Statistics Training in Ελλάδα

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε μηχανικούς και σχεδιαστές μεσαίου επιπέδου που επιθυμούν να χρησιμοποιήσουν το DFSS για να διασφαλίσουν ότι η ποιότητα ενσωματώνεται στο προϊόν ή στη διαδικασία από την αρχή της φάσης σχεδιασμού.

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

• Κατανοήστε τις αρχές και τις έννοιες του Design Six Sigma (DFSS).
• Μάθετε τις μεθοδολογίες DMAIC (Define, Measure, Analyze, Improve, Control) και DMADV (Define, Measure, Analyze, Design, Verify).
• Εφαρμόστε εργαλεία και τεχνικές DFSS για το σχεδιασμό και τη βελτιστοποίηση των διαδικασιών.
• Αναπτύξτε δεξιότητες για τη διαχείριση και την αποτελεσματική καθοδήγηση έργων DFSS.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες προχωρημένου επιπέδου που επιθυμούν να αποκτήσουν μια εις βάθος κατανόηση της μεθοδολογίας Six Sigma DMAIC σε επίπεδο Μαύρης Ζώνης.

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

• Αναπτύξτε μια ολοκληρωμένη κατανόηση των φάσεων Ορισμός, Μέτρηση, Ανάλυση, Βελτίωση και Έλεγχος με έμφαση σε πολύπλοκα έργα.
• Αποκτήστε τεχνογνωσία σε προηγμένες τεχνικές στατιστικής ανάλυσης για λήψη αποφάσεων βάσει δεδομένων.
• Καθοδηγήστε έργα Six Sigma μεγάλης κλίμακας και διαχειριστείτε αποτελεσματικά τις ομάδες έργου.
• Εφαρμόστε σημαντικές βελτιώσεις στη διαδικασία που ευθυγραμμίζονται με τους στόχους και τις στρατηγικές του οργανισμού.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακά ή επιτόπου) απευθύνεται σε επαγγελματίες μεσαίου επιπέδου που επιθυμούν να έχουν μια ολοκληρωμένη κατανόηση της μεθοδολογίας DMAIC και να προετοιμαστούν για το ρόλο μιας αποτελεσματικής Πράσινης Ζώνης Six Sigma.

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

• Αποκτήστε εμπεριστατωμένη γνώση των φάσεων Ορισμός, Μέτρηση, Ανάλυση, Βελτίωση και Έλεγχος του Six Sigma.
• Εφαρμόστε ένα ευρύ φάσμα εργαλείων και τεχνικών Six Sigma αποτελεσματικά σε κάθε φάση του DMAIC.
• Εκτέλεση και ερμηνεία στατιστικών αναλύσεων για βελτίωση της διαδικασίας.
• Σχεδιάστε, εκτελέστε και διαχειριστείτε ένα έργο Six Sigma.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες αρχάριου επιπέδου που επιθυμούν να έχουν θεμελιώδη κατανόηση του Six Sigma και Lean αρχών για την ενσωμάτωσή τους και τη βελτίωση των επιχειρηματικών διαδικασιών.

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

• Να πάρουν μια βαθύτατη κατανόηση των Lean αρχών Six Sigma.
• Να χρησιμοποιήσουν τις μεθοδολογίες Six Sigma για τη βελτίωση της ποιότητας των διαδικασιών αφαιρώντας τους παραγωγούς σφαλμάτων και ελάχιστευόντας τη μεταβλητότητα.
• Να ενσωματώσουν Lean και τις μεθοδολογίες Six Sigma για να επιτύχουν πιο αποτελεσματικές και αποτελεσματικότερες βελτιώσεις διαδικασιών.
• Να εκδιδάξουν τα θεμελιώδη Lean όργανα και τεχνικές Six Sigma που μπορούν να εφαρμόσουν τα Yellow Belts σε έργα βελτίωσης διαδικασιών, όπως το 5S, Kaizen, και το mapping διαδικασιών.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακά ή επιτόπου) απευθύνεται σε επαγγελματίες μεσαίου επιπέδου που επιθυμούν να κατανοήσουν τις αρχές του Six Sigma και του Lean προκειμένου να ηγηθούν σημαντικών έργων βελτίωσης διαδικασιών στους οργανισμούς τους.

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

• Αναπτύξτε μια ολοκληρωμένη κατανόηση του τρόπου με τον οποίο οι μεθοδολογίες Lean και Six Sigma μπορούν να ενσωματωθούν για τη βελτίωση της διαδικασίας.
• Αποκτήστε εις βάθος γνώσεις και δεξιότητες εφαρμογής στις φάσεις Ορισμός, Μέτρηση, Ανάλυση, Βελτίωση και Έλεγχος.
• Εφαρμόστε προηγμένα στατιστικά εργαλεία για λήψη αποφάσεων και ανάλυση διαδικασιών βάσει δεδομένων.
• Καθοδηγήστε και διαχειριστείτε Lean έργα Six Sigma αποτελεσματικά.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες προχωρημένου επιπέδου που επιθυμούν να αποκτήσουν τις δεξιότητες για να χειριστούν πολύπλοκα έργα Six Sigma και να αναλάβουν ηγετικό ρόλο σε εφαρμογές Six Sigma και Lean.

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

• Αναπτύξτε μια σε βάθος κατανόηση των προηγμένων μεθοδολογιών και εργαλείων Six Sigma και Lean.
• Οδηγήστε έργα βελτίωσης πολύπλοκων διαδικασιών που ευθυγραμμίζονται με τις οργανωτικές στρατηγικές.
• Εκτελέστε σύνθετες στατιστικές αναλύσεις και λάβετε αποφάσεις βάσει δεδομένων.
• Ηγείστε αποτελεσματικά τις πρωτοβουλίες αλλαγής και οικοδομήστε μια κουλτούρα συνεχούς βελτίωσης.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες αρχάριου επιπέδου που επιθυμούν να κατανοήσουν βαθύτερα τη μεθοδολογία Six Sigma και τις αρχές της και να κατέχουν τη διαδικασία DMAIC.

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

• Αποκτήστε γνώσεις πέρα από τις βασικές αρχές που καλύπτονται στο μάθημα White Belt.
• Κατακτήστε τη διαδικασία DMAIC και μάθετε προηγμένα εργαλεία Six Sigma.
• Μάθετε πώς να συνεισφέρετε αποτελεσματικά σε μια ομάδα έργου Six Sigma και να συνεργαστείτε με την Green and Black Belts.
• Εφαρμόστε μεθοδολογίες Six Sigma σε πραγματικές επιχειρηματικές διαδικασίες για βελτίωση.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες αρχαρίου που επιθυμούν να έχουν μια βασική κατανόηση της μεθοδολογίας Six Sigma και των αρχών της.

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

• Κατανοήστε τα βασικά του Six Sigma και μάθετε τη διαδικασία DMAIC.
• Κατανοήστε τους συγκεκριμένους ρόλους και τις ευθύνες μιας Λευκής Ζώνης στο πλαίσιο ενός έργου Six Sigma.
• Μάθετε πώς να εφαρμόζετε τις αρχές του Six Sigma για να εντοπίσετε ευκαιρίες βελτίωσης και να υποστηρίξετε έργα Six Sigma σε έναν οργανισμό.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες που επιθυμούν να μάθουν και να χρησιμοποιήσουν το Design of Experiments (DoE) για να κατανοήσουν τη σχέση αιτίου-αποτελέσματος μεταξύ πολλών παραγόντων.

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

• Κατανοήστε τα πλεονεκτήματα των σχεδιασμένων πειραμάτων σε σχέση με άλλες προσεγγίσεις.
• Κατανοήστε τις σχέσεις αιτίας-αποτελέσματος και τις αλληλεπιδράσεις μεταξύ παραγόντων.
• Μάθετε τις βέλτιστες πρακτικές και οδηγίες για τη διεξαγωγή επιτυχημένων πειραματισμών.

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.

Το R είναι ένα πολύ δημοφιλές περιβάλλον ανοιχτού κώδικα για στατιστικούς υπολογισμούς, ανάλυση δεδομένων και γραφικά. Αυτό το μάθημα εισάγει τη γλώσσα προγραμματισμού R στους μαθητές. Καλύπτει βασικές γλωσσικές αρχές, βιβλιοθήκες και προηγμένες έννοιες. Προηγμένες αναλύσεις δεδομένων και γραφήματα με δεδομένα πραγματικού κόσμου.

Ακροατήριο

Προγραμματιστές / αναλύσεις δεδομένων

Διάρκεια

3 μέρες

Σχήμα και διάταξις βιβλίου

Διαλέξεις και Hands-on

Κοινό

Αναλυτές, ερευνητές, επιστήμονες, απόφοιτοι και φοιτητές και όσοι ενδιαφέρονται να μάθουν πώς να διευκολύνουν τη στατιστική ανάλυση στο Microsoft Excel .

Στόχοι μαθήματος

Αυτό το μάθημα θα σας βοηθήσει να βελτιώσετε την εξοικείωσή σας με το Excel και τα στατιστικά στοιχεία και ως εκ τούτου θα αυξήσετε την αποτελεσματικότητα και την αποτελεσματικότητα της εργασίας ή της έρευνας σας.

Αυτό το μάθημα περιγράφει τον τρόπο χρήσης του εργαλείου ανάλυσης εργαλείων στο Microsoft Excel , στατιστικών λειτουργιών και τον τρόπο εκτέλεσης βασικών στατιστικών διαδικασιών. Θα εξηγήσει ποιος είναι ο περιορισμός του Excel και πώς μπορεί να ξεπεραστεί.

Η ανάλυση δεδομένων είναι ένα κρίσιμο εργαλείο στις επιχειρήσεις σήμερα. Θα επικεντρωθούμε στην ανάπτυξη δεξιοτήτων για πρακτικά χέρια στην ανάλυση δεδομένων. Ο στόχος είναι να βοηθηθούν οι εκπρόσωποι να δώσουν τεκμηριωμένες απαντήσεις σε ερωτήσεις:

Τι έχει συμβεί?

επεξεργασία και ανάλυση δεδομένων που παράγουν ενημερωτικές οπτικοποιήσεις δεδομένων

Τι θα συμβεί?

πρόβλεψη μελλοντικών επιδόσεων αξιολόγηση προβλέψεων

Τι πρέπει να συμβεί;

μετατρέποντας τα δεδομένα σε επιχειρηματικές αποφάσεις που βασίζονται σε τεκμήρια που βελτιστοποιούν τις διαδικασίες

Το ίδιο το μάθημα μπορεί να παραδοθεί είτε ως μάθημα 6 ημερών στην τάξη είτε εξ αποστάσεως σε διάστημα εβδομάδων εάν προτιμάται. Μπορούμε να συνεργαστούμε μαζί σας για να παραδώσουμε το μάθημα που ταιριάζει καλύτερα στις ανάγκες σας.

Υπολογίζεται ότι τα μη δομημένα δεδομένα αντιπροσωπεύουν περισσότερο από το 90 τοις εκατό όλων των δεδομένων, μεγάλο μέρος αυτών σε μορφή κειμένου. Οι αναρτήσεις ιστολογίου, τα tweets, τα μέσα κοινωνικής δικτύωσης και άλλες ψηφιακές δημοσιεύσεις προσθέτουν συνεχώς σε αυτόν τον αυξανόμενο όγκο δεδομένων.

Αυτό το ζωντανό μάθημα υπό την καθοδήγηση εκπαιδευτών επικεντρώνεται στην εξαγωγή πληροφοριών και νοήματος από αυτά τα δεδομένα. Χρησιμοποιώντας τις βιβλιοθήκες R Language και Natural Language Processing (NLP), συνδυάζουμε έννοιες και τεχνικές από την επιστήμη των υπολογιστών, την τεχνητή νοημοσύνη και την υπολογιστική γλωσσολογία για να κατανοήσουμε αλγοριθμικά το νόημα πίσω από τα δεδομένα κειμένου. Τα δείγματα δεδομένων είναι διαθέσιμα σε διάφορες γλώσσες ανά απαίτηση πελάτη.

Μέχρι το τέλος αυτής της εκπαίδευσης οι συμμετέχοντες θα μπορούν να προετοιμάσουν σύνολα δεδομένων (μεγάλα και μικρά) από διαφορετικές πηγές και στη συνέχεια να εφαρμόσουν τους σωστούς αλγόριθμους για να αναλύσουν και να αναφέρουν τη σημασία τους.

Μορφή του μαθήματος

• Μέρος διάλεξη, εν μέρει συζήτηση, βαριά πρακτική εξάσκηση, περιστασιακές δοκιμές για τη μέτρηση της κατανόησης

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.

