Datamining: Anwendungen und Methoden

Statcon, B. Schäfer
In Witzenhausen, Frankfurt Am Main und Berlin

980 
zzgl. MwSt.
Möchten Sie den Bildungsanbieter lieber direkt anrufen?
05542... Mehr ansehen
Vergleichen Sie diesen Kurs mit ähnlichen Kursen
Mehr ansehen

Wichtige informationen

Beschreibung

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

Wichtige informationen
Veranstaltungsort(e)

Wo und wann

Beginn Lage
auf Anfrage
Berlin
Berlin, Deutschland
Plan ansehen
auf Anfrage
Frankfurt Am Main
Hessen, Deutschland
Plan ansehen
auf Anfrage
Witzenhausen
Schulstrasse 2, 37213, Niedersachsen, Deutschland
Plan ansehen

Was lernen Sie in diesem Kurs?

Anwendungen im Bereich Datamining
Clustering
Prognosemodelle

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

Vergleichen Sie diesen Kurs mit ähnlichen Kursen
Mehr ansehen