Подача информации удобна, доступна. На все вопросы получены исчерпывающие ответы. Отношение очень до.. ...»
Светлана Назарова
Все очень понравилось. Организация на высшем уровне... ...»
Вербовская Надежда
Уже есть некоторые сдвиги в питон программировании... ...»
Александр
Курс действительно великолепный. Я бы расширила и углубила его еще на столько же часов. Занятия бы с.. ...»
Жанна

IBM SPSS Statistics. Уровень 3. Многомерный статистический анализ

IBM SPSS Statistics. Уровень 3. Многомерный статистический анализ
779 бел. руб.
Метка#: EBVRXXHTY6
Статус курса: Ведется набор
  • ЗаказатьOpen or Close
    Пожалуйста, укажите полное имя (Ф.И.О.), свой номер телефона, e-mail чтобы мы могли записать Вас на выбранный курс.
    *Фамилия, Имя, Отчество
    *Номер телефона
    *E-mail
    Почтовый адрес и комментарий к заявке
    *Введите код
    captchacaptchacaptchacaptcha

По окончании курса Вы будете уметь:

  • Проводить кластерный анализ различными методами
  • Проводить факторный и компонентный анализ
  • Проводить дискриминантный анализ и классификацию на его основе
  • Строить деревья решений и анализировать их
  • Строить многомерные дисперсионные модели
Специалисты, обладающие этими знаниями и навыками, в настоящее время крайне востребованы. Большинство выпускников наших курсов делают успешную карьеру и пользуются уважением работодателей.

Продолжительность курса - 32 ак. ч.

Программа курса:

для печати
  Тема Ак. часов  
   
  Модуль 1.Кластерный анализ и его применение
  • Многомерные методы классификации
  • Понятие и области применения кластерного анализа
  • Задачи кластерного анализа
  • Методы кластерного анализа
  • Преимущества и недостатки кластерного анализа
  • Этапы кластерного анализа
  • Исходные данные для кластерного анализа
  • Меры расстояния между объектами
  • Анализ качества классификации
2  
  Модуль 2.Иерархический кластерный анализ
  • Особенности иерархического кластерного анализа
  • Алгоритм иерархических методов кластерного анализа
  • Меры расстояния между кластерами
  • Процедура Расстояния
  • Меры различия
  • Меры сходства
  • Процедура Иерархический кластерный анализ
  • Выбор метода иерархического кластерного анализа
  • Результаты процедуры Иерархический кластерный анализ
  • Графическое представление результатов иерархического кластерного анализа
  • Настройка статистик процедуры Иерархический кластерный анализ
  • Сохранение новых переменных
4  
  Модуль 3.Классификация методом k-средних
  • Сущность и особенности метода k-средних
  • Алгоритм метода k-средних
  • Процедура Кластерный анализ методом k-средних
  • Результаты процедуры Кластерный анализ методом k-средних
  • Настройка количества итераций
  • Настройка дополнительных параметров
  • Результаты вывода дополнительных настроек
  • Сохранение новых переменных
  • Графическое представление результатов
2  
  Модуль 4.Двухэтапный кластерный анализ
  • Особенности двухэтапного кластерного анализа
  • Предпосылки двухэтапного кластерного анализа
  • Алгоритм двухэтапного кластерного анализа
  • Процедура Двухэтапный кластерный анализ
  • Сводка результатов модели
  • Оценка кластерной структуры
  • Просмотр информации о кластерах
  • Вывод информации по кластерам
  • Управление выводом
  • Вывод процедуры Двухэтапный кластерный анализ
  • Дополнительная панель средства просмотра кластеров
  • Отбор наблюдений по кластерам
  • Параметры процедуры Двухэтапный кластерный анализ
4  
  Модуль 5.Методы снижения размерности: факторный и компонентный анализ
  • Понятие факторного анализа
  • Цель и задачи факторного анализа
  • Этапы факторного анализа
  • Предпосылки применения факторного анализа
  • Алгоритм компонентного анализа
  • Алгоритм факторного анализа
  • Сравнение факторного и компонентного анализов
  • Предпосылки применения факторного и компонентного анализов
  • Процедура Факторный анализ
  • Результаты процедуры Факторный анализ
  • Правила отбора факторов
  • Выбор метода факторного анализа
  • Проблема вращения факторов
  • Настройка вращения факторов
  • Параметры процедуры Факторной анализ
  • Вывод описательных статистик
  • Сохранение значений факторов
4  
  Модуль 6.Классификация на основе откликов: дискриминантный анализ
  • Сегментация на основе откликов
  • Методы сегментации на основе откликов
  • Исходные данные для дискриминантного анализа
  • Сходства дискриминантного анализа и логистической регрессии
  • Различия дискриминантного анализа и логистической регрессии
  • Цель и задачи дискриминантного анализа
  • Предпосылки дискриминантного анализа
  • Этапы дискриминантного анализа
  • Методы дискриминантного анализа
  • Исходные данные
  • Линейная модель дискриминантного анализа
  • Процедура Дискриминантный анализ
  • Результаты процедуры Дискриминантный анализ
  • Статистики процедуры Дискриминантный анализ
  • Метод пошагового отбора процедуры Дискриминантный анализ
  • Классификация на основе результатов дискриминантного анализа
  • Классификационные статистики
  • Сохранение новых переменных
4  
  Модуль 7.Многомерный дисперсионный анализ
  • Многомерный дисперсионный анализ
  • Процедура ОЛМ-многомерная
  • Настройка параметров процедуры ОЛМ-многомерная
  • Основные результаты многомерного дисперсионного анализа
  • Дисперсионный анализ с повторными измерениями
  • Процедура ОЛМ-повторные измерения
  • Настройка параметров процедуры ОЛМ-повторные измерения
4  
  Модуль 8.Модели классификации на основе дерева решений
  • Суть метода построения дерева решений
  • Области применения дерева решений
  • Особенности и предпосылки применения метода дерева решений
  • Методы построения дерева решений
  • Сравнение методов построения дерева решений
  • Процедура Деревья классификации
  • Интерпретация и исследование дерева решений
  • Проверка адекватности модели   
  • Настройка вывода в процедуре Деревья классификации
  • Настройки и параметры процедуры Деревья классификации
  • Правила для классификации наблюдений
  • Критерии в процедуре Деревья классификации
  • Регрессионные деревья решений
  • Построение регрессионных деревьев решений
8  
  Аудиторная нагрузка в классе с преподавателем 32+16
бесплатно
 
