Главная / Расписание открытых тренингов / Предиктивная аналитика (Predictive analytics) на базе регрессионных моделей. Уровень 1
Открытый тренинг
Предиктивная аналитика (Predictive analytics) на базе регрессионных моделей. Уровень 1
Выберите дату проведения:
О курсе:
Специализированный
Предсказание поведения контролируемых параметров – одна из самых актуальных задач, возникающих на производстве. Сложность подобной задачи вызвана многообразием факторов и условий, при которых протекает процесс. На сегодняшний день существует достаточно много различных подходов, позволяющих решить задачу предсказания (прогнозирования). На тренинге, который является первой ступенью погружения в мир предиктивной аналитики, будет рассмотрен классический и востребованный класс методов регрессионного анализа. Его различные виды, такие как, например, линейный регрессионный анализ или логистическая регрессия, позволят не только предсказать поведение процесса, но и провести анализ производственных параметров, влияющих на прогнозируемый показатель.
Возможность использования своих данных в процессе обучения.
Программа тренинга
ДЕНЬ 1. Основы моделирования и прогнозирования
ДЕНЬ 2. Моделирование и прогнозирование на основе многофакторной регрессии
ДЕНЬ 3. Моделирование и прогнозирование на основе других видов регрессионного анализа
Возможность использования своих данных в процессе обучения.
Программа тренинга
ДЕНЬ 1. Основы моделирования и прогнозирования
ДЕНЬ 2. Моделирование и прогнозирование на основе многофакторной регрессии
ДЕНЬ 3. Моделирование и прогнозирование на основе других видов регрессионного анализа
1. Если от вашей компании планируется 3 и более человека, даты проведения могут быть скорректированы в соответствии с вашими потребностями, либо назначены дополнительные даты.
2. Формат проведения в указанные даты может быть быть изменен в соответствии с потребностями участников (очный - на онлайн и наоборот).
Продолжительность:
Off-line: 3 дня (24 академических часа)
On-line: 3 дня (24 академических часа)
Требования к слушателям:
•
Высшее образование
•
Опыт работы в Excel на уровне пользователя
Вы получите:
•
Сертификат о прохождении курса
•
Сертификат на 4-месячную бесплатную консультационную поддержку
Стоимость участия
От компании
один человек (от компании)
53 000 руб.
два и более человека (от компании)
52 000 руб.
Физическое лицо
52 000 руб.
* Все скидки действуют только при предоплате.
** Стоимость участия может изменяться в зависимости от даты и места проведения.
Программа
ДЕНЬ 1. Основы моделирования и прогнозирования
- Типизация исходных данных для анализа
- Big Data и традиционные выборки
- Классификатор инструментов предиктивной аналитики по типу решаемой задачи
- Активный и пассивный эксперименты
- Основные понятия моделирования: модель, прогноз, отклонения (остатки), гипотеза, фактор, отклик, статистическая значимость
- Подходы к валидации модели (деление набора данных на обучающий и тестовый и другие способы)
- Проблемы моделирования: переобучение, нерепрезентативность выборки и другие
- Подходы к оценке точности модели, понятие обучения модели
- Базовые статистические показатели и графики: среднее и медиана, размах, стандартное отклонение, дисперсия, стандартная ошибка, доля, доверительные интервалы, гистограмма, ящичная диаграмма, вероятностный график
- Различные виды распределений (нормальное, экспоненциальное, Вейбулла, Пуассона, биномиальное и т.д.). Проверка соответствия виду распределения и практические выводы
- Предварительный графический анализ влияния факторов на отклик
- Оценка тестоны связи количественных признаков с помощью коэффициентов корреляции; корреляция и причинность
- Практическая часть – отработка примеров в JASP и Microsoft Excel
ДЕНЬ 2. Моделирование и прогнозирование для количественного признака
- Многофакторный регрессионный анализ – метод моделирования и прогнозирования количественного показателя:
- требования к виду и количеству исходных данных
- необходимые и достаточные теоретические основы, идеи и принципы, плюсы, минусы и особенности подхода
- требования к факторам, которые планируется учитывать в анализе
- пошаговый алгоритм регрессионного анализа
- способ проверки адекватности модели (анализ отклонений «факт-модель»)
- интерпретация результатов: как влияют факторы на отклик, ранжирование по силе влияния
- трансформации исходных данных при нарушении требований линейного регрессионного анализа
- получение прогнозов
- Практическая часть – отработка примеров в JASP и Microsoft Excel
ДЕНЬ 3. Моделирование и прогнозирование для неколичественного признака
- Бинарная логистическая регрессия – метод моделирования и прогнозирования одного из двух исходов:
- требования к виду и количеству исходных данных для каждой модели
- необходимые и достаточные теоретические основы, идеи и принципы, плюсы и минусы метода
- валидация и интерпретация полученных результатов
- построение прогнозов с использованием Roc-анализа
- Деревья классификации – способ визуализации влияния факторов на получение одного из исходов:
- требования к виду и количеству исходных данных для каждой модели
- необходимые и достаточные теоретические основы, идеи и принципы, плюсы и минусы метода
- способ проверки адекватности модели, обучение и валидация
- определение условий достижения желаемого результата по построенному дереву
- Практическая часть – отработка примеров в JASP и Microsoft Excel
После окончания обучения вы сможете
Проводить многофакторный анализ процессов
Прогнозировать результаты производственных процессов
Прогнозировать отказы оборудования
Использовать пакет JASP для анализа и прогнозирования (в рамках тем тренинга)
Выявлять и описывать влияние различных факторов на прогнозируемый показатель
Оценивать качество и адекватность построенных предиктивных моделей
Определять, относятся или нет данные вашей компании к Big Data