Опора деревянной одностоечной и способы укрепление угловых опор: Опоры ВЛ - конструкции, предназначенные для поддерживания проводов на необходимой высоте над землей, водой...
Таксономические единицы (категории) растений: Каждая система классификации состоит из определённых соподчиненных друг другу...
Топ:
Комплексной системы оценки состояния охраны труда на производственном объекте (КСОТ-П): Цели и задачи Комплексной системы оценки состояния охраны труда и определению факторов рисков по охране труда...
Процедура выполнения команд. Рабочий цикл процессора: Функционирование процессора в основном состоит из повторяющихся рабочих циклов, каждый из которых соответствует...
Методика измерений сопротивления растеканию тока анодного заземления: Анодный заземлитель (анод) – проводник, погруженный в электролитическую среду (грунт, раствор электролита) и подключенный к положительному...
Интересное:
Мероприятия для защиты от морозного пучения грунтов: Инженерная защита от морозного (криогенного) пучения грунтов необходима для легких малоэтажных зданий и других сооружений...
Отражение на счетах бухгалтерского учета процесса приобретения: Процесс заготовления представляет систему экономических событий, включающих приобретение организацией у поставщиков сырья...
Принципы управления денежными потоками: одним из методов контроля за состоянием денежной наличности является...
Дисциплины:
2017-06-13 | 214 |
5.00
из
|
Заказать работу |
|
|
Задача курса — научить слушателей находить скрытые закономерности в данных с помощью методов машинного обучения. На лекциях разбираются все основные модели (линейные, логические, метрические, байесовские) и постановки задач машинного обучения. Большое внимание уделяется прикладным аспектам анализа данных: метрикам качества, оцениванию обобщающей способности, подготовке данных и работе со сложными типами признаков. В курсе изучаются современные технологии и библиотеки, используемые в анализе данных. Все темы сопровождаются практическими заданиями на языке Python и соревнованиями по анализу данных.
Литература:
1. Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press. 2008.
2. Hastie, T., Tibshirani, R., Friedman, J. The Elements of Statistical Learning, 2nd edition. —Springer, 2009
Современные методы анализа данных: глубинное обучение
Глубинное обучение - стремительно развивающаяся область машинного обучения по большим объемам данных. В задачах, где объем обучающей выборки достаточно велик, методы глубинного обучения не просто значительно опережают все известные подходы, но и приближаются к возможностям человеческого интеллекта. Несмотря на то, что теория глубинных нейронных сетей еще не построена, они уже успешно применяются на практике. В этом курсе будут рассмотрены самые современные подходы к построению, обучению и применению глубинных нейронных сетей для решения различных индустриальных задач.
Литература:
1. LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. “Deep learning.” Nature 521, no. 7553 (2015): 436-444.
2. ImageNet Classification with Deep Convolutional Neural Networks, Alex Krizhevsky, Ilya Sutskever, Geoffrey E Hinton, NIPS 2012
3. Li Deng, Dong Yu, Deep Learning: Methods and Applications, Foundations and trends in signal processing, Now Publishers, 2014
|
Современные методы принятия решений: алгоритмы обработки больших данных
В рамках курса студенты познакомятся с методами работы с большими массивами данных разного вида, включая тексты и изображения. Студенты научатся применять их в реальных задачах, с которыми сегодня сталкиваются специалисты по анализу данных. Будут рассмотрены как способы распараллеливания и ускорения работы известных методов, так и новые подходы, основанные на наличии большой обучающей выборки. В курсе изучаются современные подходы к обработке больших данных на языке Python с использованием таких инструментов как IPython, Apache Spark, vowpal wabbit, xgboost, word2vec и TensorFlow.
Литература:
Финансы банка
В курсе рассматриваются бизнес модели коммерческих банков, задачи управления активами и пассивами банка, источники доходов и расходов, капитал банка, среда функционирования банков, а также банковские кризисы. Данный курс также дает введение в основы корпоративных финансов, подчеркивая их применение к широкому спектру реальных задач, охватывающих личные финансы, принятие корпоративных решений и финансовое посредничество. Ключевые концепции и приложения включают в себя: временную стоимость денег, риск-доходность, стоимость капитала, процентные ставки, пенсионные сбережения, ипотечное финансирование, оценку активов, построение дисконтированных денежных потоков (DCF), внутренняя норма доходности, NPV, срок окупаемости.
Литература:
1. Волков Д., Цехомский Н., Щербакова О. и др. Финансы банка. М.: Корпоративный университет Сбербанка, 2015.
2. Агуреев Е., Щербакова О., Шибанов О. и др. Кейсы по программам Школы финансов. М.: Корпоративный университет Сбербанка, 2016.
Финансовые технологии
В данном курсе рассматривается конкурентный ландшафт современных финансовых организаций: стратегия экосистемы, новые fintech-маркетплейсы, с использованием disruptive технологий, цифровой фронт-офис, кастомизация на основе применения когнитивных технологий для обработки внутренних и внешних данных, сокращения сроков проведения изменений (agile), многоканального обслуживания клиентов, on-demand услуги с быстро изменяющимся ценностным предложением, различными ценами для разных категорий клиентов, а также безопасные операции, снижающие риски мошенничества посредством использования технологии блокчейн.
|
Литература:
1. Susanne Chishti, Janos Barberis, The FINTECH Book: The Financial Technology Handbook for Investors, Wiley, 2016
2. Paolo Sironi, FinTech Innovation: From Robo-Advisors to Goal Based Investing and Gamification, Wiley, 2016
3. John Waupsh, Bankruption: How Community Banking Can Survive Fintech, Wiley, 2016
|
|
Таксономические единицы (категории) растений: Каждая система классификации состоит из определённых соподчиненных друг другу...
История создания датчика движения: Первый прибор для обнаружения движения был изобретен немецким физиком Генрихом Герцем...
Особенности сооружения опор в сложных условиях: Сооружение ВЛ в районах с суровыми климатическими и тяжелыми геологическими условиями...
Индивидуальные и групповые автопоилки: для животных. Схемы и конструкции...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!