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
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)
47 000 руб.
два и более человека (от компании)
47 000 руб.
Физическое лицо
47 000 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
Заявка на участие
С помощью этой формы вы сможете подать заявку на участие в тренинге
Ваше ФИО*
Как с вами связаться?
Дата тренинга*
Комментарий
Задайте вопрос
Напишите нам и мы подробно ответим на все Ваши вопросы!
Ваше ФИО*
Куда ответить*
Ваш вопрос