Прикладной регрессионный анализ

Цели и задачи дисциплины
Цель дисциплины: освоить методы и способы анализа данных с использованием языка программирования Python для решения различных научных и практических задач. Задачи: -познакомиться с различными видами регрессионных моделей, научиться оценивать их качество и адекватность, строить прогноз по моделям -научиться на практике проводить комплексный регрессионный анализ с использованием библиотек языка программирования Python.
Краткое содержание дисциплины
В данном курсе для регрессионного анализа используются язык программирования Python - работа осуществляется в онлайн-среде Google Colab. Изучаются возможности использования библиотек и модулей Python для построения регрессионных моделей (Numpy, Pandas, Scipy, Matplotlib, Scikit-learn, Statsmodels и др.). Рассматриваются линейные и нелинейные модели, полиномиальная регрессия, регрессии Лассо и Риджа. Большое внимание уделяется проверке их качества и адекватности, рассматриваются вопросы прогнозирования. Изучается проблема мультиколлинеарности и пути её преодоления.
Компетенции обучающегося, формируемые в результате освоения дисциплины
Выпускник должен обладать:
  • УК-6 Способен определять и реализовывать приоритеты собственной деятельности и способы ее совершенствования на основе самооценки
Вы нашли ошибку в тексте:
Просто нажмите кнопку «Сообщить об ошибке» — этого достаточно. Также вы можете добавить комментарий.