Multivariate Datenanalyse mit Python - Aufbautraining (2tägig)

Dauer

Multivariate Datenanalyse mit Python - Aufbautraining (2tägig)

DHL Data Science Seminare GmbH
Logo von DHL Data Science Seminare GmbH

Tipp: Haben Sie Fragen? Für weitere Details einfach auf "Kostenlose Informationen" klicken.

Startdaten und Startorte

Es gibt keine bekannten Startdaten für dieses Produkt.

DHL Data Science Seminare GmbH bietet seine Kurse in den folgenden Regionen an: Berlin, Frankfurt am Main, Hamburg, Köln, München, Stuttgart

Beschreibung

Der Python Kurs Multivariate Datenanalyse mit Python führt in die multivariate Statistik ein. Die Anwendung der multivariaten Verfahren mit der statistischen Programmiersprache Python unter der Entwicklungsumgebung Spyder aus der Anaconda-Distribution wird auf unseren Schulungslaptops mit vielen Beispielen und Übungsaufgaben trainiert und vertieft. Das Ziel der Python Schulung ist es, multivariate Verfahren mit Python anwenden zu können.

Was sind multivariate Verfahren?

Die Multivariate Datenanalyse untersucht den Einfluss von mehreren statistischen Variablen zugleich. Zusammenhangsstrukturen zwischen den Variablen können nur mit den multivariaten Verfahren der multivariaten Statistik erka…

Gesamte Beschreibung lesen

Frequently asked questions

Es wurden noch keine Besucherfragen gestellt. Wenn Sie weitere Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice.

Noch nicht den perfekten Kurs gefunden? Verwandte Themen: Datenanalyse, Python, Big Data, Data Science und Data Mining.

Der Python Kurs Multivariate Datenanalyse mit Python führt in die multivariate Statistik ein. Die Anwendung der multivariaten Verfahren mit der statistischen Programmiersprache Python unter der Entwicklungsumgebung Spyder aus der Anaconda-Distribution wird auf unseren Schulungslaptops mit vielen Beispielen und Übungsaufgaben trainiert und vertieft. Das Ziel der Python Schulung ist es, multivariate Verfahren mit Python anwenden zu können.

Was sind multivariate Verfahren?

Die Multivariate Datenanalyse untersucht den Einfluss von mehreren statistischen Variablen zugleich. Zusammenhangsstrukturen zwischen den Variablen können nur mit den multivariaten Verfahren der multivariaten Statistik erkannt werden. Damit sind diese den univariaten Verfahren überlegen, bei denen der Einfluss jeder Variablen auf die Messgröße einzeln analysiert wird. Die univariaten Verfahren werden in dem Python-Kurs Grundlagen der Statistik mit Python vermittelt.

Multivariate Verfahren wollen im Wesentlichen die in einem Datensatz enthaltene Zahl der Variablen reduzieren, im Ergebnis aber die Gesamtheit der enthaltenen Information berücksichtigen. Dazu wird die Struktur der Daten analysiert. Entweder gibt man im Rahmen der induktiven Statistik eine Struktur vor und prüft mit Hilfe strukturprüfender Verfahren, ob die Daten mit der vorgegebenen Struktur zusammenpassen, oder man versucht im Rahmen der explorativen Statistik, die Struktur zu entdecken und aus den Daten zu extrahieren.

Beide Verfahrensarten der multivariaten Statistik ergänzen sich häufig. So werden beispielsweise mit Hilfe der Clusteranalyse verschiedene, voneinander abgrenzbare Kundengruppen bestimmt. Mittels einer nachgeschalteten Diskriminanzanalyse können dann die Merkmale analysiert werden, mit denen die gefundenen Gruppen sich voneinander unterscheiden lassen. Mit den gewonnenen Erkenntnissen kann bei neuen Fällen die Gruppenzugehörigkeit prognostiziert werden. Oder eine Vielzahl von zu analysierenden Variablen werden zunächst mit Hilfe einer Faktorenanalyse auf wenige Faktoren reduziert. Anschließend werden die auf diese Weise ermittelten Faktoren mit Regressions-, Varianz- oder Zeitreihenanalysen untersucht.

Multivariate Verfahren werden erfolgreich in den verschiedensten Feldern eingesetzt wie beispielsweise in den betriebswirtschaftlichen Anwendungsbereichen (Business Intelligence, Marktforschung und Marketing), in der Technik (Produktentwicklung und Produktion) und in den wissenschaftlichen Anwendungsbereichen (z. B. Medizin, Pharmazie, Biowissenschaften, Psychologie, Pädagogik, Soziologie).

