Analysing Financial Data in Excel Training Course

Big Data είναι ένας όρος που αναφέρεται σε λύσεις που προορίζονται για την αποθήκευση και την επεξεργασία μεγάλων συνόλων δεδομένων. Αναπτύχθηκαν αρχικά από την Go Ogle, οι λύσεις αυτές Big Data έχουν εξελιχθεί και εμπνευστούν από άλλα παρόμοια έργα, πολλά από τα οποία είναι διαθέσιμα ως open-source. R είναι μια δημοφιλής γλώσσα προγραμματισμού στον χρηματοπιστωτικό κλάδο.

R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστικούς υπολογιστές, ανάλυση δεδομένων και γραφικά. R χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημαϊκούς κύκλους. Η R βρήκε επίσης οπαδούς μεταξύ των στατιστικολόγων, των μηχανικών και των επιστημόνων χωρίς δεξιότητες προγραμματισμού στον υπολογιστή, οι οποίοι βρίσκουν εύκολο στη χρήση. Η δημοτικότητά του οφείλεται στην αυξανόμενη χρήση της εξόρυξης δεδομένων για διάφορους στόχους, όπως η ρύθμιση των τιμών διαφήμισης, η ταχύτερη εύρεση νέων φαρμάκων ή η τελειοποίηση οικονομικών μοντέλων. Το R διαθέτει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.

R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστικούς υπολογιστές, ανάλυση δεδομένων και γραφικά. R χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημαϊκούς κύκλους. Το R διαθέτει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε οποιονδήποτε επιθυμεί να μάθει και να κατακτήσει τις βασικές αρχές της οικονομετρικής ανάλυσης και μοντελοποίησης.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Μάθετε και κατανοήστε τις βασικές αρχές της οικονομετρίας.
• Χρησιμοποιήστε Eviews και προσομοιωτές κινδύνου.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε αναλυτές δεδομένων μεσαίου επιπέδου και επαγγελματίες που επιθυμούν να πραγματοποιήσουν πρόβλεψη χρονοσειρών και να αυτοματοποιήσουν τις ροές εργασιών ανάλυσης δεδομένων χρησιμοποιώντας το R.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Κατανοήστε τις βασικές αρχές των τεχνικών πρόβλεψης στο R.
• Εφαρμόστε εκθετική εξομάλυνση και μοντέλα ARIMA για ανάλυση χρονοσειρών.
• Χρησιμοποιήστε το πακέτο «πρόβλεψης» για να δημιουργήσετε ακριβή μοντέλα πρόβλεψης.
• Αυτοματοποιήστε τις ροές εργασιών πρόβλεψης για επιχειρηματικές και ερευνητικές εφαρμογές.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών (διαδικτυακή ή επιτόπου) απευθύνεται σε επαγγελματίες ανθρώπινου δυναμικού που επιθυμούν να χρησιμοποιήσουν αναλυτικές μεθόδους βελτίωσης της οργανωτικής απόδοσης. Το μάθημα καλύπτει ποιοτικές αλλά και ποσοτικές, εμπειρικές και στατιστικές προσεγγίσεις.

Μορφή του μαθήματος

• Διαδραστική διάλεξη και συζήτηση.
• Πολλές ασκήσεις και εξάσκηση.

Επιλογές προσαρμογής μαθήματος

• Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.

Κοινό

Ιδιοκτήτες Business (διαχειριστές μάρκετινγκ, διαχειριστές προϊόντων, διευθυντές πελατών) και τις ομάδες τους · πελάτες εμπειρογνωμόνων.

ΣΦΑΙΡΙΚΗ ΕΙΚΟΝΑ

Το μάθημα ακολουθεί τον κύκλο ζωής των πελατών από την απόκτηση νέων πελατών, τη διαχείριση των υφιστάμενων πελατών για κερδοφορία, τη διατήρηση καλών πελατών και τέλος την κατανόηση των πελατών που μας αφήνουν και γιατί. Θα εργαστούμε με πραγματικά (εάν είναι ανώνυμα) δεδομένα από μια ποικιλία βιομηχανιών, συμπεριλαμβανομένων των τηλεπικοινωνιών, της ασφάλισης, των μέσων ενημέρωσης και της υψηλής τεχνολογίας.

Μορφή

Εκπαίδευση με καθοδηγητή εκπαιδευτή κατά τη διάρκεια πέντε συνεδριών μισής ημέρας με ασκήσεις στην τάξη καθώς και με την εργασία στο σπίτι. Μπορεί να παραδοθεί ως αίθουσα διδασκαλίας ή σε απόσταση (online).

Κοινό

• διευθυντές
• προγραμματιστές
• Επιστήμονες
• Φοιτητές

Μορφή του μαθήματος

on-line διδασκαλία και συζήτηση ή εργαστήρια πρόσωπο με πρόσωπο

R  είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστική υπολογιστική, ανάλυση δεδομένων και γραφικά. Η έρευνα χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημίες. Η R έχει επίσης βρει οπαδούς μεταξύ των στατιστικών, των μηχανικών και των επιστημόνων χωρίς δεξιότητες προγραμματισμού υπολογιστών που το βρίσκουν εύκολο στη χρήση. Η δημοτικότητά του οφείλεται στην αυξανόμενη χρήση της εξόρυξης δεδομένων για διάφορους σκοπούς, όπως ο καθορισμός των τιμών διαφήμισης, η ταχύτερη αναζήτηση νέων φαρμάκων ή τα οικονομικά μοντέλα. R έχει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.