  По окончании обучения на курсе проводится итоговая аттестация. Аттестация проводится в виде теста на последнем занятии или на основании оценок практических работ, выполняемых во время обучения на курсе.    

Дорогие слушатели, сервис организации обучения "EDUCATOR" и учебный центр "СПЕЦИАЛИСТ" при МГТУ им. Н.Э. Баумана г.Москва, подготовили для вас данный курс в режиме онлайн. Обучение построено посредством вебинаров, что дает возможность освоить данную дисциплину слушателю из любой точки Республики Беларусь или Мира. Для комфортного обучения понадобится только средство коммуникации (компьютер, ноутбук, планшет или смартфон) и доступ к интернету.

 

Преподователь: Мокляченко Алина Викторовна

Предварительная подготовка

 

Требуемая подготовка: Успешное окончание курса IBM SPSS Statistics. Уровень 1. Статистические методы анализа данных или эквивалентная подготовка.

Требуемая подготовка: Успешное окончание курса IBM SPSS Statistics. Уровень 2. Углубленные методы анализа или эквивалентная подготовка.

Расписание занятий:

Дорогие слушатели, мы составили гибкое расписание занятий для вас. Для комфортного освоения материала обучение проходит в:

  • Утренних группах (10.00-13.00);
  • Утро-день (10.00-17.10);
  • Дневных (14.00-17.10);
  • Вечерних группах (18.30-21.30);
  • Группах выходного дня.

Время проведения онлайн обучения - "Московское" (для жителей Республики Беларусь оно совпадает с местным). Это позволит вам выбрать наиболее удобное для вас время и темп обучения.

Для уточнения расписания курса воспользуйтесь "интерактивным расписанием", свяжитесь с методистам по телефонам,через форму онлайн консультанта или укажите в форме заявке курса.

Повышение квалификации

Вы решили расти как специалист? Повысить свою квалификацию? Мы подготовили вам комплексные программы повышения квалификации (см. здесь) по различным направлениям (специализациям) IT сферы. Программа повышения квалификации включает в себя все необходимые материалы для полного объема знаний согласно заявленной специализации.

Желаем вам успехов в освоении выбранных программ!

Написать отзыв

Ваше имя:

Ваш отзыв:

Примечание: HTML разметка не поддерживается! Используйте обычный текст.

Оценка: Плохо           Хорошо

Введите код, указанный на картинке:


Educator | Сервис организации дистанционного обучения ©2013.
Vg-group.pro - создание сайта | продвижение сайта
Занятия транслируются из Учебного Центра "Специалист" при МГТУ имени Н.Э. Баумана
 

Заказать
Пожалуйста, укажите полное имя (Ф.И.О.), свой номер телефона, e-mail чтобы мы могли записать Вас на выбранный курс.

*Фамилия, Имя, Отчество
*Номер телефона
*E-mail
Почтовый адрес и комментарий к заявке
*Введите код
captchacaptchacaptchacaptcha