Fortgeschrittene Statistik in TIBCO® Data Science / Statistica™ (SGS2X)

Die­ses Trai­ning bie­tet eine Ein­ar­bei­tung in die Modu­le Höhe­re Model­le und Mul­ti­va­ria­te explo­ra­ti­ve Tech­ni­ken in der Soft­ware TIBCO Sta­tis­ti­ca™. Die Teil­neh­mer erhal­ten einen Über­blick über die wich­tigs­ten Ver­fah­ren die­ser Modu­le und ler­nen, die Ergeb­nis­aus­ga­be mit den zuge­hö­ri­gen Dia­lo­g­ober­flä­chen zu steu­ern.

Inhal­te

• • All­ge­mei­ne linea­re Model­le (ALM)
  • Schritt­wei­se Regres­si­on und Bes­te-Sub­set-Regres­si­on
  • Par­ti­el­le Kleins­te Qua­dra­te Regres­si­on (PLS)
  • Nicht­li­nea­re Regres­si­on (Leven­berg-Mar­quardt, Gauss-New­ton)
  • Haupt­kom­po­nen­ten­ana­ly­se (PCA)
  • All­ge­mei­ne dis­kri­mi­nanz­ana­ly­ti­sche Model­le (GDA)
  • Clus­ter­ana­ly­se (K-Means und agglo­me­ra­ti­ve Ver­fah­ren)

Typ
TIBCO Sta­tis­ti­ca™ ist eine umfang­rei­che, eta­blier­te und benut­zer­freund­li­che Data Science Anwen­dung aus dem Hau­se TIBCO®. TIBCO Sta­tis­ti­ca™ ist als ‘TIBCO® Data Science - Sta­tis­ti­ca®’ im Paket ‘TIBCO® Data Science’ ent­hal­ten. In Zukunft wird TIBCO Sta­tis­ti­ca™ als ‘TIBCO® Data Science - Work­bench®’ erhält­lich sein.
Unse­re Sta­tis­ti­ca-Trai­nings geben einen sys­te­ma­ti­schen Ein­blick in die Soft­ware, dabei wer­den ein­zel­ne Kom­po­nen­ten schritt­wei­se ein­ge­führt und die Bedie­nung anhand von Übun­gen ver­tieft. Als Bei­spie­le die­nen all­ge­mein ver­ständ­li­che Daten­sät­ze aus ver­schie­de­nen Anwen­dungs­be­rei­chen. In unse­rem Schu­lungs­zen­trum in Ham­burg steht für jeden Teil­neh­mer ein Schu­lungs-PC zur Lösung der Auf­ga­ben zur Ver­fü­gung.
Unse­re Trai­ner gehen auf alle Fra­gen der Teil­neh­mer ein und beant­wor­ten die­se im Trai­nings­ver­lauf an pas­sen­der Stel­le.
Die Trai­nings­un­ter­la­gen wer­den als PDF zur Ver­fü­gung gestellt. Alle bear­bei­te­ten Auf­ga­ben und Ergeb­nis­se erhal­ten die Teil­neh­mer im Anschluss an das Trai­ning.

Stich­wor­te
Agglo­me­ra­ti­ve Ver­fah­ren, All­ge­mei­ne dis­kri­mi­nanz­ana­ly­ti­sche Model­le, All­ge­mei­ne linea­re Model­le, ALM, Bes­te-Sub­set-Regres­si­on, Clus­ter­ana­ly­se, Gauss-New­ton, GDA, Haupt­kom­po­nen­ten­ana­ly­se, K-Means, Leven­berg-Mar­quardt, linea­rer Schätz­ver­fah­ren, Nicht­li­nea­re Regres­si­on, nicht­li­nea­rer Schätz­ver­fah­ren, Par­ti­el­le Kleins­te Qua­dra­te Regres­si­on, PCA, PLS, Schritt­wei­se Regres­si­on, Sta­tis­ti­ca Pro­fes­sio­nal

Vorraus­set­zun­gen
In die­sem Kurs wer­den Pro­gramm­kennt­nis­se aus dem Kurs SGS (frü­her: ANL1) vor­aus­ge­setzt. Um vom Trai­ning voll pro­fi­tie­ren zu kön­nen, soll­ten die Teil­neh­mer mit der Grund­be­die­nung der Soft­ware Sta­tis­ti­ca ver­traut sein und über Metho­den­kennt­nis­se in mul­ti­va­ria­ter Sta­tis­tik ver­fü­gen.