Αυτό το μάθημα καλύπτει τη χειραγώγηση των αντικειμένων στο R συμπεριλαμβανομένων των δεδομένων ανάγνωσης, την πρόσβαση σε πακέτα R, τη γραφή λειτουργιών R και τη δημιουργία ενημερωτικών γραφικών. Περιλαμβάνει την ανάλυση δεδομένων χρησιμοποιώντας κοινά στατιστικά μοντέλα. Το μάθημα διδάσκει πώς να χρησιμοποιείτε το λογισμικό R (https://www.r-project.org) τόσο σε μια γραμμή εντολών όσο και σε μια γραφική διεπαφή χρήστη (GUI).

R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστικούς υπολογιστές, ανάλυση δεδομένων και γραφικά. R χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημαϊκούς κύκλους. Η R βρήκε επίσης οπαδούς μεταξύ των στατιστικολόγων, των μηχανικών και των επιστημόνων χωρίς δεξιότητες προγραμματισμού στον υπολογιστή, οι οποίοι βρίσκουν εύκολο στη χρήση. Η δημοτικότητά του οφείλεται στην αυξανόμενη χρήση της εξόρυξης δεδομένων για διάφορους στόχους, όπως η ρύθμιση των τιμών διαφήμισης, η ταχύτερη εύρεση νέων φαρμάκων ή η τελειοποίηση οικονομικών μοντέλων. Το R διαθέτει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.

Αυτό το μάθημα είναι μια εισαγωγή στην εφαρμογή νευρωνικών δικτύων σε πραγματικά προβλήματα με το λογισμικό R-project.

Αυτό το μάθημα απευθύνεται σε επιστήμονες δεδομένων και στατιστικολόγους που έχουν ήδη βασικές δεξιότητες κωδικοποίησης R & C++ και κωδικό R και χρειάζονται προηγμένες ικανότητες κωδικοποίησης R.

Ο σκοπός είναι να δοθεί μια πρακτική προηγμένη σειρά μαθημάτων R για τους συμμετέχοντες που ενδιαφέρονται να εφαρμόσουν τις μεθόδους στην εργασία.

Παραδείγματα συγκεκριμένων τομέων χρησιμοποιούνται για να κάνουν την εκπαίδευση σχετική με το κοινό

Αυτή η ζωντανή εκπαίδευση στο Ελλάδα (διαδικτυακό ή επιτόπου) από εκπαιδευτές απευθύνεται σε επαγγελματίες αρχάριου έως μεσαίου επιπέδου που επιθυμούν να πραγματοποιήσουν στατιστική ανάλυση χρησιμοποιώντας SPSS για την ακριβή ερμηνεία των δεδομένων, την εκτέλεση σύνθετων στατιστικών δοκιμών και τη δημιουργία σημαντικών πληροφοριών.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Πλοηγηθείτε στη διεπαφή SPSS και διαχειριστείτε αποτελεσματικά τα σύνολα δεδομένων.
• Εκτελέστε περιγραφικές και συμπερασματικές στατιστικές αναλύσεις.
• Διεξαγωγή t-test, ANOVA, MANOVA, παλινδρόμησης και αναλύσεις συσχέτισης.
• Εφαρμόστε μη παραμετρικές δοκιμές, ανάλυση κύριων συνιστωσών και ανάλυση παραγόντων για προηγμένη ερμηνεία δεδομένων.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών (διαδικτυακή ή επιτόπου) απευθύνεται σε επαγγελματίες ανθρώπινου δυναμικού και σε ειδικούς προσλήψεων που επιθυμούν να χρησιμοποιήσουν αναλυτικές μεθόδους βελτίωσης της οργανωτικής απόδοσης. Το μάθημα καλύπτει ποιοτικές αλλά και ποσοτικές, εμπειρικές και στατιστικές προσεγγίσεις.

Μορφή του μαθήματος

• Διαδραστική διάλεξη και συζήτηση.
• Πολλές ασκήσεις και εξάσκηση.

Επιλογές προσαρμογής μαθήματος

• Για να ζητήσετε μια εξατομικευμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσουμε.

Το Tidyverse είναι μια συλλογή από ευέλικτα πακέτα R για καθαρισμό, επεξεργασία, μοντελοποίηση και οπτικοποίηση δεδομένων. Μερικά από τα πακέτα που περιλαμβάνονται είναι: ggplot2, dplyr, tidyr, readr, purrr και tibble.

Σε αυτήν την καθοδηγούμενη από εκπαιδευτή, ζωντανή προπόνηση, οι συμμετέχοντες θα μάθουν πώς να χειραγωγήσουν και να απεικονίσουν δεδομένα χρησιμοποιώντας τα εργαλεία που περιλαμβάνονται στο Tidyverse .

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

• Εκτελέστε ανάλυση δεδομένων και δημιουργήστε ελκυστικές απεικονίσεις
• Σχεδιάστε χρήσιμα συμπεράσματα από διάφορα σύνολα δεδομένων των δειγματοληπτικών δεδομένων
• Φιλτράρετε, ταξινομήστε και συνοψίστε τα δεδομένα για να απαντήσετε σε διερευνητικές ερωτήσεις
• Μετατρέψτε τα επεξεργασμένα δεδομένα σε πληροφοριακά γραφήματα γραμμής, οικόπεδα, ιστογράμματα
• Εισαγωγή και φιλτράρισμα δεδομένων από διάφορες πηγές δεδομένων, συμπεριλαμβανομένων αρχείων Excel , CSV και SPSS

Κοινό

• Αρχάριοι στη γλώσσα R
• Αρχάριοι στην ανάλυση δεδομένων και την απεικόνιση δεδομένων

Μορφή του μαθήματος

• Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση