Statistik - Clusteranalyse

• Dauer:
  2 Tage
• Lieferart:
  Classroom
• Zielgruppe:
  Information Workers
• Vorkenntnisse:
  Grundlagen der Statistik
• Methode:
  Vortrag mit Beispielen und Übungen.
• Kursnummer:
  2022782
• 
  Themen:
  Unter Clusteranalyse versteht man Verfahren zur Entdeckung von Ähnlichkeitsstrukturen in Datenbeständen. Die gefundenen Ähnlichkeitsgruppen können hierarchisch oder agglomerativ sein, also Untergruppen oder Teilgruppen in Gruppen kennzeichnen. Die Clusteranalyse ist eine wichtige Disziplin des Data-Mining, dem Analyseschritt des Knowledge Discovery in Databases Prozesses. Die zahlreichen Algorithmen unterscheiden sich vor allem in ihrem Ähnlichkeits- und Gruppenbegriff, ihrem Cluster-Modell, ihrem algorithmischen Vorgehen und der Toleranz gegenüber Störungen in den Daten. Dieses Seminar stellt gängige Cluster-Techniken theoretisch und mit Hilfe von praktischen Übungen ausführlich dar. Sie werden dadurch in die Lage versetzt, die Eigenschaften und damit auch Vor- und Nachteile verschiedener Verfahren zu kennen und selbstständig eine Cluster-Analyse durchzuführen.

Modell der multiplen Korrespondenzanalyse: Zusammenhangsmatrix, Berechnung von Eigenwerten, Faktorladungen und Koordinatenwerten, Modellprüfgrößen - Nichtmetrische und mehrdimensionale Skalierung: Aufgabenstellung und Ähnlichkeitsmessung, Schätzalgorithmus, Dimensionszahl - Hauptkomponenten- und Faktorenanalyse

Dichotome Variablen - Nominale Variablen - Ordinale Variablen - Metrische Variablen

Complete Linkage: Der hierarchisch-agglomerative Algorithmus, Hierarchische Darstellung von Ähnlichkeitsbeziehungen, Clusterzahl, Beurteilung und Güteprüfung - Single-Linkage - Verallgemeinerung

Modellansatz - Clusteranzahl - Ausreißer - Validitätsprüfung - Alternative Startwerte - Gemischtes Missniveau

Modellansatz - Prüfgrößen - Klassenzahl - Überlappung - Latente Klassen für unterschiedliche Skalen

Modellansatz der Latent-Cluster-Analyse - Erweiterung mit Kovariaten - Parameterschätzungen - Statistiken und Tests zur Modellanpassung

Marco Skulschus studierte in Wuppertal und Paris Ökonomie mit Schwerpunkt Wirtschaftsinformatik und arbeitet schon seit mehr als 10 Jahren als Dozent und Projektleiter/Berater für Business Intelligence.

Veröffentlichungen

• "MS SQL Server - XML und SOAP-Webservices" (Comelio Medien, ISBN 978-3-939701-03-3)
• "MS SQL Server - T-SQL Programmierung und Abfragen" (Comelio Medien, ISBN 978-3-939701-02-6)
• "SQL und relationale Datenbanken" (Comelio Medien, ISBN 978-3-939701-52-1)
• "Grundlagen empirische Sozialforschung - Befragung und Fragebogen im Unternehmen" (Comelio Medien, ISBN 978-3-939701-23-1)
• "System und Systematik von Fragebögen" (Comelio Medien, ISBN 978-3-939701-26-2)

Erfahrung: Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit Berichtskomponenten, statistische Analysen und Data Mining-Modulen. Zu seinen größten Projekten zählt die Entwicklung eines Data Warehouses für den Deutschen Bundesrat mit deutschen Steuerdaten für Analysen und Prognosen.

Projekte: Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit Berichtskomponenten, statistische Analysen und Data Mining-Modulen. Zu seinen größten Projekten zählt die Entwicklung eines Data Warehouses für den Deutschen Bundesrat mit deutschen Steuerdaten für Analysen und Prognosen.

Zertifizierung: Marco Skulschus ist zertifiziert als "Microsoft Certified Trainer", "Microsoft Certified Application Designer" und hat die ComptiaCTT+-Prüfung absolviert.

Bei der Anmeldung von mehreren Teilnehmern bieten wir Ihnen attraktive Rabatte an. Ab drei Teilnehmern kann sich ein Inhouse-Seminar bei Ihnen lohnen. Gern erstellen wir Ihnen ein individuelles Angebot.
Alle Preise zuzüglich der gesetzlichen Mehrwertsteuer.