IBM SPSS-statistik. Niveau 5. Multivariat statistisk analyse - kursus RUB 34.990. fra Specialist, uddannelse 32 ac. h., Dato: 17. september 2023.

En professionel lærer-praktiserende læge med omfattende og varieret erhvervserfaring, samt mere end 10 års undervisningserfaring. Forklarer undervisningsmateriale på en engagerende, forståelig måde ved hjælp af mange interessante eksempler fra sin egen praksis. Lysstyrken og livligheden i Alina Viktorovnas præsentation hjælper lyttere med hurtigt og fuldt ud at assimilere læseplanen. Læreren besvarer detaljeret alle spørgsmål, der opstår fra publikum, og kommenterer omhyggeligt de situationer, der analyseres.
Alina Viktorovna har flere videregående uddannelser inden for specialerne "Informationsteknologi" og "Økonom". Har en akademisk grad som kandidat for tekniske videnskaber inden for automatisering og kontrol af tekniske processer i industrien. Deltaget i udviklingen af ​​statistiske modeller til automatisering af den teknologiske proces af glaspladeproduktion, i projekter vedr. implementering af statistiske metoder til proceskontrol i bilindustrien (på fabrikker som AvtoVAZ, KamAZ, GAZ og etc.). Analyserer sundhedssystemet i regionerne i Den Russiske Føderation. Deltager i et projekt for at identificere iværksættertendenser blandt skolebørn som analytiker.
Hun har udviklet mange pædagogiske og metodiske komplekser og har gentagne gange deltaget i arbejdet i certificeringskommissionen til forsvar af kvalificerende værker. Forfatter til 17 videnskabelige værker, herunder videnskabelige artikler i russiske og udenlandske publikationer. Har et certifikat fra det tyske firma Q-DAS til at udføre specialuddannelse i statistisk proceskontrol for BOSCH-virksomheden.
Alina Viktorovna har en upåklagelig beherskelse af metoder til at beskrive forretningsprocesser, systemmodellering, statiske metoder til databehandling og IS-designstandarder. I sine timer giver hun eksempler fra forskellige arbejdsområder, så materialet er lige forståeligt for elever fra forskellige brancher.

Modul 1. Klyngeanalyse og dens anvendelse (2 ac. h.)

- Multidimensionelle klassifikationsmetoder
- Koncept og anvendelsesområder for klyngeanalyse
- Klyngeanalyseopgaver
- Klyngeanalysemetoder
- Fordele og ulemper ved klyngeanalyse
- Stadier af klyngeanalyse
- Indledende data til klyngeanalyse
- Måler afstanden mellem objekter
- Analyse af klassifikationskvalitet

Modul 2. Hierarkisk klyngeanalyse (4 ac. h.)

- Funktioner af hierarkisk klyngeanalyse
- Algoritme af hierarkiske metoder til klyngeanalyse
- Måler afstanden mellem klynger
- Procedure Afstande
- Forskelsmål
- Lighedsforanstaltninger
- Procedure Hierarkisk klyngeanalyse
- Valg af en hierarkisk klyngeanalysemetode
- Resultater af den hierarkiske klyngeanalyseprocedure
- Grafisk fremstilling af resultaterne af hierarkisk klyngeanalyse
- Opsætning af statistik til hierarkisk klyngeanalyse procedure
- Gem nye variabler

Modul 3. Klassificering ved hjælp af k-middel metoden (2 ac. h.)

- Essensen og funktionerne i k-middel metoden
- Algoritme for k-middel metoden
- Procedure Klyngeanalyse ved hjælp af k-middel metode
- Resultater af proceduren Klyngeanalyse ved brug af k-middel metoden
- Indstilling af antallet af iterationer
- Opsætning af yderligere parametre
- Resultater af visning af yderligere indstillinger
- Gem nye variabler
- Grafisk præsentation af resultater

Modul 4. To-trins klyngeanalyse (4 ac. h.)

- Funktioner af to-trins klyngeanalyse
- Forudsætninger for to-trins klyngeanalyse
- Algoritme til to-trins klyngeanalyse
- Procedure To-trins klyngeanalyse
- Sammenfatning af modelresultater
- Vurdering af klyngestruktur
- Se oplysninger om klynger
- Vis information om klynger
- Output kontrol
- Output af proceduren for to-trins klyngeanalyse
- Yderligere Cluster Viewer-panel
- Udvælgelse af observationer efter klynger
- Parametre for to-trins klyngeanalyseproceduren

Modul 5. Dimensionalitetsreduktionsmetoder: faktor- og komponentanalyse (4 ac. h.)

- Begrebet faktoranalyse
- Formål og mål med faktoranalyse
- Stadier af faktoranalyse
- Forudsætninger for anvendelse af faktoranalyse
- Komponentanalysealgoritme
- Faktoranalysealgoritme
- Sammenligning af faktor- og komponentanalyser
- Forudsætninger for anvendelse af faktor- og komponentanalyser
- Procedure Faktoranalyse
- Resultater af faktoranalyseproceduren
- Regler for valg af faktorer
- Valg af faktoranalysemetode
- Faktorrotationsproblem
- Justering af faktorrotation
- Parametre for faktoranalyseproceduren
- Output af beskrivende statistik
- Sparefaktorværdier

Modul 6. Responsbaseret klassificering: diskriminantanalyse (4 ac. h.)

- Segmentering baseret på svar
- Responsbaserede segmenteringsmetoder
- Indledende data til diskriminant analyse
- Ligheder mellem diskriminantanalyse og logistisk regression
- Forskelle mellem diskriminantanalyse og logistisk regression
- Formål og mål med diskriminantanalyse
- Forudsætninger for diskriminant analyse
- Stadier af diskriminant analyse
- Metoder til diskriminantanalyse
- Indledende data
- Lineær diskriminant analysemodel
- Procedure Diskriminerende analyse
- Resultater af diskriminantanalyseproceduren
- Statistik over diskriminantanalyseproceduren
- Metode til trinvis udvælgelsesprocedure Diskriminerende analyse
- Klassificering baseret på resultaterne af diskriminantanalyse
- Klassifikationsstatistikker
- Gem nye variabler

Modul 7. Multivariat variansanalyse (4 ac. h.)

- Multivariat variansanalyse
- Indstilling af parametre for OLM-multidimensional procedure
- Hovedresultater af multivariat variansanalyse
- ANOVA med gentagne tiltag
- GLM procedure - gentagne målinger
- Indstilling af parametre for proceduren for gentagne OLM-målinger

Modul 8. Klassifikationsmodeller baseret på beslutningstræer (8 ac. h.)

- Essensen af ​​metoden til at konstruere et beslutningstræ
- Beslutningstræets anvendelsesområder
- Funktioner og forudsætninger for at bruge beslutningstræmetoden
- Metoder til at konstruere et beslutningstræ
- Sammenligning af metoder til at konstruere et beslutningstræ
- Procedureklassificeringstræer
- Fortolkning og undersøgelse af beslutningstræer
- Kontrol af modellens tilstrækkelighed
- Tilpasning af output i klassifikationstræer-proceduren
- Indstillinger og parametre for proceduren med klassifikationstræer
- Regler for klassificering af observationer
- Kriterier i proceduren med klassificeringstræer
- Regressionsbeslutningstræer
- Konstruktion af regressionsbeslutningstræer