Κοινό

Οικονομικοί αναλυτές ή αναλυτές της αγοράς, διευθυντικά στελέχη, λογιστές

Στόχοι μαθήματος

Διευκολύνουν και αυτοματοποιούν κάθε είδους οικονομική ανάλυση με το Microsoft Excel

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.

Αυτό το μάθημα καλύπτει προχωρημένα θέματα στον προγραμματισμό R.

Goal:

Η γνώση της δεξιότητας λειτουργεί ανεξάρτητα με το πρόγραμμα SPSS για προχωρημένη χρήση, παράθυρα διαλόγου και σύνταξη γλώσσας εντολών για τις επιλεγμένες αναλυτικές τεχνικές.

Οι αποδέκτες:

Αναλυτές, ερευνητές, επιστήμονες, φοιτητές και όλοι όσοι θέλουν να αποκτήσουν τη δυνατότητα χρήσης πακέτου SPSS και προχωρημένου επιπέδου και να μάθουν τα επιλεγμένα στατιστικά μοντέλα. Η εκπαίδευση απαιτεί καθολικά προβλήματα ανάλυσης και είναι αφιερωμένη σε έναν συγκεκριμένο κλάδο

Ακροατήριο:

Το μάθημα προορίζεται για ειδικούς πληροφορικής που αναζητούν μια λύση αποθήκευσης και επεξεργασίας μεγάλων συνόλων δεδομένων σε περιβάλλον κατανεμημένου συστήματος

Goal:

Βαθιά γνώση σχετικά με Hadoop διαχείριση συστάδων.

Αυτή η εκπαίδευση με οδηγό (μέσω διαδίκτου ή ενώπιον) στη Ελλάδα προσβάλλει διαστασιοχωρημένους δεδομένων επιστήμονες και στατιστικούς που θέλουν να αναθέσουν δεδομένα, να κατασκευάσουν μοντέλα και να εφαρμόσουν τεχνητή συναισθηματικότητα (machine learning) αποτελεσματικά στις επαγγελματικές περιοχές τους.

Ταξιδιωτής την τελική φάση αυτής της εκπαιδεύσεις, οι συμμετέχοντες θα μπορούν να:

• Συνιέσουν και πράξουν διάφορα Machine Learning αλγόριθμους.
• Αντίζεστε τα δεδομένα και τα μοντέλα για εφαρμογές τεχνητής συναισθηματικότητας.
• Εκτελούνται ανάλυση μετά την πρώτη εφαρμογή και υποδηλώνουν τα αποτελέσματα αποτελεσματικά.
• Εφαρμόζουν τεχνητή συναισθηματικότητα (machine learning) μέθοδοι σε πραγματικοί κλάδο-εξατομίτευτο επιχειρήσεις.

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.

Σκοπός:

Οι εκπρόσωποι μπορούν να αναλύσουν μεγάλα σύνολα δεδομένων, να εξάγουν μοτίβα, να επιλέξουν τη σωστή μεταβλητή που επηρεάζει τα αποτελέσματα, έτσι ώστε να προβλέπεται ένα νέο μοντέλο με προγνωστικά αποτελέσματα.

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.

Η R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοιχτού κώδικα για στατιστικούς υπολογισμούς, ανάλυση δεδομένων και γραφικά. Το R χρησιμοποιείται από έναν αυξανόμενο αριθμό διευθυντών και αναλυτών δεδομένων σε εταιρείες και ακαδημαϊκό κόσμο. Το R διαθέτει μεγάλη ποικιλία πακέτων για εξόρυξη δεδομένων.

Η R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοιχτού κώδικα για στατιστικούς υπολογισμούς, ανάλυση δεδομένων και γραφικά. Το R χρησιμοποιείται από έναν αυξανόμενο αριθμό διευθυντών και αναλυτών δεδομένων εντός εταιρειών και ακαδημαϊκού κόσμου. Το R διαθέτει μεγάλη ποικιλία πακέτων για εξόρυξη δεδομένων.

Αυτό το μάθημα προορίζεται για άτομα που έχουν ήδη ένα υπόβαθρο στην επιστήμη των δεδομένων και τη στατιστική. Οι εξηγήσεις που δίνονται έχουν σχεδιαστεί είτε για να χρησιμεύουν ως υπενθύμιση σε όσους είναι ήδη εξοικειωμένοι με τις έννοιες είτε να ενημερώνουν όσους έχουν κατάλληλο υπόβαθρο.

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).

