ИБМ СПСС Статистицс. Ниво 5. Мултиваријантна статистичка анализа - курс 34.990 РУБ. од Специјалиста, обука 32 ак. ч., Датум: 17.09.2023.
мисцеланеа / / December 05, 2023
Курс испитује мултиваријантне статистичке методе, које се такође класификују као методе рударења података. Ове методе омогућавају проналажење скривених и неочигледних образаца у великим количинама података и доношење управљачких одлука на основу ових образаца.
Разговор 1. Увод
Разговор 2. Кратка историја СПСС
Разговор 3. Коме су СПСС курсеви намењени?
Разговор 4. Предности СПСС курсева у Специалист
Разговор 5. Статистичке методе за анализу података коришћењем ИБМ СПСС Статистицс
Разговор 6. Напредна анализа података са ИБМ СПСС Статистицс
Разговор 7. Представљање података у табелама у ИБМ СПСС Статистицс
Разговор 8. Спровођење узоркованих истраживања коришћењем модула Цомплек Самплес ИБМ СПСС Статистицс
Разговор 9. Ефикасне технике за управљање датотекама и подацима у ИБМ СПСС Статистицс
Разговор 10. Закључак
Научићеш:
- Спровести кластер анализу користећи различите методе
- Спровести факторску и компонентну анализу
- Спровести дискриминантну анализу и на основу ње класификацију
- Изградите стабла одлучивања и анализирајте их
- Изградите вишедимензионалне моделе дисперзије
Професионални наставник-практичар са великим и разноврсним радним искуством, као и више од 10 година искуства у настави. Објашњава едукативни материјал на занимљив, разумљив начин, користећи многе занимљиве примере из сопствене праксе. Осветљеност...
Професионални наставник-практичар са великим и разноврсним радним искуством, као и више од 10 година искуства у настави. Објашњава едукативни материјал на занимљив, разумљив начин, користећи многе занимљиве примере из сопствене праксе. Осветљеност и живост презентације Алине Викторовне помаже слушаоцима да брзо и у потпуности асимилирају наставни план и програм. Наставник детаљно одговара на сва питања која се јављају из публике и пажљиво коментарише ситуације које се анализирају.
Алина Викторовна има неколико високошколског образовања у специјалностима „Информационе технологије“ и „Економиста“. Има академски степен кандидата техничких наука из области аутоматизације и управљања техничким процесима у индустрији. Учествовао у изради статистичких модела за аутоматизацију технолошког процеса производње лименог стакла, на пројектима на имплементација статистичких метода за контролу процеса у аутомобилској индустрији (у погонима као што су АвтоВАЗ, КамАЗ, ГАЗ и итд.). Анализира здравствени систем региона Руске Федерације. Учествује у пројекту идентификовања предузетничких склоности међу школарцима као аналитичар.
Развила је многе наставно-методолошке комплексе и више пута је учествовала у раду сертификационе комисије за одбрану квалификационих радова. Аутор 17 научних радова, укључујући научне чланке у руским и страним публикацијама. Поседује сертификат немачке компаније К-ДАС за спровођење специјализоване обуке о статистичкој контроли процеса за компанију БОСЦХ.
Алина Викторовна беспрекорно влада методологијама за описивање пословних процеса, моделирањем система, статичким методама обраде података и стандардима дизајна ИС. На часовима даје примере из различитих области рада како би градиво било подједнако разумљиво ученицима из различитих делатности.
Модул 1. Кластер анализа и њена примена (2 ак. х.)
- Методе вишедимензионалне класификације
- Појам и области примене кластер анализе
- Задаци кластер анализе
- Методе кластер анализе
- Предности и мане кластер анализе
- Фазе кластер анализе
- Почетни подаци за кластер анализу
- Мери растојање између објеката
- Анализа квалитета класификације
Модул 2. Хијерархијска кластер анализа (4 ак. х.)
