Εκπαίδευση Statistics στη Θεσσαλονίκη

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Θεσσαλονίκη (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 Θεσσαλονίκη (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 εκπαίδευση με διδάσκοντα, live (online ή on-site) απευθύνεται σε επαγγελματίες μεεταξύ-επίπεδου, που επιθυμούν να έχουν ανάληψη της DMAIC μεθοδολογίας και να εκφράσουν ρόλο αποτελεeffective Six Sigma Green Belts.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Να αποκτήσουν πλήρη γνώση των φάσεων Define, Measure, Analyze, Improve και Control (DMAIC) του Six Sigma.
• Να εφαρμόζουν μια γκράτο οπλα Six Sigma και τεχνικές αποδοτικά σε κάθε φάση του DMAIC.
• Να εκτελούν και να ερμηνεύουν στατιστικές αναλύσεις για τη βελτίωση της διαδικασίας.
• Να προγραμματίζουν, να εκτελούν και να διαχειρίζονται ένα πρότυπο Six Sigma.

Αυτή η καθοδήγηση, υπό εξέταση από δάσκαλο (online ή on-site) σε Θεσσαλονίκη, απευθύνεται σε επαγγελματικούς με βασική γνώση που επιθυμούν να αποκτήσουν ένα θεμελιώδες κατανόημα των αρχών Six Sigma και Lean, για να τα συνδυάσουν και να βελτιώσουν επιχειρηματικές διαδικασίες.

Στο τέλος αυτής της καθοδήγησης, οι συμμετέχοντες θα μπορούν να:

• Αποκτήσουν αλληλεγγύη των βασικών αρχών του Lean Six Sigma.
• Χρησιμοποιήσουν τις μεθόδους Six Sigma για να βελτιώσουν την ποιότητα των διαδικασιών, αφαιρώντας τις αιτίες των ελλείψεων και ελαχιστοποιώντας την παρεξόδο.
• Συνδυάσουν τις μεθόδους Lean και Six Sigma για να επιτύχουν ακόμη πιο αποδοτικές και αποτελεσματικές βελτιώσεις διαδικασιών.
• Να εκπαιδεύσουν τα βασικά εργαλεία και τεχνικές Lean Six Sigma που μπορούν να εφαρμοστούν από Κίτρινες Ζώνες σε βελτιωτικά έργα διαδικασιών, όπως το 5S, Kaizen και χάρτης διαδικασίας.

Αυτή η καθοδήγηση με κάθε τμήμα, ζωντανή εκπαίδευση στο Θεσσαλονίκη (διαδικτυακή ή όντως) απευθύνεται σε προχωρημένους επαγγελματίες που επιθυμούν να κατανοήσουν τόσο τις αρχές του Six Sigma όσο και του Lean, για να ηγούνται σημαντικών βελτιώσεων διαδικασιών στις επιχειρήσεις τους.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Αναπτύξουν μια ολοκληρωμένη κατανόηση του πώς οι μεθοδολογίες του Lean και Six Sigma μπορούν να συνδυαστούν για βελτίωση διαδικασιών.
• Να αποκτήσουν πρόχειρη γνώση και ικανότητες εφαρμογής στις φάσεις Define, Measure, Analyze, Improve, and Control (DMAIC).
• Να χρησιμοποιούν προχωρημένες στατιστικές εργαλεία για απόφαση λήψη με βάση δεδομένα και ανάλυση διαδικασιών.
• Να ηγούνται και να διαχειρίζονται σχέδια Lean Six Sigma αποτελεσματικά.

Αυτή η διδασκαλία, που διεξάγεται από εκπαιδευτικό (online ή on-site), απευθύνεται σε επαγγελματικούς των υψηλών βαθμών που επιθυμούν να αποκτήσουν δεξιότητες για την ανάληψη περίπλοκων έργων Six Sigma και στο λήφθη μιας ηγετικής ρόλου στις εφαρμογές Six Sigma και LEAN.

Το τέλος αυτής της διδασκαλίας, οι συμμετέχοντες θα είναι σε θέση:

• Να αναπτύξουν βαθιά κατανόηση των προηγμένων μεθόδων Six Sigma και LEAN και των εργαλείων.
• Να ηγούνται περίπλοκων έργων βελτιώσεως διεργασιών που συμφωνούν με τους στρατηγικούς στόχους της οργάνωσης.
• Να εκτελούν περίπλοκές στατιστικές αναλύσεις και να λαμβάνουν αποφάσεις βασισμένες σε δεδομένα.
• Να ηγούνται με επιτυχία των πρωτοβουλιών αλλαγής και να φτιάξουν μια κουλτούρα βελτίωσης.

