Znaleziono szkolenia

Szkolenia oznaczone tagiem: WARSZTATY

System R: podstawy, operacje na danych, analiza danych, grafika oraz programowanie

System statystyczny R jest potężnym i darmowym narzędziem. Stosowany jest praktycznie we wszystkich dziedzinach. Jeśli go nie znasz, to dowiedz się, dlaczego warto używać R. R jest bardzo często używany w bankach i innych instytucjach do budowy modeli, statystycznej analizy danych lub do wykonywania innych analiz. Jeśli nie jest on podstawowym narzędziem w danej instytucji, to doskonale uzupełnia duże... Więcej

R dla użytkowników Excela

Excel często jest jedynym narzędziem do analizy danych, którego używa analityk. Czasami z wyboru, czasami z przymusu.W Excelu można zrobić bardzo dużo. Zwłaszcza wykorzystując Visual Basic. Bardzo często jednak wykorzystuje się go do wszystkiego: z przyzwyczajenia, z nieznajomości innych narzędzi, z powodu ograniczeń budżetowych. Taka praca bywa żmudna, nieefektywna i nudna.Używając Excela jako jedynego narzędzia analizy danych i modelowania traci... Więcej

R dla opornych

System statystyczny R jest potężnym i darmowym narzędziem. Stosowany jest praktycznie we wszystkich dziedzinach. Jeśli go nie znasz, to dowiedz się, dlaczego warto używać R. Chcesz wykonać jakieś zadanie w R. Może zrobić wykres, wykonać analizę, przygotować publikację, czy po prostu słyszałeś (słyszałaś) o R i chcesz poznać to narzędzie. Może masz potrzeby takie, jak wielu innych. A może... Więcej

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

Text mining w praktyce z wykorzystaniem R

Dokumenty tekstowe, informacje z rozmów z klientami z call center, emaile, zgłoszenia problemów z urządzeniami lub usługami, zawartość blogów, opinie o produktach w internecie, inne opinie klientów... W takich danych jest bardzo dużo przydatnych informacji. Naucz się analizować takie dane i wykorzystywać wyniki analiz. Uczestnicy otrzymują skrypty R ułatwiające późniejszą pracę z własnymi danymi bez konieczności zakupu oprogramowania komercyjnego. Uwaga Na życzenie możemy... Więcej

Praktyczna analiza danych w R

Masz dane. Chciałbyś (chciałabyś) wyciągnąć wnioski, zaprezentować je i wykorzystać, aby zwiększyć sprzedaż czy poprawić funkcjonowanie przedsiębiorstwa. Nie wiesz jak to zrobić? Nie masz odpowiedniego narzędzia? Na tym szkoleniu poznasz i (podstawowe) metody i (darmowe) narzędzie: R. System statystyczny R jest potężnym i darmowym narzędziem. Stosowany jest praktycznie we wszystkich dziedzinach. Jeśli go nie znasz, to dowiedz się, dlaczego... 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

GPGPU na podstawie NVIDIA CUDA

Nie możesz się doczekać aż twoje obliczenia się skończą? Najprawdopodobniej już posiadasz sprzęt, który mógłby je przyspieszyć przynajmniej kilkukrotnie! GPGPU -- czyli obliczenia ogólnego przeznaczenia na kartach graficznych -- to stosunkowo młoda technologia, która zrewolucjonizowała rynek wysokich mocy obliczeniowych. Różnica w wydajności jest tak ogromna, że w zadaniach które da się przenieść na GPU nikt już nie używa standardowych procesorów. Jeśli... Więcej

GPGPU w pakietach — gotowe rozwiązania

Szkolenie w formie warsztatowo-konsultacyjnej obejmuje łatwo dostępne rozwiązania GPGPU dla języków C/C++ i Fortrana oraz środowisk takich jak R, Matlab czy Mathematica. Przedstawiony program szkolenia przedstawia przekrój dostępnych rozwiązań GPGPU do wyboru przez zamawiającego -- dostępnych pakietów jest mnóstwo i nie ma potrzeby (ani możliwości) uczyć wszystkich wszystkiego! Dodatkowo jest możliwość głębszego profilowania szkolenia pod konkretne środowisko i/lub konkretny zestaw problemów... Więcej

Programowanie i obliczenia numeryczne w Pythonie

Python to język programowania zaprojektowany dla czytelności i wygody. Pierwotnie dedykowany nauce programowania, dzięki tym dwóm cechom znalazł sobie też uznanie profesjonalnych programistów i naukowców, którzy szczególnie cenią sobie możliwość łatwego eksperymentowania. Gdy przygotowanie programu w językach kompilowanych zajmuje dużo czasu i wymaga troski o detale, Python pozwala na osiągnięcie dobrych rezultatów oszczędzając czas i nie martwiąc się o typowe problemy.... Więcej

