Estadísticas de IBM SPSS. Nivel 5. Análisis estadístico multivariado - curso 34.990 rublos. de Especialista, formación 32 ac. h., Fecha: 17 de septiembre de 2023.

Un profesional docente-practicante con amplia y variada experiencia laboral, así como más de 10 años de experiencia docente. Explica el material educativo de una manera atractiva e inteligible, utilizando muchos ejemplos interesantes de su propia práctica. El brillo y la vivacidad de la presentación de Alina Viktorovna ayudan a los oyentes a asimilar rápida y completamente el plan de estudios. El profesor responde detalladamente a todas las preguntas que surgen de los asistentes y comenta minuciosamente las situaciones que analiza.
Alina Viktorovna tiene varios estudios superiores en las especialidades "Tecnología de la información" y "Economista". Posee un título académico de Candidato en Ciencias Técnicas en el campo de la automatización y control de procesos técnicos en la industria. Participó en el desarrollo de modelos estadísticos para la automatización del proceso tecnológico de producción de vidrio laminado, en proyectos de implementación de métodos estadísticos para el control de procesos en la industria automotriz (en plantas como AvtoVAZ, KamAZ, GAZ y etc.). Analiza el sistema sanitario de las regiones de la Federación de Rusia. Participa como analista en un proyecto para identificar tendencias emprendedoras entre escolares.
Ha desarrollado numerosos complejos educativos y metodológicos y ha participado repetidamente en los trabajos de la comisión de certificación para la defensa de los trabajos de calificación. Autor de 17 trabajos científicos, incluidos artículos científicos en publicaciones rusas y extranjeras. Cuenta con certificado de la empresa alemana Q-DAS para realizar capacitaciones especializadas en control estadístico de procesos para la empresa BOSCH.
Alina Viktorovna tiene un dominio impecable de las metodologías para describir procesos de negocios, modelado de sistemas, métodos estáticos de procesamiento de datos y estándares de diseño de SI. En sus clases da ejemplos de diferentes áreas de trabajo para que el material sea igualmente comprensible para estudiantes de diferentes industrias.

Módulo 1. Análisis de conglomerados y su aplicación (2 ac. h.)

- Métodos de clasificación multidimensional.
- Concepto y áreas de aplicación del análisis de conglomerados.
- Tareas de análisis de clusters.
- Métodos de análisis de conglomerados.
- Ventajas y desventajas del análisis de conglomerados.
- Etapas del análisis de conglomerados.
- Datos iniciales para el análisis de conglomerados.
- Mide la distancia entre objetos.
- Análisis de la calidad de la clasificación.

Módulo 2. Análisis de conglomerados jerárquicos (4 ac. h.)

- Características del análisis de conglomerados jerárquico.
- Algoritmo de métodos jerárquicos de análisis de conglomerados.
- Mide la distancia entre grupos.
- Distancias de procedimiento
- Medidas de diferencia
- Medidas de similitud
- Procedimiento de análisis de conglomerados jerárquicos.
- Seleccionar un método de análisis de conglomerados jerárquico.
- Resultados del procedimiento de Análisis de Conglomerados Jerárquicos
- Representación gráfica de los resultados del análisis de conglomerados jerárquicos.
- Configuración de estadísticas para el procedimiento de Análisis de conglomerados jerárquicos.
- Guardar nuevas variables

Módulo 3. Clasificación mediante el método k-medias (2 ac. h.)

- La esencia y características del método k-medias.
- Algoritmo del método k-medias
- Procedimiento Análisis de conglomerados mediante el método k-medias
- Resultados del procedimiento Análisis de conglomerados mediante el método k-medias
- Establecer el número de iteraciones.
- Configuración de parámetros adicionales
- Resultados de mostrar configuraciones adicionales
- Guardar nuevas variables
- Presentación gráfica de resultados.

Módulo 4. Análisis de conglomerados en dos etapas (4 ac. h.)

- Características del análisis de conglomerados en dos etapas.
- Requisitos previos para el análisis de conglomerados en dos etapas
- Algoritmo para análisis de conglomerados en dos etapas.
- Procedimiento Análisis de conglomerados en dos etapas
- Resumen de resultados del modelo.
- Evaluación de la estructura del cluster.
- Ver información sobre clústeres.
- Mostrar información sobre clusters.
- Control de salida
- Resultado del procedimiento de análisis de conglomerados en dos pasos
- Panel adicional de visualización de clústeres
- Selección de observaciones por conglomerados.
- Parámetros del procedimiento de análisis de conglomerados en dos etapas.

Módulo 5. Métodos de reducción de dimensionalidad: análisis de factores y componentes (4 ac. h.)

- El concepto de análisis factorial.
- Propósito y objetivos del análisis factorial.
- Etapas del análisis factorial.
- Requisitos previos para el uso del análisis factorial.
- Algoritmo de análisis de componentes.
- Algoritmo de análisis factorial
- Comparación de análisis factoriales y componentes.
- Requisitos previos para el uso de análisis factoriales y de componentes.
- Análisis factorial de procedimiento
- Resultados del procedimiento de Análisis Factorial
- Reglas para seleccionar factores.
- Seleccionar un método de análisis factorial.
- Problema de rotación de factores.
- Ajuste de la rotación de factores.
- Parámetros del procedimiento de análisis factorial
- Salida de estadísticas descriptivas.
- Valores de factor de ahorro

Módulo 6. Clasificación basada en respuestas: análisis discriminante (4 ac. h.)

- Segmentación basada en respuestas.
- Métodos de segmentación basados ​​en respuestas.
- Datos iniciales para el análisis discriminante.
- Similitudes entre análisis discriminante y regresión logística
- Diferencias entre análisis discriminante y regresión logística
- Propósito y objetivos del análisis discriminante.
- Requisitos previos para el análisis discriminante.
- Etapas del análisis discriminante
- Métodos de análisis discriminante.
- Datos iniciales
- Modelo de análisis discriminante lineal.
- Procedimiento de análisis discriminante
- Resultados del procedimiento de Análisis Discriminante
- Estadísticas del procedimiento de Análisis Discriminante
- Método de procedimiento de selección por pasos Análisis discriminante
- Clasificación basada en los resultados del análisis discriminante.
- Estadísticas de clasificación
- Guardar nuevas variables

Módulo 7. Análisis multivariado de varianza (4 ac. h.)

- Análisis multivariado de varianza.
- Configuración de parámetros para el procedimiento multidimensional OLM.
- Principales resultados del análisis multivariado de varianza.
- ANOVA con medidas repetidas
- Procedimiento GLM - mediciones repetidas
- Configuración de parámetros para el procedimiento de mediciones repetidas OLM

Módulo 8. Modelos de clasificación basados ​​en árboles de decisión (8 ac. h.)

- La esencia del método de construcción de un árbol de decisión.
- Áreas de aplicación del árbol de decisión
- Características y requisitos previos para utilizar el método del árbol de decisión.
- Métodos para construir un árbol de decisión.
- Comparación de métodos para construir un árbol de decisión.
- Árboles de clasificación de procedimientos
- Interpretación y estudio de árboles de decisión.
- Comprobar la adecuación del modelo.
- Personalización de la salida en el procedimiento Árboles de clasificación
- Configuraciones y parámetros del procedimiento de Árboles de Clasificación
- Reglas para clasificar las observaciones.
- Criterios en el procedimiento de Clasificación de Árboles
- Árboles de decisión de regresión
- Construcción de árboles de decisión de regresión.