Statistika IBM SPSS. Úroveň 5. Vícerozměrná statistická analýza - kurz 34 990 RUB. od Specialista, školení 32 ak. h., Datum: 17. září 2023.

Profesionální učitel-praktik s rozsáhlými a různorodými pracovními zkušenostmi a více než 10letou pedagogickou praxí. Poutavě, srozumitelně vysvětluje vzdělávací materiál na mnoha zajímavých příkladech z vlastní praxe. Jas a živost prezentace Aliny Viktorovny pomáhá posluchačům rychle a plně vstřebat učivo. Učitel podrobně odpovídá na všechny otázky, které vyvstanou z publika, a pečlivě komentuje analyzované situace.
Alina Viktorovna má několik vysokoškolských vzdělání v oborech „Informační technologie“ a „Ekonom“. Je držitelem akademického titulu kandidáta technických věd v oboru automatizace a řízení technických procesů v průmyslu. Podílel se na vývoji statistických modelů pro automatizaci technologického procesu výroby tabulového skla, na projektech na implementace statistických metod pro řízení procesů v automobilovém průmyslu (v závodech jako AvtoVAZ, KamAZ, GAZ a atd.). Analyzuje zdravotnický systém regionů Ruské federace. Účastní se projektu identifikace podnikatelských tendencí mezi školáky jako analytik.
Vypracovala mnoho vzdělávacích a metodických komplexů a opakovaně se účastnila práce certifikační komise pro obhajoby kvalifikačních prací. Autor 17 vědeckých prací, včetně vědeckých článků v ruských a zahraničních publikacích. Má certifikát od německé společnosti Q-DAS k provádění specializovaných školení na statistické řízení procesů pro společnost BOSCH.
Alina Viktorovna dokonale ovládá metodiky pro popis obchodních procesů, modelování systémů, statické metody zpracování dat a standardy návrhu IS. Ve svých hodinách uvádí příklady z různých pracovních oblastí, aby byl materiál stejně srozumitelný pro studenty z různých odvětví.

Modul 1. Shluková analýza a její aplikace (2 ac. h.)

- Vícerozměrné klasifikační metody
- Koncepce a oblasti použití shlukové analýzy
- Úlohy shlukové analýzy
- Metody shlukové analýzy
- Výhody a nevýhody shlukové analýzy
- Etapy shlukové analýzy
- Počáteční data pro shlukovou analýzu
- Měří vzdálenost mezi objekty
- Analýza kvality klasifikace

Modul 2 Hierarchická shluková analýza (4 ac. h.)

- Vlastnosti hierarchické shlukové analýzy
- Algoritmus hierarchických metod shlukové analýzy
- Měří vzdálenost mezi shluky
- Vzdálenosti procedur
- Míry rozdílu
- Míry podobnosti
- Postup Hierarchická shluková analýza
- Výběr metody hierarchické shlukové analýzy
- Výsledky postupu Hierarchické shlukové analýzy
- Grafické znázornění výsledků hierarchické shlukové analýzy
- Nastavení statistiky pro postup Hierarchická shluková analýza
- Ukládání nových proměnných

Modul 3. Klasifikace metodou k-means (2 ac. h.)

- Podstata a vlastnosti metody k-means
- Algoritmus metody k-means
- Postup Shluková analýza metodou k-means
- Výsledky procedury Shluková analýza metodou k-means
- Nastavení počtu iterací
- Nastavení dalších parametrů
- Výsledky zobrazení dalších nastavení
- Ukládání nových proměnných
- Grafická prezentace výsledků

Modul 4. Dvoustupňová shluková analýza (4 ac. h.)

- Vlastnosti dvoustupňové shlukové analýzy
- Předpoklady pro dvoustupňovou shlukovou analýzu
- Algoritmus pro dvoustupňovou shlukovou analýzu
- Postup Dvoustupňová shluková analýza
- Souhrn výsledků modelu
- Posouzení struktury clusteru
- Zobrazení informací o klastrech
- Zobrazení informací o klastrech
- Ovládání výstupu
- Výstup postupu Dvoukrokové shlukové analýzy
- Další panel Cluster Viewer
- Výběr pozorování podle shluků
- Parametry postupu dvoufázové shlukové analýzy

Modul 5. Metody snižování rozměrů: faktorová a komponentní analýza (4 ac. h.)

- Koncept faktorové analýzy
- Účel a cíle faktorové analýzy
- Etapy faktorové analýzy
- Předpoklady pro použití faktorové analýzy
- Algoritmus analýzy komponent
- Algoritmus faktorové analýzy
- Porovnání faktorové a komponentní analýzy
- Předpoklady pro použití faktorové a komponentní analýzy
- Postup Faktorová analýza
- Výsledky postupu faktorové analýzy
- Pravidla pro výběr faktorů
- Výběr metody faktorové analýzy
- Problém rotace faktorů
- Úprava rotace faktoru
- Parametry postupu faktorové analýzy
- Výstup popisné statistiky
- Ukládání hodnot faktoru

Modul 6. Klasifikace na základě odezvy: diskriminační analýza (4 ac. h.)

- Segmentace na základě odpovědí
- Segmentační metody založené na odezvách
- Počáteční data pro diskriminační analýzu
- Podobnosti mezi diskriminační analýzou a logistickou regresí
- Rozdíly mezi diskriminační analýzou a logistickou regresí
- Účel a cíle diskriminační analýzy
- Předpoklady pro diskriminační analýzu
- Etapy diskriminační analýzy
- Metody diskriminační analýzy
- Počáteční údaje
- Model lineární diskriminační analýzy
- Postup Diskriminační analýza
- Výsledky postupu analýzy diskriminace
- Statistika postupu diskriminační analýzy
- Metoda postupného výběrového řízení Diskriminační analýza
- Klasifikace na základě výsledků diskriminační analýzy
- Klasifikační statistika
- Ukládání nových proměnných

Modul 7. Vícerozměrná analýza rozptylu (4 ac. h.)

- Vícerozměrná analýza rozptylu
- Nastavení parametrů pro OLM-multidimenzionální proceduru
- Hlavní výsledky vícerozměrné analýzy rozptylu
- ANOVA s opakovanými měřeními
- Postup GLM - opakovaná měření
- Nastavení parametrů pro postup opakovaných měření OLM

Modul 8. Klasifikační modely založené na rozhodovacích stromech (8 ac. h.)

- Podstata metody konstrukce rozhodovacího stromu
- Oblasti použití rozhodovacího stromu
- Vlastnosti a předpoklady pro použití metody rozhodovacího stromu
- Metody konstrukce rozhodovacího stromu
- Porovnání metod pro konstrukci rozhodovacího stromu
- Stromy klasifikace procedur
- Interpretace a studium rozhodovacích stromů
- Kontrola přiměřenosti modelu
- Přizpůsobení výstupu v proceduře Klasifikační stromy
- Nastavení a parametry procedury Klasifikační stromy
- Pravidla pro klasifikaci pozorování
- Kritéria v postupu klasifikačních stromů
- Regresní rozhodovací stromy
- Konstrukce regresních rozhodovacích stromů