Statistiche IBM SPSS. Livello 5. Analisi statistica multivariata - corso RUB 34.990. da Specialista, formazione 32 ac. h., Data: 17 settembre 2023.

Un insegnante-professionista professionista con un'esperienza lavorativa ampia e varia, oltre a più di 10 anni di esperienza nell'insegnamento. Spiega il materiale didattico in modo coinvolgente e comprensibile, utilizzando molti esempi interessanti tratti dalla sua pratica. La luminosità e la vivacità della presentazione di Alina Viktorovna aiutano gli ascoltatori ad assimilare rapidamente e completamente il curriculum. L'insegnante risponde in modo dettagliato a tutte le domande che sorgono dal pubblico e commenta attentamente le situazioni analizzate.
Alina Viktorovna ha diversi studi superiori nelle specialità "Tecnologia dell'informazione" ed "Economista". Ha conseguito il titolo accademico di Candidato in Scienze Tecniche nel campo dell'automazione e del controllo dei processi tecnici nell'industria. Partecipato allo sviluppo di modelli statistici per l'automazione del processo tecnologico di produzione di lastre di vetro, in progetti su implementazione di metodi statistici per il controllo di processo nell'industria automobilistica (in stabilimenti come AvtoVAZ, KamAZ, GAZ e eccetera.). Analizza il sistema sanitario delle regioni della Federazione Russa. Partecipa in qualità di analista a un progetto per l'identificazione delle tendenze imprenditoriali tra gli scolari.
Ha sviluppato numerosi complessi educativi e metodologici e ha più volte preso parte ai lavori della commissione di certificazione per la difesa delle opere qualificanti. Autore di 17 lavori scientifici, inclusi articoli scientifici in pubblicazioni russe e straniere. Possiede un certificato della società tedesca Q-DAS per condurre formazione specializzata sul controllo statistico dei processi per la società BOSCH.
Alina Viktorovna ha una padronanza impeccabile delle metodologie per descrivere i processi aziendali, la modellazione dei sistemi, i metodi statici di elaborazione dei dati e gli standard di progettazione IS. Nelle sue lezioni fornisce esempi provenienti da diverse aree di lavoro in modo che il materiale sia ugualmente comprensibile a studenti di diversi settori.

Modulo 1. Analisi dei cluster e sue applicazioni (2 ac. H.)

- Metodi di classificazione multidimensionale
- Concetto e ambiti di applicazione dell'analisi dei cluster
- Attività di analisi dei cluster
- Metodi di analisi dei cluster
- Vantaggi e svantaggi dell'analisi cluster
- Fasi dell'analisi dei cluster
- Dati iniziali per l'analisi dei cluster
- Misura la distanza tra gli oggetti
- Analisi della qualità della classificazione

Modulo 2. Analisi dei cluster gerarchici (4 ac. H.)

- Caratteristiche dell'analisi gerarchica dei cluster
- Algoritmo di metodi gerarchici di analisi dei cluster
- Misura la distanza tra i cluster
- Distanze procedurali
- Misure di differenza
- Misure di similarità
- Procedura Analisi gerarchica dei cluster
- Selezione di un metodo di analisi dei cluster gerarchici
- Risultati della procedura di Analisi dei Cluster Gerarchici
- Rappresentazione grafica dei risultati dell'analisi gerarchica dei cluster
- Impostazione delle statistiche per la procedura di analisi dei cluster gerarchici
- Salvataggio di nuove variabili

Modulo 3. Classificazione utilizzando il metodo k-means (2 ac. H.)

- L'essenza e le caratteristiche del metodo k-means
- Algoritmo del metodo k-means
- Procedura di analisi dei cluster utilizzando il metodo k-means
- Risultati della procedura Analisi di cluster utilizzando il metodo k-means
- Impostazione del numero di iterazioni
- Impostazione di parametri aggiuntivi
- Risultati della visualizzazione di impostazioni aggiuntive
- Salvataggio di nuove variabili
- Presentazione grafica dei risultati

Modulo 4. Analisi cluster a due stadi (4 ac. H.)

- Caratteristiche dell'analisi cluster a due stadi
- Prerequisiti per l'analisi dei cluster a due stadi
- Algoritmo per l'analisi di cluster a due stadi
- Procedura Analisi cluster a due stadi
- Riepilogo dei risultati del modello
- Valutazione della struttura del cluster
- Visualizzare informazioni sui cluster
- Visualizzare informazioni sui cluster
- Controllo dell'uscita
- Output della procedura di Two-Step Cluster Analysis
- Pannello Visualizzatore cluster aggiuntivo
- Selezione delle osservazioni per cluster
- Parametri della procedura di analisi dei cluster a due stadi

Modulo 5. Metodi di riduzione della dimensionalità: analisi fattoriale e delle componenti (4 ac. H.)

- Il concetto di analisi fattoriale
- Scopo e obiettivi dell'analisi fattoriale
- Fasi dell'analisi fattoriale
- Prerequisiti per l'utilizzo dell'analisi fattoriale
- Algoritmo di analisi dei componenti
- Algoritmo di analisi fattoriale
- Confronto tra analisi fattoriale e analisi delle componenti
- Prerequisiti per l'utilizzo dell'analisi fattoriale e delle componenti
- Procedura Analisi Fattoriale
- Risultati della procedura di Analisi Fattoriale
- Regole per la selezione dei fattori
- Selezione di un metodo di analisi fattoriale
- Problema di rotazione dei fattori
- Regolazione della rotazione dei fattori
- Parametri della procedura di analisi fattoriale
- Produzione di statistiche descrittive
- Salvataggio dei valori dei fattori

Modulo 6. Classificazione basata sulla risposta: analisi discriminante (4 ac. H.)

- Segmentazione in base alle risposte
- Metodi di segmentazione basati sulla risposta
- Dati iniziali per l'analisi discriminante
- Somiglianze tra analisi discriminante e regressione logistica
- Differenze tra analisi discriminante e regressione logistica
- Scopo e obiettivi dell'analisi discriminante
- Prerequisiti per l'analisi discriminante
- Fasi dell'analisi discriminante
- Metodi di analisi discriminante
- Dati iniziali
- Modello di analisi discriminante lineare
- Procedura Analisi discriminante
- Risultati della procedura di Analisi Discriminante
- Statistiche della procedura di Analisi Discriminante
- Metodo di selezione per fasi Analisi discriminante
- Classificazione basata sui risultati dell'analisi discriminante
- Statistiche di classificazione
- Salvataggio di nuove variabili

Modulo 7. Analisi multivariata della varianza (4 ac. H.)

- Analisi multivariata della varianza
- Impostazione dei parametri per la procedura OLM-multidimensionale
- Principali risultati dell'analisi multivariata della varianza
- ANOVA con misure ripetute
- Procedura GLM - misurazioni ripetute
- Impostazione dei parametri per la procedura di misurazioni ripetute OLM

Modulo 8. Modelli di classificazione basati su alberi decisionali (8 ac. H.)

- L'essenza del metodo di costruzione di un albero decisionale
- Aree di applicazione dell'albero decisionale
- Caratteristiche e prerequisiti per l'utilizzo del metodo dell'albero decisionale
- Metodi per costruire un albero decisionale
- Confronto di metodi per la costruzione di un albero decisionale
- Alberi di classificazione delle procedure
- Interpretazione e studio degli alberi decisionali
- Verifica dell'adeguatezza del modello
- Personalizzazione dell'output nella procedura Alberi di classificazione
- Impostazioni e parametri della procedura Alberi di classificazione
- Regole per classificare le osservazioni
- Criteri nella procedura degli Alberi di Classificazione
- Alberi decisionali di regressione
- Costruzione di alberi decisionali di regressione