Το μάθημα απευθύνεται σε όποιον ενδιαφέρεται για στατιστική ανάλυση. Παρέχει εξοικείωση με το Minitab και θα αυξήσει την αποτελεσματικότητα και την αποδοτικότητα της ανάλυσης των δεδομένων σας και θα βελτιώσει τις γνώσεις σας στα στατιστικά στοιχεία.

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.

Σε αυτή τη ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών, οι συμμετέχοντες θα μάθουν προηγμένες τεχνικές για το Machine Learning με το R καθώς προχωρούν στη δημιουργία μιας εφαρμογής πραγματικού κόσμου.

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

• Κατανόηση και εφαρμογή τεχνικών μάθησης χωρίς επίβλεψη
• Εφαρμόστε ομαδοποίηση και ταξινόμηση για να κάνετε προβλέψεις με βάση τα δεδομένα του πραγματικού κόσμου.
• Οπτικοποιήστε δεδομένα για να αποκτήσετε γρήγορα ιδέες, να λάβετε αποφάσεις και να βελτιώσετε περαιτέρω την ανάλυση.
• Βελτιώστε την απόδοση ενός μοντέλου μηχανικής μάθησης χρησιμοποιώντας συντονισμό υπερ-παραμέτρων.
• Βάλτε ένα μοντέλο στην παραγωγή για χρήση σε μεγαλύτερη εφαρμογή.
• Εφαρμόστε προηγμένες τεχνικές μηχανικής εκμάθησης για να απαντήσετε σε ερωτήσεις που αφορούν δεδομένα κοινωνικών δικτύων, μεγάλα δεδομένα και πολλά άλλα.

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. 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

Αυτό το μάθημα είναι μέρος του συνόλου δεξιοτήτων Data Scientist (Domain: Data and Technology)

Οργάνωση – Εργαστηριακή εργασία και πρακτικά παραδείγματα σε πραγματικά δεδομένα

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.

Goal:

Μαθαίνω να δουλεύω με το SPSS σε επίπεδο ανεξαρτησίας

Οι αποδέκτες:

Αναλυτές, ερευνητές, επιστήμονες, φοιτητές και όλοι όσοι θέλουν να αποκτήσουν τη δυνατότητα να χρησιμοποιούν το πακέτο SPSS και να μάθουν δημοφιλείς τεχνικές εξόρυξης δεδομένων.

Το μάθημα αυτό έχει δημιουργηθεί για τους υπεύθυνους λήψης αποφάσεων, των οποίων ο πρωταρχικός στόχος είναι να μην κάνουν τον υπολογισμό και την ανάλυση, αλλά να τις κατανοούν και να είναι σε θέση να επιλέξουν τι είδους στατιστικές μέθοδοι είναι σχετικές με τον στρατηγικό σχεδιασμό του οργανισμού.

Για παράδειγμα, ένας συμμετέχων στην προοπτική πρέπει να αποφασίσει πόσα δείγματα πρέπει να συλλεχθούν πριν μπορέσουν να αποφασίσουν εάν το προϊόν πρόκειται να ξεκινήσει ή όχι.

Εάν χρειάζεστε μακρότερο μάθημα που καλύπτει τα βασικά στοιχεία της στατιστικής σκέψης, ρίξτε μια ματιά στην κατάρτιση των 5 ημερών " Statistics for Managers".

Αυτό το μάθημα έχει δημιουργηθεί για άτομα που απαιτούν γενικές δεξιότητες στατιστικής. Αυτό το μάθημα μπορεί να προσαρμοστεί σε έναν συγκεκριμένο τομέα εξειδίκευσης όπως η έρευνα αγοράς, η βιολογία, η μεταποίηση, η έρευνα του δημόσιου τομέα κ.λπ.

Αυτό το εκπαιδευτικό σεμινάριο καλύπτει προηγμένα στατιστικά στοιχεία. Εξηγεί τα περισσότερα από τα εργαλεία που χρησιμοποιούνται συνήθως στην έρευνα, την ανάλυση και την πρόβλεψη. Παρέχει σύντομες εξηγήσεις της θεωρίας πίσω από τους τύπους.

Αυτό το μάθημα δεν σχετίζεται με κάποιο συγκεκριμένο γνωστικό πεδίο, αλλά μπορεί να προσαρμοστεί εάν όλοι οι εκπρόσωποι έχουν το ίδιο υπόβαθρο και τους ίδιους στόχους.

