IBM SPSS-statistieken. Niveau 5. Multivariate statistische analyse - cursus RUB 34.990. van Specialist, opleiding 32 ac. h., Datum: 17 september 2023.

Een professionele teacher-practitioner met uitgebreide en gevarieerde werkervaring en meer dan 10 jaar leservaring. Legt onderwijsmateriaal op een boeiende, begrijpelijke manier uit, aan de hand van veel interessante voorbeelden uit zijn eigen praktijk. De helderheid en levendigheid van de presentatie van Alina Viktorovna helpt luisteraars het curriculum snel en volledig te assimileren. De leraar beantwoordt gedetailleerd alle vragen die uit het publiek rijzen en geeft zorgvuldig commentaar op de geanalyseerde situaties.
Alina Viktorovna heeft verschillende hogere opleidingen gevolgd in de specialismen “Informatietechnologie” en “Econoom”. Beschikt over een academische graad van Kandidaat Technische Wetenschappen op het gebied van automatisering en controle van technische processen in de industrie. Deelgenomen aan de ontwikkeling van statistische modellen voor de automatisering van het technologische proces van de productie van vlakglas, in projecten op implementatie van statistische methoden voor procescontrole in de auto-industrie (in fabrieken zoals AvtoVAZ, KamAZ, GAZ en enz.). Analyseert het gezondheidszorgsysteem van de regio's van de Russische Federatie. Neemt als analist deel aan een project om ondernemerstendensen onder schoolkinderen te identificeren.
Ze heeft veel educatieve en methodologische complexen ontwikkeld en heeft herhaaldelijk deelgenomen aan het werk van de certificeringscommissie voor de verdediging van kwalificerende werken. Auteur van 17 wetenschappelijke werken, waaronder wetenschappelijke artikelen in Russische en buitenlandse publicaties. Heeft een certificaat van het Duitse bedrijf Q-DAS om gespecialiseerde training te geven op het gebied van statistische procescontrole voor het bedrijf BOSCH.
Alina Viktorovna heeft een onberispelijke beheersing van methodologieën voor het beschrijven van bedrijfsprocessen, systeemmodellering, statische methoden voor gegevensverwerking en IS-ontwerpstandaarden. In haar lessen geeft ze voorbeelden uit verschillende werkgebieden, zodat de stof even begrijpelijk is voor studenten uit verschillende sectoren.

Module 1. Clusteranalyse en de toepassing ervan (2 ac. H.)

- Multidimensionale classificatiemethoden
- Concept en toepassingsgebieden van clusteranalyse
- Clusteranalysetaken
- Clusteranalysemethoden
- Voor- en nadelen van clusteranalyse
- Stadia van clusteranalyse
- Initiële gegevens voor clusteranalyse
- Meet de afstand tussen objecten
- Analyse van de classificatiekwaliteit

module2. Hiërarchische clusteranalyse (4 ac. H.)

- Kenmerken van hiërarchische clusteranalyse
- Algoritme van hiërarchische methoden voor clusteranalyse
- Meet de afstand tussen clusters
- Procedureafstanden
- Maatregelen voor verschil
- Gelijkenismaatregelen
- Procedure Hiërarchische clusteranalyse
- Selecteren van een hiërarchische clusteranalysemethode
- Resultaten van de procedure voor hiërarchische clusteranalyse
- Grafische weergave van de resultaten van hiërarchische clusteranalyse
- Opzetten van statistieken voor de Hiërarchische Clusteranalyse procedure
- Nieuwe variabelen opslaan

module3. Classificatie met behulp van de k-meemiddelenmethode (2 ac. H.)

- De essentie en kenmerken van de k-means-methode
- Algoritme van de k-means-methode
- Procedure Clusteranalyse met behulp van de k-means-methode
- Resultaten van de procedure Clusteranalyse met behulp van de k-means-methode
- Instellen van het aantal iteraties
- Instellen van aanvullende parameters
- Resultaten van het weergeven van aanvullende instellingen
- Nieuwe variabelen opslaan
- Grafische presentatie van resultaten

module4. Clusteranalyse in twee fasen (4 ac. H.)

- Kenmerken van clusteranalyse in twee fasen
- Vereisten voor clusteranalyse in twee fasen
- Algoritme voor clusteranalyse in twee fasen
- Procedure Clusteranalyse in twee fasen
- Samenvatting van modelresultaten
- Beoordeling van clusterstructuur
- Bekijk informatie over clusters
- Informatie over clusters weergeven
- Uitgangscontrole
- Uitvoer van de tweestapsclusteranalyseprocedure
- Extra Cluster Viewer-paneel
- Selectie van waarnemingen door clusters
- Parameters van de tweetrapsclusteranalyseprocedure

module5. Methoden voor dimensionaliteitsreductie: factor- en componentenanalyse (4 ac. H.)

- Het concept van factoranalyse
- Doel en doelstellingen van factoranalyse
- Stadia van factoranalyse
- Vereisten voor het gebruik van factoranalyse
- Componentanalyse-algoritme
- Factoranalyse-algoritme
- Vergelijking van factor- en componentenanalyses
- Voorwaarden voor het gebruik van factor- en componentenanalyses
- Procedure Factoranalyse
- Resultaten van de factoranalyseprocedure
- Regels voor het selecteren van factoren
- Selecteren van een factoranalysemethode
- Factorrotatieprobleem
- Aanpassing van factorrotatie
- Parameters van de factoranalyseprocedure
- Uitvoer van beschrijvende statistieken
- Factorwaarden opslaan

module6. Op respons gebaseerde classificatie: discriminantanalyse (4 ac. H.)

- Segmentatie op basis van reacties
- Op respons gebaseerde segmentatiemethoden
- Initiële gegevens voor discriminantanalyse
- Overeenkomsten tussen discriminantanalyse en logistische regressie
- Verschillen tussen discriminantanalyse en logistische regressie
- Doel en doelstellingen van discriminantanalyse
- Vereisten voor discriminantanalyse
- Stadia van discriminantanalyse
- Methoden voor discriminantanalyse
- Initiële data
- Lineair discriminantanalysemodel
- Procedure Discriminantanalyse
- Resultaten van de Discriminantanalyseprocedure
- Statistieken van de Discriminantanalyseprocedure
- Wijze van stapsgewijze selectieprocedure Discriminantanalyse
- Classificatie op basis van de resultaten van discriminantanalyse
- Classificatiestatistieken
- Nieuwe variabelen opslaan

Module 7. Multivariate variantieanalyse (4 ac. H.)

- Multivariate variantieanalyse
- Instellen van parameters voor de OLM-multidimensionale procedure
- Belangrijkste resultaten van multivariate variantieanalyse
- ANOVA met herhaalde metingen
- GLM-procedure - herhaalde metingen
- Instellen van parameters voor de OLM-herhaalde meetprocedure

Module 8. Classificatiemodellen op basis van beslisbomen (8 ac. H.)

- De essentie van de methode voor het construeren van een beslisboom
- Toepassingsgebieden van de beslisboom
- Kenmerken en vereisten voor het gebruik van de beslisboommethode
- Methoden voor het construeren van een beslisboom
- Vergelijking van methoden voor het construeren van een beslisboom
- Procedure classificatiebomen
- Interpretatie en studie van beslisbomen
- Controle van de geschiktheid van het model
- De uitvoer aanpassen in de procedure Classificatiebomen
- Instellingen en parameters van de classificatiebomenprocedure
- Regels voor het classificeren van observaties
- Criteria in de procedure Classificatiebomen
- Regressiebeslissingsbomen
- Constructie van regressiebeslissingsbomen