Систематическое введение в современный Data Mining: общая методология и технологии StatSoft

Для кого этот курс?

Данный курс особенно полезен тем, кто желает научиться осознанно использовать технологии "добычи данных" и извлекать пользу в конкретных областях: телекоммуникации, маркетинге, финансах, геологии, геологоразведке и др.

Для понимания теории не требуется специальных математических знаний, все необходимые понятия даются в процессе курса.

Лекторы

В курсе используется многолетний опыт лекторов по решению прикладных задач и чтению лекций в ЦБ России, NW GSM, Русском Алюминии, Магнитогорской энергетической компании и др. Программы курсов разрабатываются под руководством научного директора StatSoft, к.ф.-м.н. В.П.Боровикова.

Отзывы слушателей

Дополнительно

Примеры, используемые при обучении, всегда подбираются с учетом Вашей сферы деятельности и специфики Ваших задач. Тем не менее, в каждой конкретной задаче могут возникать свои особенности. Поэтому мы рекомендуем проводить обучение непосредственно на примере Вашей задачи и Ваших данных. Мы просим заранее предоставить нашим специалистам данные и сформулировать стоящую перед Вами задачу. Таким образом, в рамках курса Вы сами, под руководством специалиста, проведете разведочный анализ своих данных и получите первые результаты. Мы гарантируем конфиденциальность информации и при необходимости заключаем соответствующее соглашение.

Длительность курса

10 академических часов, курс обычно разбивается на 2 рабочих дня.

Расписание курса

Курс читается как индивидуально, так и в группах. В целях соблюдения конфиденциальности данных, группа набирается только в том случае, если все слушатели из одной организации. Дата и место проведения курса выбирается с учетом Ваших пожеланий.

Как записаться и узнать стоимость?

Заявку на этот курс можно оформить, позвонив в наш офис или отправив запрос по e-mail: sales@statsoft.ru.

Программа курса

Часть 1: Методология Добычи Данных (4 часа)

• Основные понятия теории вероятностей и статистики: распределения вероятностей, формула полной вероятности, формула Байеса, априорная и апостериорная вероятности, оценки параметров, точность оценок, корреляции (парные, частные, множественная)

• Байесовские методы и оптимальный классификатор

• Многомерная регрессия и построение объяснительных моделей

• Прогнозирование временных рядов: основные понятия и методы, классическая модель АРПСС (авторегрессии и проинтегрированного скользящего среднего)

• Нейронные сети: архитектура сетей, обучение, использование нейросетей в прогнозировании, задачах классификации и регрессии

Часть 2: Технологии Добычи Данных StatSoft (6 часов)

• Связь с базами данных, технология "in place data base"

• Интерактивное бурение и расслоение

• Мастер Решений

• Рабочая Область STATISTICA Data Miner

• Сокращение размерности, отсеивание признаков

• Методы классификации

• Case Studies

Вопросы и ответы