- 1 ноября 2016, вторник
- Москва, Финансовый университет, ауд. 0909, Ленинградский проспект, 51/1, с 19:00 до 22:00
Высшая математика в бизнесе. Матчасть.
Извините, регистрация закрыта. Возможно, на событие уже зарегистрировалось слишком много человек, либо истек срок регистрации. Подробности Вы можете узнать у организаторов события.
Курс открытых лекций о приложениях высшей математики в бизнесе
Материалы курса и видеозаписи лекций переехали на страничку вконтакте!
Добро пожаловать на страницу предварительной регистрации на курс "Матчасть"!
Лекции стартуют в конце октября и продлятся до конца декабря. Участие в лекциях бесплатно.
Курс состоит из двух частей: лекционной (бесплатной) и практической (платные семинары).
Содержание лекционной части:
|
Лекция |
Дата |
Название |
Содержание |
|
1 |
27 октября |
Принципы математического моделирования: от биологии до экономики |
Разбор четырёх моделей "реального мира":
Анализ общего математического подхода к построению моделей и инструментов описания неопределённости и динамики. |
|
2 |
1 ноября |
Вероятности на практике: моделирование бизнеса и управление рисками |
Математический подход к моделированию бизнеса. Описание неопределённости: быстрое повторение понятий из теории вероятностей. Отношение к риску в экономике; меры риска. Интуиция и экономический смысл вероятностных распределений. Случайные процессы. Методы стресс-тестирования бизнес-моделей. |
|
3 |
8 ноября |
Бизнес-аналитика и бизнес-моделирование: визуализация и интерпретация данных |
Задача прогнозирования бизнес-показателей на примере калькулятора доходности банковского продукта. Способы визуализации исторических данных. Сегментирование и проверка гипотез. Дисперсионный анализ и факторный анализ в динамике. |
|
4 |
15 ноября |
Линейная регрессия и прогнозирование временных рядов с приложением в алготрейдинге |
Линейная регрессия: построение, интерпретация, диагностика. Прогнозирование временных рядов. Построение стратегии на основе предсказательной модели: пример алгоритмического трейдинга |
|
5 |
22 ноября |
Кредитный скоринг и алгоритмы для классификации |
Задача клиентской аналитики вообще и кредитного скоринга в частности. Скоринговые модели на основе логистической регрессии. Меры качества классификации. Понятие переобучения и регуляризация. Решающие деревья и алгоритм random forest. |
|
6 |
29 ноября |
Углублённое введение в нейросети. Анализ изображений |
Плюсы и минусы нейросетей. Обзор архитектур. Рекуррентные и свёрточные сети. Современные возможности анализа изображений. Успешные бизнес-применения нейросетей. |
|
7 |
6 декабря |
Науки о человеке и структуризация сложного: кластеризация, сокращение размерности |
Задача управления клиентской базой. Кластеризация: обзор методов. Психология и факторный анализ. Сокращение размерности для визуализации данных. Повышение продаж и персонализированные рекомендации. Математические подходы к задаче рекомендации. |
|
8 |
13 декабря |
Бизнес поисковиков, модели Интернета и анализ текстов |
Основа бизнеса поисковика. Задача ранжирования: алгоритмы и метрики качества. Ранжирование страниц и модель блуждания по интернету. Тематическая модель текста. История и основные приложения анализа текстов. Слова и их сочетания: как превратить текстовую информацию в числовую. |
|
9 |
20 декабря |
Элементы теории графов и анализ социальных сетей |
Обзор базовых понятий теории графов. Свойства социальных графов. Ранжирование и выделение сообществ, распространение информации. Практические аспекты работы с социальными сетями. |
|
10 |
17 января |
Заключительная лекция |
Оптимальное поведение. Теория игр. Обучение с подкреплением и искусственный интеллект. |
Все лекции будут проходить в Финансовом университете, ауд. 0909, Ленинградский проспект, 51/1, с 19:00 до 22:00.
Лекции рассчитаны на аудиторию с минимальным математическим бэкграундом (азы математического анализа и теории вероятностей на хорошем школьном уровне). Участникам лекций будут предложены домашние задания, часть из которых предполагает знакомство с языком программирования Python (быстрый курс есть, например, здесь).
Ссылка на домашние задания. Задания находятся в архиве; доступ в архив осуществляется по паролю, который объявляется на каждой лекции. Выложены домашки (и слайды): 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, все сразу. Ко всем архивам, кроме 9 и 10, доступ осуществляется по паролю.
Тесты на понимание и закрепление лекций: 1, 2.
Практическая часть пройдёт в формате двухнедельного интенсива с 11 по 28 ноября. Решения отборочных заданий принимаются до утра 11 ноября. Подробности в документе.
Участие в интенсиве требует ненулевой математической базы, поэтому после объявления дат зарегистрировавшимся участникам будут высланы задания для отбора, проверяющие знание основ теории вероятности, логического мышления и навыков моделирования. По итогам отбора 3 лучших кандидата получат 100% скидку на интенсив.