.
      • Корреляция.
      • Группированные данные.

      Модуль 3. Параметрические и непараметрические распределения.

      В этом модуле освещаются функциональности, доступные в Statistics Toolbox, для исследования различных распределений вероятности и подбора их параметров.

      • Распределения вероятностей.
      • Параметры распределения.
      • Сравнение и подбор распределений.
      • Непараметрические распределения.
      • Задание распределения в виде объекта.

      Модуль 4. Гипотезы тесты.

      Использование Statistics Toolbox, для определения вероятности принадлежности классу распределений. Применить тест гипотезу для общего использования, таких как сравнение двух распределений и определения доверительных интервалов для выборок.

      • Проверка гипотезы.
      • Тест на принадлежность нормальному распределению.
      • Тест на проверку произвольного распределения.

      Модуль 5. Дисперсионный анализ.

      В этом модуле рассматриваются задачи сравнения выборочных средних нескольких групп и нахождение статистически значимых различий между группами.

      • Множественные сравнения.
      • Одномерный ANOVA анализ.
      • N-мерный ANOVA анализ
      • Многомерный ANOVA анализ.
      • ANOVA анализ для произвольного распределения.
      • Категориальная корреляция

      Модуль 6. Регрессионный анализ.

      Выполнение предсказательного моделирования на основе подбора линейной и нелинейной модели. Исследование техник для повышения качества модели.

      • Модели линейной регрессии.
      • Подбор линейной модели по исходному множеству данных.
      • Оценка модели.
      • Настройка модели.
      • Графики разбросов.
      • Логистическая и обобщенные линейные модели.
      • Нелинейные модели.

      Модуль 7. Обработка данных высокой размерности.

      Знакомство с методами снижения размерности набора данных, а также выполнение классификации для случая категориальной переменной.

      • Преобразования компонент.
      • Выбор характеристик.
      • Классификация.
      • Кластеризация.

      Модуль 8. Генерация случайных чисел.

      Использование случайных чисел для оценки неопределенности или чувствительности модели, или выполнения симуляций. Генерация случайных чисел из различных распределений и управление алгоритмами генерации случайных чисел.

      • Бутстреп и симуляция.
      • Генерация случайных чисел из нормального распределения.
      • Генерация случайных чисел из произвольного распределения.
      • Управление потоком случайных чисел.