SPSS Modeler und Data Mining

Kurslevel:
Einsteiger

Zielgruppe:
Datenanalysten

Voraussetzungen:
Grundlagen der Statistik

Methode:
Vortrag mit Beispielen und Übungen.

Seminarziele:
IBM SPSS Modeler bietet eine große Anzahl an Data Mining-Methoden. Dieses Seminar zeigt Ihnen, wie Sie für Klassifikation, Mustererkennung und Prognose Data Mining-Modelle mit IBM SPSS Modeler aufbauen, jeweils auf ihre Güte prüfen und einsetzen. Dabei lernen Sie zunächst den jeweiligen Algorithmus kennen und dann die tatsächliche Implementierung am System. Zu den behandelten Verfahren gehören Klassiker wie Clusteranalyse, Logistische Regression, Entscheidungsbäume, Assoziationsanalyse oder Künstliche Neuronale Netze sowie spezielle Verfahren wie Diskriminanzanalyse, Faktorenanalyse oder Zeitreihen mit ARIMA. Aus lizenzrechtlichen Gründen kann dieses Seminar nur auf Ihrer Hardware und mit Ihrer (Test-)Lizenz durchgeführt werden. Bitte kontaktieren Sie uns für Termine und Organisation vor der Buchung.

Themen:
A. Assoziations- und Warenkorbanalyse
Dauer:0.25 Tage
Einführung in die Assoziationsanalyse und den Apriori Algorithmus - Frequent Itemsets - Regelableitung

B. Regression
Dauer:0.25 Tage
Linear multiple Regression - Modellerstellung und Parameterschätzung - Gütemaße - Vorhersage

C. Bayes Netze, Naive Bayes und SLRM
Dauer:0.75 Tage
Einführung in den Bayes Netzwerk-Algorithmus - Naive Bayes - Attributauswahl und Attributbewertung - Markov Blanket Algorithmus - Self-Learning Response Models (SLRMs) - Gütemaße - Vorhersage

D. Diskriminanzanalyse
Dauer:0.5 Tage
Statistische Grundlagen: Mittelwert und Varianz, Quadratesummen innerhalb und zwischen Gruppen, Korrelationen - Regeln für Variablenauswahl - Berechnungen während der Variablenauswahl (F-to-Remove / Enter, Wilk´s Lambda, Rao´s V, Distanzen, F-Tests) - Klassifikationsfunktionen - Kanonische Diskriminanzfunktionen: Kanonische Korrelation, Wilk´s Lambda, Koeffizienten, Tests für gleiche Varianzen - Gütemaße - Vorhersage

E. Logistische Regression
Dauer:0.5 Tage
Logistische Funktion und Einführung in die logistische Regression - Binomiale logistische Regression - Multinomiale logistische Regression - Maximum Likelihood Schätzer - Variablenauswahl - Gütemaße - Vorhersage

F. Faktorenanalyse und PCA
Dauer:0.25 Tage
Einführung in Faktorenanalyse und Hauptkomponentenananlyse (Principal Component Analysis, PCA) - Faktorextraktion - Faktorrotation - Faktorwerte

G. Entscheidungsbäume
Dauer:0.75 Tage
Einführung in Entscheidungsbäume - C&RT (Classification and Regression Trees) Algorithmen - CHAID (Chi-square Automatic Interaction Detectors) Algorithmus - QUEST (Quick, Unbiased, EfficientStatistical Tree) Algorithms - Modellerstellung - Gütemaße - Vorhersage

H. Clusteranalyse
Dauer:0.5 Tage
Einführung in die Clusteranalyse - Distanzen und Ähnlichkeit - k-Means Algorithmus - TwoStep Cluster Algorithms - Cluster-Anzahl - Vorhersage und Cluster-Zugehörigkeit

I. Künstliche Neuronale Netze
Dauer:0.75 Tage
Einführung in Künstliche Neuronale Netze - Modelle: Multilayer Perceptron mit Feed-forward und Back-Propagation, Radial Basis Function Network (RBFN), Kohonen Algorithmus - Gütemaße - Vorhersage

J. Zeitreihen mit ARIMA
Dauer:0.25 Tage
Einführung in Zeitreihenanalyse und AR, MA, ARMA und ARIMA - Eigenschaften von Zeitreihen - Modellerstellung - Gütemaße - Vorhersage

K. Sequenz-Algorithmus
Dauer:0.25 Tage
Itemsets - Transaktionen - Sequenzen - Suche nach häufigen Sequenzen - Vorhersage

Unsere dozenten

Unser IBM SPSS-Trainer Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Berater und auch Fachbuch-Autor zum Thema Datenbanken, statistische Datenanalyse, Data Mining und IBM SPSS. Er unterrichtet deskriptive und induktive Statistik, multivariate Verfahren und Data Mining für die Bereiche Controlling und Marketing bzw. Marktforschung.

Veröffentlichungen:

• "Grundlagen empirische Sozialforschung" (Comelio Medien, ISBN 978-3-939701-23-1)


• "System und Systematik von Fragebögen" (Comelio Medien, ISBN 978-3-939701-26-2)

Erfahrung:
Projekte:
Im Bereich statistischer Datenanalyse führt Herr Skulschus als Berater und Projektleiter auch Projekte durch, bei denen IBM SPSS zum Einsatz kommt oder mit individueller Software-Entwicklung in Java und .NET auf Datenbank-Basis Analyse- und Reporting-Lösungen entstehen.

Forschung:
Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.

Webseite:

• http://www.marco-skulschus.de


• http://de.wikipedia.org/wiki/Marco_Skulschus

Referenzkurse:

• SPSS - Datenanalyse 1
• Statistik - Deskriptive und Induktive Statistik