System R dla zaawansowanych: programowanie i grafika

Używasz R już R, ale chcesz wykorzystać lepiej jego możliwości? Lepiej programować i pisać efektywny kod, sprawnie znajdować błędy w skryptach, przygotowywać lepsze wykresy i automatycznie tworzyć raporty, efektownie prezentować wyniki Twojej pracy, przyspieszyć złożone obliczenia, napisać duży program w R czy wreszcie tworzyć pakiety dla R... Jeśli używasz R i chcesz, żeby Twoja praca była bardziej efektywna, a wyniki prezentowane... Więcej

Dobre praktyki programowania w środowisku naukowym

W przemyśle informatycznym od dawna stosuje się praktyki pomagające w tworzeniu wysokiej jakości oprogramowania. Dzięki nim oszczędza się czas i skutecznie redukuje się ilość błędów w kodzie. Odpowiednio zaadaptowane, te praktyki mogą być równie skuteczne także w oprogramowaniu naukowym, wspomagając weryfikowalność badań. Oprogramowanie naukowe powstaje w celu potwierdzenia stawianych hipotez lub wysunięcia nowych. Jeżeli jednak do kodu wkradnie się błąd fałszujący... 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

Credit scoring dla zaawansowanych

W budowie modelu scoringowego bazuje się na ogół na znanych metodach best practices. Są jednak sytuacje, kiedy to nie wystarcza i warto sięgnąć po metody zaawansowane. Kiedy? Oto przykłady: mała próba (kredyt hipoteczny), dużo wniosków odrzuconych (kredyt gotówkowy), dużo potencjalnie użytecznych cech do wybrania (scoring behawioralny), zależność między cechami (zawsze), specjalne wymagania dla modelu (odpowiednia kalibracja). Jeśli budujesz już modele scoringowe... 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

Analiza i prognozowanie szeregów czasowych w praktyce

Szereg czasowy to obserwacje interesującej nas wielkości, zarejestrowane w kolejnych odstępach czasu (np. dniach, miesiącach lub kwartałach). Z szeregami czasowymi często spotykamy się, gdy zachodzi konieczność podejmowania ważnych decyzji biznesowych, np. dotyczących kupna/sprzedaży, produkcji, zatrudnienia czy logistyki. Dwa najważniejsze zadania analizy szeregów czasowych to identyfikacja regularnych tendencji (tzw. dekompozycja) oraz prognozowanie. Jak przygotować dane do analizy? Którą metodę dekompozycji zastosować? Jak... 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

Eksploracja szeregów czasowych

Szeregi czasowe to ważny rodzaj danych, spotykany w wielu obszarach zastosowań. Przykładem są dane finansowe i ekonomiczne, szeregi czasowe związane z prognozowaniem sprzedaży, planowaniem produkcji, czy też dane gromadzone podczas monitorowania pracy maszyn i urządzeń. Analiza takich danych wymaga uwzględnienia ich specyfiki, zwłaszcza występujących (pomiędzy kolejnymi wartościami) korelacji/zależności czasowych. Szereg czasowy traktowany jest w analizie eksploracyjnej często jako całość, a nie... Więcej

Dekompozycja szeregów czasowych

Dekompozycja czyli identyfikacja w danych składowych systematycznych, takich jak trendy długoterminowe czy wahania sezonowe, to jedno z podstawowych zadań analizy szeregów czasowych. Odpowiednie uwzględnienie regularnych tendencji występujących w szeregu ma istotny wpływ na poprawność przeprowadzanych analiz. W szczególności, w wielu szeregach czasowych związanych z gospodarką, produkcją czy sprzedażą obserwujemy wahania sezonowe wokół tendencji długoterminowej. Takie efekty sezonowe związane są najczęściej... 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

Linux oraz Wolne i Otwarte Oprogramowanie dla Data Science

System operacyjny GNU/Linux wraz z narzędziami Open Source jest zestawem oferującym bardzo dużo możliwości również w dziedzinie Data Science. Ważne jest, że w systemie Linux analiza danych z wykorzystaniem wolnego i otwartego oprogramowania jest dużo łatwiejsza i bardziej efektywna, niż w systemie Windows. Podobnie, automatyzacja analiz i czyszczenia danych różnych rodzajów też jest dużo wygodniejsza. Mimo, iż wspomniany system i oprogramowanie są... Więcej

Spróbuj ponownie