ST3a

Opis kursu

Szkolenie przeznaczone jest dla analityków, dla których klasyczne, regresyjne techniki predykcyjne przestają być wystarczające. Dla każdego analityka może być kuszące budowanie modeli w oparciu o drzewa decyzyjne, gdzie wiele założeń nie ma tak sztywnego charakteru, a do tego automatycznie uwzględniają one interakcje pomiędzy wartościami różnych zmiennych. Ale czy modele predykcyjne na nich zbudowane są tak samo stabilne w czasie? Czy takim wynikom można ufać? A jeżeli już się zdecydujemy na ich wykorzystanie, to kiedy wybrać drzewa oparte o statystyki Chi-kwadrat, a kiedy o kryterium informacyjne? A może lepiej zrezygnować z drzew na rzecz sieci neuronowych? ST 3a jest kursem zaawansowanym, przeznaczonym dla dociekliwych praktyków, którzy chcą wykorzystywać techniki predykcyjne w biznesie, administracji lub badaniach naukowych.

Profil uczestnika

Uczestnikami szkolenia mogą być osoby zajmujące się analizą danych, posiadające umiejętności w zakresie klasycznych technik statystycznych.

Umiejętności zdobywane podczas kursu

• Przygotowanie danych na potrzeby konkretnych technik analitycznych,
• Zapoznanie z procesem konstruowania modeli z wykorzystaniem takich technik, jak sieci neuronowe i drzewa decyzyjne,
• Prawidłowe wnioskowanie na podstawie uzyskanych wyników,
• Przewidywanie wartości zmiennej zależnej na podstawie zestawu predyktorów,
• Ocena skuteczności modeli predykcyjnych.

Program zajęć

1. Drzewa decyzyjne – wprowadzenie,
2. Interpretacja wyników drzewa,
3. Zasady budowy drzew klasyfikacyjnych CHAID,
4. Zasady budowy drzew klasyfikacyjnych CRT,
5. Wykorzystanie drzew klasyfikacyjnych do przewidywania,
6. Zaawansowane zagadnienia budowy drzew klasyfikacyjnych,
7. Zasady budowy drzew regresyjnych CRT,
8. Sieci neuronowe – wprowadzenie,
9. Interpretacja wyników i ocena skuteczności sieci do danych,
10. Zasady budowy sieci typu wielowarstwowy perceptron,
11. Wielowarstwowy perceptron a sieci RBF – podobieństwa i różnice,
12. Porównanie skuteczności klasyfikacji z wykorzystaniem drzew klasyfikacyjnych i sieci neuronowych.

Czas trwania

• Szkolenie trwa 16 godzin lekcyjnych (2 dni po 8h)

Wykorzystywane oprogramowanie

• PS IMAGO PRO / IBM SPSS Statistics

Polecane kursy uzupełniające

Dla zainteresowanych technikami prognozowania zjawisk w czasie:

ST 3b - Analiza szeregów czasowych i prognozowanie