Inhalte der Python Schulung

In den ersten drei Tagen (Basiskurs) vom Python Kurs Multivariate Datenanalyse mit Python werden die regressionsanalytischen Verfahren behandelt, die aufeinander aufbauen. Dazu gehören die multiple Regressionsanalyse, die die linearen und nichtlinearen Zusammenhänge zwischen mehreren Variablen quantitativ beschreibt und erklärt und Prognosen erlaubt, die logistische Regression, die zur Klassifizierung und Risikoabschätzung von Einzelfällen geeignet ist und die Zeitregression, die Zeitreihen mittels der multiplen Regression in mehrere Komponenten zerlegt und Prognosen für zukünftige Entwicklungen erlaubt. Im dreitägigen Basistraining wird gezeigt, wie lineare, nicht-lineare und kategoriale Einflussgrößen und deren Wechselwirkungen modelliert werden. Mit diesen fortgeschrittenen Kenntnissen können komplexe und realitätsnahe Regressionsmodelle mit hohem Erklärungswert und sehr guten Prognosen entwickelt werden.

In den letzten beiden Tagen (Aufbaukurs) vom Python Kurs Multivariate Datenanalyse mit Python werden strukturentdeckende Verfahren behandelt, die der Entdeckung von Zusammenhängen zwischen Variablen dienen. Dazu gehören die Zeitreihenanalyse, die Zeitreihen mittels verschiedener Verfahren (exponentielle Prognosemodelle und ARIMA-Modelle) untersucht und Prognosen für zukünftige Entwicklungen erlaubt, die Clusteranalyse, die eine Vielzahl von Fällen zu wenigen Gruppen (Cluster) bündelt, und die explorative Faktorenanalyse, die eine Vielzahl von Variablen zu wenigen Dimensionen (Faktoren) reduziert. Als Ergänzung zur Clusteranalyse wird die Diskriminanzanalyse besprochen, mit der analysiert werden kann, mit welchen Variablen die in der Clusteranalyse gefunden Gruppen am besten beschrieben werden können. Als Ergänzung zur Faktorenanalyse wird die Reliabilitätsanalyse behandelt, die die Eignung und Reliabilität eines Itemsets für einen Faktor prüft. Es wird insbesondere gezeigt, wie mit Hilfe der Faktoren- und Reliabilitätanalyse die Güte eines Fragebogens zur Messung latenter Dimensionen überprüft werden kann.

Die Varianzanalyse ist Schwerpunktthema im Aufbaukurs des Grundlagenseminars.

Zielgruppe der Python Schulung

Der Python Kurs richtet sich an Anwender, Fachkräfte, Doktoranden und Studierende aus den Bereichen der Sozial- und Marktforschung, den Wirtschaftswissenschaften und der Betriebswirtschaft (Marketing, Business Intelligence) und der psychologischen, klinischen, pharmazeutischen und biologischen Forschung, die mit den fortgeschrittenen Verfahren der multivariaten Statistik mehr aus ihren Daten herausholen wollen.

Voraussetzungen für den Python Kurs

Erfahrungen mit Python unter Verwendung von Spyder und die Inhalte des Seminars Grundlagen der Statistik mit Python (Interpretation von Korrelationskoeffizienten wie Pearsons r und Signifikanztests wie dem t-Test sollten bekannt sein). Grundlegende Fertigkeiten im Umgang mit Python/Spyder – wie Datenimport, Datenaufbereitung, Grafikerstellung und statistische Standardverfahren – werden vorausgesetzt, ständig angewendet und vertieft. Wenn der Umgang mit Python/Spyder nicht vertraut sein sollte, empfiehlt es sich, vorher ein Python/Spyder-Training mit den Grundlagen oder ein vergleichbares Seminar zu besuchen, um Python und Spyder zu lernen.

Lernziele der Python Schulung

fortgeschrittene Funktionen von Python kennen lernen, Daten von Studien bzw. betrieblichen Prozessen erheben und mit Hilfe der multivariaten Statistik auswerten können, Ergebnisse von multivariaten Verfahren grafisch darstellen, erläutern und interpretieren können, aufgrund einer Fragestellung das geeignete multivariate Verfahren identifizieren und anwenden können

Übungen im Python Kurs

Es wird Wert auf den Anwendungsbezug gelegt, die Praxisbeispiele und Übungsaufgaben erfolgen in der Python Schulung auf unseren Schulungslaptops mit der statistischen Programmiersprache Python und der Entwicklungsumgebung Spyder aus der Anaconda Distribution.

Dauer der Python Schulung

Der Python Kurs Multivariate Datenanalyse mit Python besteht aus einem

  • 3-tägigen Basis-Training Multivariate Datenanalyse mit Python und einem anschließenden
  • 2-tägigen Aufbau-Training Multivariate Datenanalyse mit Python, die auch zusammen als
  • 5-tägiges Komplett-Training gebucht werden können, bei der Sie 100 Euro gegenüber den Einzelbuchungen sparen.

Die Kursdauer erlaubt es, die Verfahren in der Tiefe kennenzulernen, dass Sie diese professionell anwenden und miteinander kombinieren können. Bei einer geringeren Kursdauer würden die vermittelten Kenntnisse nicht ausreichen, valide Modelle mit hoher Güte und zuverlässigen Prognosen zu entwickeln. Jede der drei Schulungen kann auch als Inhouse-Schulung in Ihrer Organisation stattfinden.

Inhalte Aufbau-Training

  • Zeitreihenanalyse
    Glättungsmethoden und LOESS-Dekomposition von Trend- und Saison-Komponenten, exponentielle Prognosemodelle (State-Space-Modelle) und ARIMA-Modelle, Erstellung von Prognosen, Beurteilung der Modellgüte und Prognosegüte, grafische Darstellung von Zeitreihen
  • Clusteranalyse
    hierarchische Clusteranalyse (Distanz- und Ähnlichkeitsmaße, Fusionierungs-Algorithmen: Single-Linkage, Complete-Linkage, Ward), k-Means-Clusteranalyse
  • Diskriminanzanalyse
    Schätzung der Diskriminanzfunktion, Prüfung der Modellgüte und der Eignung von Variablen, automatisierte Auswahl von Variablen, Klassifikation von neuen Fällen
  • Explorative Faktorenanalyse
    Hauptachsenanalyse, Hauptkomponentenanalyse, Extraktion und Rotation der Faktoren, Variablenauswahl, Modellgüte, Berechnung von Faktorwerten
  • Reliabilitätsanalyse
    Prüfung des Indikatorsets eines Faktors auf Eindimensionalität; Reliabilitätsprüfung auf Indikatorebene (Indikatorreliabilität): Faktorladungen, Kommunalitäten, Cronbachs Alpha (ohne Item), Item-To-Skala-Korrelation; Prüfung auf Konstruktebene (Faktorreliabilität): Cronbachs Alpha, Inter-Item-Korrelationen, Einheitsstruktur

Voraussetzungen

  • die Inhalte des Seminars Grundlagen der Statistik mit Python (Interpretation von Korrelationskoeffizienten wie Pearsons python und Signifikanztests wie dem t-Test sollten bekannt sein)
  • Grundlegende Fertigkeiten im Umgang mit Python und Spyder werden vorausgesetzt, ständig angewendet und vertieft.
  • Wenn der Umgang mit Python/Spyder nicht vertraut sein sollte, empfiehlt es sich, vorher ein Python/Spyder-Training mit den Grundlagen oder ein vergleichbares Seminar zu besuchen.

Statistik-Seminare in Berlin, Hamburg, Köln, Frankfurt, Stuttgart und München... immer aktuell und auf dem höchsten Qualitätsniveau!

Werden Sie über neue Bewertungen benachrichtigt

Es wurden noch keine Bewertungen geschrieben.

Schreiben Sie eine Bewertung

Haben Sie Erfahrung mit diesem Kurs? Schreiben Sie jetzt eine Bewertung und helfen Sie Anderen dabei die richtige Weiterbildung zu wählen. Als Dankeschön spenden wir € 1,00 an Stiftung Edukans.

Es wurden noch keine Besucherfragen gestellt. Wenn Sie weitere Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice.

Bitte füllen Sie das Formular so vollständig wie möglich aus

Anrede
(optional)
(optional)
(optional)
(optional)
(optional)
(optional)
(optional)

Haben Sie noch Fragen?

(optional)
Damit Ihnen per E-Mail oder Telefon weitergeholfen werden kann, speichern wir Ihre Daten.
Mehr Informationen dazu finden Sie in unseren Datenschutzbestimmungen.