Analizy wielowymiarowe w Python

online 2 dni

Zastosowanie: Nauki inne

Oprogramowanie: Python

Język: Polski

Podczas kursu zaprezentowane zostaną najpopularniejsze metody wielowymiarowe, które znajdują zastosowanie w analizie zjawisk złożonych, opisanych za pomocą dużej liczby zmiennych. Uczestnicy poznają bardziej zaawansowane techniki związane z analizą skupień oraz redukcją wymiaru.

Dla kogo?

Dla wszystkich, którzy znają język Python, chcieliby poszerzyć swoją wiedzę z zakresu analiz wielowymiarowych i których przedmiotem zainteresowania są zjawiska złożone, np. w medycynie, badaniach rynkowych i marketingowych, psychologii, naukach przyrodniczych, technicznych.

Efekty szkolenia:

Poznasz najczęściej wykorzystywane techniki do analizy danych wielowymiarowych
Dowiesz się jak wydobyć kluczowe informacje ukryte w danych
Zobaczysz, jak zredukować wymiar danych i jak grupować obiekty do siebie podobne
Dostaniesz praktyczne wskazówki dotyczące interpretacji uzyskanych wyników
Zdobędziesz podstawy do rozwijania umiejętności analitycznych w każdej branży
Pogłębisz swoją wiedzę w zakresie pracy w Pythonie

Zapisz się

Zarezerwuj / Zapytaj

Program
Prowadzący
Informacje organizacyjne
Ceny

Program szkolenia:

Analiza skupień
- Metody hierarchiczne
- Metoda k-średnich
- Grupowanie gęstościowe (ang. density-based)
- Ocena skupień
Redukcja wymiarowości
- Analiza składowych głównych (ang. Principal Copmonent Analysis, PCA)
- Rzadka analiza składowych głównych (ang. Sparse Principal Component Analysis, SparsePCA)
- Analiza czynnikowa (ang. Factor Analysis, FA)
- Modele mieszanin Gaussowskich (ang. Gaussian Mixture Models, GMM)
Analiza dyskryminacyjna (ang. Linear Discriminant Analysis, LDA)
Wizualizacja
- Skalowanie wielowymiarowe
- t-SNE

Polecamy inne szkolenia:
Uczelnie maszynowe w Python – szybki start Eksploracja, wizualizacja i przygotowanie danych w Python – szybki start Wykrywanie anomalii w procesach z wykorzystaniem uczenia maszyn (machine learning)

[PL] Grzegorz Migut z brodą, w ciemnej marynarce i jasnoniebieskiej koszuli w kropki, ze złączonymi dłońmi, na jednolitym tle. [EN] Grzegorz Migut with a beard in a dark blazer and a light blue polka-dot shirt, with clasped hands, against a plain background.

dr Grzegorz Migut

Doktor, Uniwersytet Ekonomiczny w Krakowie, Kolegium Nauk o Zarządzaniu i Jakości. Magister Informatyki Ekonomicznej. Prowadzi zajęcia na Studiach Podyplomowych Business Intelligence w Szkole Głównej Handlowej oraz Studiach Podyplomowych z Biostatystyki na Uniwersytecie Medycznym w Łodzi. Posiada ponad 20 letnie doświadczenie w analityce danych oraz uczeniu maszynowym. Realizował oraz kierował projektami analitycznymi dla największych polskich firm z branży finansowej oraz przemysłowej. Posiada doświadczenie w realizacji projektów z obszaru badań medycznych i przyrodniczych. Prowadzi konsultacje z zakresu wykorzystania zaawansowanych metod analizy danych.
Obecnie realizuje bądź współrealizuje następujące szkolenia: Sieci neuronowe, Regresja logistyczna w badaniach medycznych i przyrodniczych, Analizy wielowymiarowe w Python, Statystyka w medycynie – analiza danych jakościowych, Modele klasyfikacyjne w nauce – budowa, interpretacja i ocena, Statystyka w badaniach naukowych – zastosowania i dobre praktyki, Prognozowanie i analiza danych w energetyce. Prowadzi szkolenia w StatSoft Polska od 2006 roku.

Kurs odbywa się online.

Wymagania:

Zainstalowane środowisko Anaconda lub Miniconda
Komputer z aktualnym systemem Windows, Linux, Mac OS (spełniający wymogi Anaconda/Miniconda)
8 GB RAM
procesorem Intel Core i5 6 generacji lub szybszy
W przypadku szkoleń on-line komputer umożliwiający dostęp do platformy szkoleniowej

Cena regularna: 2 695 zł

Cena dla akademickich użytkowników Statistica (-20%)*: 2 156 zł

*-20% dla akademickich użytkowników Statistica z aktywnym serwisem StatSoft Polska

Podane ceny są cenami netto i należy do nich doliczyć podatek VAT. Ceny mogą ulec zmianie.

Podobne szkolenia

Analiza logarytmiczno-liniowa

Celem kursu jest zaznajomienie uczestników z modelami i metodami wnioskowania statystycznego stosowanymi w analizie danych jakościowych. Zagadnieniami omawianymi podczas kursu są zarówno problemy wyboru […]

Dowiedz się więcej

Data mining – metody bez nauczyciela

Szkolenie prezentuje techniki należące do grupy metod bez nauczyciela, m.in. takie jak: segmentacja opisowa oraz wyszukiwanie reguł (analiza koszykowa), których celem jest wykrywanie ukrytych zależności […]

Dowiedz się więcej

Wprowadzenie do analizy mocy testu i szacowania liczebności próby

W badaniach empirycznych przy weryfikacji hipotez badawczych powszechnie korzysta się z zasad wnioskowania statystycznego. Badacz formalnie stawia hipotezę o braku efektu (zróżnicowania lub […]

Dowiedz się więcej

Analizy wielowymiarowe w Python

Dla kogo?

Efekty szkolenia:

Program szkolenia:

Polecamy inne szkolenia:

Kurs odbywa się online.

Wymagania: