Być może jesteś absolwentką lub absolwentem matematyki albo ekonometrii. Stosujesz lub chcesz stosować w pracy metody statystyczne i matematyczne. Może zastanawiasz się, jak zastosować w praktyce poznane na studiach metody? Może nie znasz odpowiednich narzędzi? A może — jak się często zdarza — nie poznałeś żadnych metod możliwych do zastosowania w praktyce.

Jeśli tak, to szkolenie jest dla Ciebie!

Dla każdego rodzaju pracy analityka potrzebne są pewne specyficzne metody. Wiele z nich poznasz na szkoleniu. Oprócz zadań standardowych pojawiają jednak się zadania nietypowe. Żeby sobie z nimi poradzić, trzeba mieć wiedzę i umiejętności z wielu dziedzin: przygotowanie danych do analizy, wizualizacja danych, testy statystyczne, symulacja, budowa modeli regresyjnych, optymalizacja numeryczna.

Właśnie podstaw tych wszystkich dziedzin nauczysz się na jednym szkoleniu.

Dodatkowo, nauczysz się, jak stosować te metody w praktyce w R. Oznacza to, że po szkoleniu będziesz posiadać umiejętność stosowania różnych metod w darmowym narzędziu niezależnym od producentów komercyjnego oprogramowania. Takie umiejętności możesz wykorzystać w dowolnym miejscu i do dowolnych zadań.

Części wykładowe są maksymalnie skrócone i ilustrowane przykładami analizy danych rzeczywistych. Po każdej części szkolenia uczestnicy wykonują samodzielnie ćwiczenia praktyczne.

Uczestnicy otrzymują skrypty R ułatwiające późniejszą pracę z własnymi danymi bez konieczności zakupu oprogramowania komercyjnego.


Czego się nauczysz?

  • Poznasz najważniejsze metody ilościowej analizy danych.
  • Opanujesz warsztat analityka pozwalający na samodzielne rozwiązywanie nietypowych zadań związanych z analizą danych i modelowaniem.
  • Poznasz podstawy R.
  • Wszystko przećwiczysz w praktyce na komputerze: używamy systemu RRCommander.
  • Otrzymasz obszerne materiały umożliwiające samodzielną późniejszą pracę, w tym skrypty R.


Dla kogo jest to szkolenie?

Wszyscy, którzy mają do czynienia z analizą danych i modelowaniem:

  • potrzebujący analizować dane,
  • chcący odkrywać zależności w danych,
  • budujący modele predykcyjne.


Skrót programu szkolenia

  • Wprowadzenie do systemu R
  • Przygotowanie danych do analizy
  • Praktyczna analiza i wizualizacja danych
  • Podstawy statystyki
  • Metody symulacyjne i modelowanie stochastyczne
  • Metody numeryczne i algebra numeryczna
  • Analiza szeregów czasowych
  • Metody regresyjne


Program szkolenia

  1. Wprowadzenie do systemu R
    • R od podstaw: typy i struktury danych
    • elementy programowania w R
    • wprowadzenie do wykorzystania R w analizie danych
    • komunikacja R ze światem zewnętrznym: operacje wejścia / wyjścia
  2. Przygotowanie danych do analizy
    • analiza jakości danych
    • obserwacje brakujące i nietypowe
    • czyszczenie danych
    • przekształcenia wstępne
  3. Praktyczna analiza i wizualizacja danych
    • przygotowanie danych do analiz (wybór podzbiorów, standaryzacja, proste przekształcenia)
    • grupowanie danych (tablice wielodzielcze, tabele przestawne)
    • analiza opisowa danych – podstawowe wskaźniki i ich własności
    • grafika w analizie opisowej – użyteczne wykresy i ich interpretacja (histogramy, wykresy słupkowe i kołowe, wykres pudełkowy, wykresy rozrzutu i inne)
    • wizualizacja danych kategorycznych
  4. Podstawy statystyki
    • dopasowywanie rozkładów
    • estymacja
    • weryfikacja hipotez statystycznych
    • metody nieparametryczne
    • próbkowanie danych
  5. Metody symulacyjne i modelowanie stochastyczne
    • podstawy modeli stochastycznych – zmienne losowe i ich rozkłady
    • mechanizmy komputerowego generowania liczb pseudolosowych
    • metody symulowania zmiennych losowych o zadanych rozkładach (ciągłych lub dyskretnych)
      • metody dedykowane (np. rozkład normalny, rozkład beta)
      • metody uniwersalne (np. metoda von Neumanna, metoda dystrybuanty odwrotnej)
    • modele stochastyczne
      • łańcuchy Markowa
      • procesy dyfuzyjne (ruch Browna)
      • procesy punktowe (procesy Poissona)
      • modele obsługi masowej (systemy kolejkowe)
  6. Metody numeryczne i algebra numeryczna
    • minimalizacja funkcji
    • metoda najmniejszych kwadratów
    • algebra numeryczna
  7. Analiza szeregów czasowych
    • wprowadzenie do analizy szeregów czasowych
    • wstępna analiza szeregów czasowych
    • modelowanie szeregów czasowych – najważniejsze zagadnienia i problemy praktyczne
    • prognozowanie szeregów czasowych
      • prognozy punktowe i przedziały predykcyjne
      • prognozowanie z wykorzystaniem klasycznych modeli statystycznych (AR, MA, ARMA, ARIMA)
      • wygładzanie wykładnicze – różne warianty (proste wygładzanie wykładnicze, metody Holta i Holta-Wintersa)
      • prognozy krótko- i długoterminowe
      • jak ocenić i porównać dokładność prognoz?
  8. Metody regresyjne
    • regresja liniowa
    • regresja nieliniowa
    • regresja logistyczna

Spróbuj ponownie