Datamining: Anwendungen und Methoden

Statcon, B. Schäfer
In Witzenhausen

980 
zzgl. MwSt.
Möchten Sie den Bildungsanbieter lieber direkt anrufen?
05542... Mehr ansehen

Wichtige informationen

Tipologie Intensivseminar
Niveau Anfänger
Beginn Witzenhausen
Dauer 2 Tage
  • Intensivseminar
  • Anfänger
  • Witzenhausen
  • Dauer:
    2 Tage
Beschreibung

Methoden der Datenanalyse. Ausgehend von multivariaten Verfahren. Clustering, Prognosemodelle, Entscheidungsbäume.

Veranstaltungsort(e)

Wo und wann

Beginn Lage
auf Anfrage
Witzenhausen
37213, Hessen, Deutschland
Karte ansehen
Beginn auf Anfrage
Lage
Witzenhausen
37213, Hessen, Deutschland
Karte ansehen

Was lernen Sie in diesem Kurs?

Anwendungen im Bereich Datamining
Clustering
Prognosemodelle
Große Datenmengen
Datenanalyse
Multivariate Verfahren
Hauptkomponentenanalyse
Logistische Regression
Neuronale Netze
Ensemble-Modelle

Dozenten

Diplom-Soz. Bertram Schäfer
Diplom-Soz. Bertram Schäfer
Statistische Methoden, Anwendungen biometrischer Methoden, etc.

Dipolm Sozialwirt, DGQ Trainer Dozent Unviersität Kassel In allen Hauptbereichen der Anwendung statistischer Methoden (Sozialwissenschaften, Marktforschung, Biometrie, Qualitätssicherung, Versuchsplanung) langjährige Erfahrung. DoE Methoden Datenanalyse mit der JMP Software Datenanalyse mit der SPSS Software ANOVA und Regression Marktforschung Multivariate Daten Analyse Daten aufbereiten mit Origin SPC Methoden Statistische Methoden der Qualitätssicherung Design of Experiments (Mitautor) Messsystem- und Zuverlässigkeitsanalyse Stichprobensysteme

Themenkreis

Mit immer größeren Mengen an verfügbaren Daten werden auch immer neue Methoden zur Datenanalyse benötigt. Dieser Kurs gibt Ihnen einen Überblick über die gängigen Methoden, die typischerweise unter dem Begriff Datamining zusammengefasst werden. Ausgehend von multivariaten Verfahren ohne besondere Zielgröße (unsupervised learning) werden Hauptkomponenten- und Clusteranalyse besprochen. Der Schwerpunkt des Kurses liegt jedoch auf verschiedenen Modellen zur Prognose. Das beinhaltet logistische Regression, Entscheidungsbäume und Neuronale Netze. Abgerundet wird das Training durch eine Einführung in die Theorie der Ensemble- Modelle.

Inhalte:

• Kennenlernen der verschiedenen Anwendungen im Bereich Datamining
• Clustering ( KMEANS, Hierarchisches Clustering)
• Hauptkomponentenanalyse • Prognosemodelle ( Logistische Regression, Entscheidungsbäume, Neuronale Netze)
• Idee der Ensemble- Modelle

User, die sich für diesen Kurs interessiert haben, interessierten sich auch für...
Mehr ansehen