- Карактеристике хијерархијске кластер анализе
- Алгоритам хијерархијских метода кластер анализе
- Мери растојање између кластера
- Процедуралне удаљености
- Мере разлике
- Мере сличности
- Процедура Хијерархијска анализа кластера
- Избор методе хијерархијске анализе кластера
- Резултати процедуре хијерархијске анализе кластера
- Графички приказ резултата хијерархијске кластер анализе
- Постављање статистике за процедуру хијерархијске анализе кластера
- Чување нових променљивих
Модул 3. Класификација применом методе к-меанс (2 ац. х.)
- Суштина и одлике методе к-средње вредности
- Алгоритам методе к-меанс
- Процедура Кластер анализа применом к-меанс методе
- Резултати поступка Кластер анализа методом к-меанс
- Подешавање броја итерација
- Подешавање додатних параметара
- Резултати приказа додатних подешавања
- Чување нових променљивих
- Графички приказ резултата
Модул 4. Двостепена кластер анализа (4 ак. х.)
- Карактеристике двостепене кластер анализе
- Предуслови за двостепену кластер анализу
- Алгоритам за двостепену кластер анализу
- Процедура Двостепена кластер анализа
- Резиме резултата модела
- Процена структуре кластера
- Прегледајте информације о кластерима
- Приказ информација о кластерима
- Контрола излаза
- Излаз поступка анализе кластера у два корака
- Додатна табла Цлустер Виевер
- Избор посматрања по кластерима
- Параметри поступка двостепене кластер анализе
Модул 5. Методе смањења димензионалности: факторска и компонентна анализа (4 ац. х.)
- Концепт факторске анализе
- Сврха и циљеви факторске анализе
- Фазе факторске анализе
- Предуслови за коришћење факторске анализе
- Алгоритам анализе компоненти
- Алгоритам факторске анализе
- Поређење факторских и компонентних анализа
- Предуслови за коришћење факторске и компонентне анализе
- Факторска анализа поступка
- Резултати поступка Факторске анализе
- Правила за избор фактора
- Избор методе факторске анализе
- Проблем ротације фактора
- Подешавање ротације фактора
- Параметри поступка факторске анализе
- Излаз дескриптивне статистике
- Чување вредности фактора
Модул 6. Класификација заснована на одговорима: дискриминантна анализа (4 ац. х.)
- Сегментација на основу одговора
- Методе сегментације засноване на одговорима
- Почетни подаци за дискриминантну анализу
- Сличности између дискриминантне анализе и логистичке регресије
- Разлике између дискриминантне анализе и логистичке регресије
- Сврха и циљеви дискриминантне анализе
- Предуслови за дискриминантну анализу
- Фазе дискриминантне анализе
- Методе дискриминантне анализе
- Почетни подаци
- Модел линеарне дискриминантне анализе
- Процедура Дискриминантна анализа
- Резултати поступка Дискриминантне анализе
- Статистика поступка дискриминантне анализе
- Метода поступног одабира Дискриминантна анализа
- Класификација на основу резултата дискриминантне анализе
- Статистика класификације
- Чување нових променљивих
Модул 7. Мултиваријантна анализа варијансе (4 ац. х.)
- Мултиваријантна анализа варијансе
- Подешавање параметара за ОЛМ-мултидимензионалну процедуру
- Главни резултати мултиваријантне анализе варијансе
- АНОВА са поновљеним мерама
- ГЛМ поступак - поновљена мерења
- Подешавање параметара за поступак ОЛМ-поновљених мерења
Модул 8. Модели класификације засновани на стаблу одлучивања (8 ац. х.)
- Суштина метода конструисања стабла одлучивања
- Области примене стабла одлучивања
- Особине и предуслови за коришћење методе стабла одлучивања
- Методе за конструисање стабла одлучивања
- Поређење метода за конструисање стабла одлучивања
- Стабла класификације процедура
- Тумачење и проучавање стабала одлучивања
- Провера адекватности модела
- Прилагођавање излаза у процедури стабала класификације
- Подешавања и параметри процедуре Класификационих стабала
- Правила за класификацију запажања
- Критеријуми у поступку класификацијских стабала
- Стабла одлучивања о регресији
- Изградња стабала одлучивања регресије