Znaleziono szkolenia

Szkolenia oznaczone tagiem: MODELOWANIE

Data mining w praktyce z wykorzystaniem R

Masz do dyspozycji dużo danych. Z pewnością chcesz znaleźć w nich istotne informacje, które pomogą zrozumieć analizowane zjawisko albo poprawić funkcjonowanie firmy. Na szkoleniu nauczysz się, jak przygotować dane do analizy, a następnie zastosować odpowiednie metody, aby wydobyć użyteczne informacje na temat procesu czy zjawiska, które te dane opisują. Wykorzystamy do tego system R. System statystyczny R jest potężnym i darmowym... Więcej

Budowa modeli predykcyjnych w R

Budowa modeli predykcyjnych jest podstawowym zadaniem w zastosowaniach data miningu w bankowości i innych dziedzinach. Modele predykcyjne mają wiele zastosowań i mogą zwiększyć efektywność działania przedsiębiorstwa. Przykłady to: credit scoring, response scoring, churn scoring, usage scoring. Szkolenie przedstawia kompleksowo metody budowy oraz oceny jakości modeli predykcyjnych na przykładach danych rzeczywistych dla scoringu aplikacyjnego, scoringu odpowiedzi i innych. Chciałbyś (chciałabyś) na przykład zwiększyć... Więcej

Modelowanie predykcyjne w KNIME

Modele predykcyjne wykorzystuje się w optymalizacji działań firm od lat. Najbardziej powszechne zastosowania to modele prognozujące zachowanie klientów (application scoring, behavioral scoring, churn). Jest wiele mniej standardowych zastosowań, choćby przewidywanie na podstawie scenariusza, ile zarobi nakręcony na jego podstawie film. Niezależnie od przewidywanego zjawiska, sposób budowy modeli jest podobny. Próbując prognozować zjawiska z wykorzystaniem modeli predykcyjnych, spotykamy się jednak z wieloma... Więcej

Podstawy statystyki dla prowadzących badania naukowe

Metody statystyczne są powszechnie wykorzystywane do planowania i interpretacji wyników badań naukowych. Przeprowadzenie poprawnej pod względem metodologicznym analizy statystycznej nie jest jednak proste. Powszechność i łatwość posługiwania się oprogramowaniem statystycznym powoduje, że analiza jest często wykonywana ,,automatycznie''. Możemy łatwo otrzymać wynik analizy, nie do końca wiedząc, jakie narzędzia statystyczne zostały wykorzystane i czy są one adekwatne. Zaplanowanie badania i poprawna... Więcej

Modelowanie statystyczne w praktyce z wykorzystaniem R

Praktyczne modelowanie statystyczne to coś zupełnie innego niż zabawa z prostymi danymi. Konieczne jest dobre przygotowanie danych, umiejętne wybranie zmiennych oraz poradzenie sobie z problemami zawsze spotykanymi w praktyce. Rozwiązania tych problemów bardzo rzadko opisywane są w książkach czy prezentowane na wykładach.Oczywiście, stosuje się metody klasyczne, na przykład regresję liniową czy regresję logistyczną. Oprócz tych metod jest wiele metod nowoczesnych,... Więcej

Statystyka i symulacje z wykorzystaniem R

Statystyka potocznie rozumiana jest jako zestaw narzędzi wykorzystywanych do gromadzenia, analizy i interpretacji danych oraz podejmowania decyzji. Metody statystyczne powszechnie stosowane są m.in. w badaniach naukowych, finansach i bankowości, przemyśle oraz badaniach marketingowych. Rosnące możliwości obliczeniowe komputerów sprawiły, że we współczesnej statystyce dużą popularność zyskały metody symulacyjne. W wielu przypadkach, np. takich jak złożony charakter badanego zjawiska lub zbyt mała... Więcej

Warsztat analityka

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... Więcej

Credit scoring w praktyce z wykorzystaniem R

Budowa modelu scoringowego bazuje na metodach znanych z innych zastosowań, ale również na metodach specjalizowanych, dedykowanych budowie modeli scoringowych. Poznasz metody z tych obu grup. Zrozumiesz też wieloetapowy proces budowy modelu scoringowego. Po szkoleniu będziesz w stanie zbudować model scoringowy. Być może będzie to Twój pierwszy model. Nawet, jeśli zaczniesz szkolenie bez wiedzy z tej dziedziny. Dzięki temu, że szkolenie jest w... Więcej

Walidacja ilościowa i jakościowa systemów scoringowych i ratingowych

Budowa modelu scoringowego to dopiero początek pracy. Trzeba przed jego wdrożeniem ocenić wszechstronnie jego jakość, przekonać się, czy będzie działać poprawnie oraz później nadzorować jego działanie w zmieniających się warunkach biznesowych. Szkolenie przedstawia kompletny proces walidacji systemu scoringowego lub ratingowego w kontekście Basel II i nie tylko. Podczas szkolenia koncentrujemy się na metodach ilościowych stosowanych w walidacji i przedstawiamy cały katalog... Więcej

Prognozowanie sprzedaży na podstawie szeregów czasowych

Do prognozowania wielkości sprzedaży wykorzystywane są zwykle proste metody regresyjne. Prognozy często wyznacza się na podstawie linii trendu dodanej do wykresu. Niestety, postępując w ten sposób ignorujemy ważne informacje zawarte w danych, takie jak występowanie zależności czasowych lub efektów sezonowych.W konsekwencji, skonstruowane prognozy sprzedaży mogą nie być dokładne i mogą prowadzić do błędnych lub nieoptymalnych decyzji. Lepsze zrozumienie specyfiki... Więcej

Finansowe szeregi czasowe – analiza i prognozowanie

Finansowe szeregi czasowe to między innymi dane przedstawiające zmianę cen instrumentów finansowych lub ich stóp zwrotu. Pod wieloma względami, szeregi finansowe różnią się od typowych szeregów czasowych. Charakterystyki ściśle związane ze specyfiką funkcjonowania rynków to m.in. efekt grupowania zmienności (volatility clusters), leptokurtyczność i grube ogony rozkładów oraz asymetria reakcji na dobre i złe informacje. Nowoczesne zarządzanie ryzykiem rynkowym wymaga stosowania... Więcej

Wielowymiarowe szeregi czasowe i analiza interwencji

Analiza danych występujących w różnych obszarach (np. biznesie, ekonomii, czy przemyśle) wymaga zazwyczaj jednoczesnego modelowania kilku szeregów czasowych. Typowym przykładem są tu szeregi czasowe zawierające powiązane ze sobą wskaźniki makroekonomiczne, takie jak: inflacja, produkcja przemysłowa, stopa bezrobocia, itp. W analizie danych wielowymiarowych często stosuje się podejście jednowymiarowe, tzn. odrębne modele dopasowywane są dla każdego z szeregów, z pominięciem występujących zależności.... Więcej

Spróbuj ponownie