Ορισμένα βασικά εργαλεία υπολογιστή χρησιμοποιούνται κατά τη διάρκεια αυτού του μαθήματος (κυρίως Excel και OpenOffice)

Αυτό το μάθημα στοχεύει να δώσει στους ερευνητές μια κατανόηση των αρχών του στατιστικού σχεδιασμού και ανάλυσης και τη συνάφειά τους με την έρευνα σε μια σειρά επιστημονικών κλάδων.

Καλύπτει ορισμένες πιθανότητες και στατιστικές μεθόδους, κυρίως μέσω παραδειγμάτων. Αυτή η εκπαίδευση περιλαμβάνει περίπου το 30% των διαλέξεων, το 70% των καθοδηγούμενων κουίζ και εργαστηρίων.

Στην περίπτωση κλειστού μαθήματος μπορούμε να προσαρμόσουμε τα παραδείγματα και το υλικό σε έναν συγκεκριμένο κλάδο (όπως τεστ ψυχολογίας, δημόσιος τομέας, βιολογία, γενετική κ.λπ...)

Στην περίπτωση των δημόσιων μαθημάτων, χρησιμοποιούνται μικτά παραδείγματα.

Αν και κατά τη διάρκεια αυτού του μαθήματος χρησιμοποιούνται διάφορα λογισμικά (Microsoft Excel σε SPSS, Statgraphics, κ.λπ.), η κύρια εστίασή του είναι στην κατανόηση αρχών και διαδικασιών που καθοδηγούν την έρευνα, τη συλλογιστική και τα συμπεράσματα.

Αυτό το μάθημα μπορεί να παραδοθεί ως μικτό μάθημα, π.χ. με εργασίες για το σπίτι και εργασίες.

Το Tableau βοηθά τους ανθρώπους να διαβεβαιωθούν και να καταλάβουν τα στοιχεία.

Tableau βοηθάει τους ανθρώπους να δείτε και να καταλάβετε τα στοιχεία.

Παρεύσιμο

Σχήμα της εκπαιδευτικής μάθησης

Κατά το τέλος αυτής της εκπαιδευτικής μάθησης, οι συμμετέχοντες θα μπορούν να:

Σε αυτή την εκπαιδευτική μάθηση με πρόσωπο εξηγητή, οι συμμετέχοντες θα μάθουν να ελέγχουν και να απεικονίζουν δεδομένα χρησιμοποιώντας τα εργαλεία που περιλαμβάνονται στο Tidyverse.

Το Tidyverse είναι μια συλλογή ρολόηγων ακτινού περιβάλλον (R) για καθαρισμό, επεξεργασία, μοντελοποίηση και απεικόνιση δεδομένων. Κάποια από τα ρολόηγα που περιλαμβάνονται είναι: ggplot2, dplyr, tidyr, readr, purrr και tibble.

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

• Μέρος λόγου, μέρος συζήτησης, ασκήσεις και πολύπλοκη εφαρμογή

• Να εκτελέσουν ανάλυση δεδομένων και να δημιουργήσουν υπεύθυνες αποδείξεις
• Να συλλέξουν επωφελείς κατασκευές από διάφορες σημειώσεις πίνακες δεδομένων
• Να φίλτραρουν, να ταξινομήσουν και να συμπεριφέρουν δεδομένα για να απαντήσουν σε προσκαρτώρηση ερωτήσεις
• Να μετατρέψουν τα επεξεργασμένα δεδομένα σε πληροφοριακά γραφήματα γραμμών, ορόσωμα-χάρτες και ιστόγραμμα
• Να εισάγουν και να φίλτραρουν δεδομένα από ποικιλούς πηγές δεδομένων, συμπεριλαμβανομένων Excel, CSV και αρχεία SPSS

Περιγραφή:

Πρόκειται για ένα μάθημα που έχει σχεδιαστεί για να διδάσκει στους χρήστες R πώς να δημιουργούν εφαρμογές ιστού χωρίς να χρειάζεται να μάθουν HTML , Java script και CSS .

Σκοπός:

Καλύπτει τα βασικά στοιχεία για το πώς λειτουργούν οι Shiny εφαρμογές.

Καλύπτει όλες τις συνήθεις λειτουργίες εισόδου / εξόδου / εμφάνισης / επένδυσης από τη βιβλιοθήκη Shiny.

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.

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).