Αυτή η κατεύθυνση, δίδεται υπό την οδηγία εκπαιδευτικού (online ή on-site) και απευθύνεται σε επαγγελματίες που βρίσκονται σε αρχικό επίπεδο και θέλουν να αποκτήσουν πιο εξαντλητική γνώση της μεθοδολογίας Six Sigma και των αρχών της, καθώς και να κυριαρχήσουν στη διαδικασία DMAIC.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Αποκτήσουν γνώσεις πέρα από τις βασικές αρχές που καλύφθηκαν στο μάθημα White Belt.
• Κυριαρχήσουν στη διαδικασία DMAIC και να μάθουν πιο προηγμένα εργαλεία Six Sigma.
• Μάθουν πώς να συνεισφέρουν αποτελεσματικά σε μια ομάδα έργου Six Sigma και να συνεργάζονται με τους Green και Black Belts.
• Εφαρμόσουν τις μεθοδολογίες Six Sigma σε πρακτικές επιχειρηματικές διαδικασίες για βελτίωση.

Αυτή η ζωντανή εκπαίδευση (online ή on-site) κατευθύνεται σε προφ.ActionBarιονάς αρχαρίου επίπεδου που επιθυμούν να αποκτήσουν βασική κατανόηση της μεθόδου Six Sigma και των αρχών της.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση να:

• Να κατανοήσουν τα βασικά στοιχεία του Six Sigma και να μάθουν τη διαδικασία DMAIC.
• Να κατανοήσουν τους συγκεκριμένους ρόλους και απονομή ευθυνών ενός White Belt στο πλαίσιο ένας Six Sigma έργου.
• Να μάθουν πώς να εφαρμόζουν τις αρχές του Six Sigma για να αναγνωρίσουν και υποστηρίξουν ευκαιρίες βελτίωσης και έργα Six Sigma σε μια οργάνωση.

Αυτή η εκπαιδευτική μάθηση σε ύφος (διαπρόσωπα ή διαπαραλλάκτια) στο Θεσσαλονίκη, προσανατολίζεται σε επιστήμονες που θέλουν να μάθουν και να χρησιμοποιήσουν το Design of Experiments (DoE) για να καταλάβουν τα αιτία-αποτελέσματος σχέσεις μεταξύ πολλών παραγόντων.

Στο τέλος αυτής της εκπαιδευτικής μάθησης, οι συμμετέχοντες θα είναι σε θέση να:

• Καταλάβουν τα πλεονεκτήματα των σχεδιασμένων πειραμάτων σε σύγκριση με άλλες προσεγγίσεις.
• Καταλάβουν τις αιτία-αποτελέσματος σχέσεις και τις επαλήθευσης μεταξύ παραγόντων.
• Μάθουν τις καλές πρακτικές και τις οδηγίες για να διεξάγουν επιτυχή πειραματικό.

Αυτή η κατεύθυνση, που οδηγείται από εκπαιδευτικό (instructor-led), υπό το δάχτυλο (onsite) ή εξ αποστάσεως (online), είναι κατεύθυνση σε οποιονδήποτε τον ενδιαφέρει να μάθει και να διεξαγάγει πλήρως τα βασικά αρχίσματα της εκονομετρικής ανάλυσης και μοντελοποίησης.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

• Να μάθουν και να κατανοήσουν τα βασικά αρχίσματα της εκονομετρίας.
• Να χρησιμοποιούν Eviews και προγράμματα προβλέψεων κινδύνου.

R είναι πολύ δημοφιλής, open source περιβάλλον για στατιστικές υπολογισμούς, ανάλυση δεδομένων και γραφικά. Αυτό το μάθημα εισήγαγε τη γλώσσα προγραμματισμού R στους φοιτητές. Καλύπτει τα βασικά στοιχεία της γλώσσας, βιβλιοθήκες και προηγμένες έννοιες. Προηγμένη ανάλυση δεδομένων και γραφικά με αυτόντικα δεδομένα.

Ακροατήριο

Προγραμματιστές / ανάλυτες δεδομένων

Διάρκεια

3 ημέρες

Μορφή

Διδασκαλία και πρακτικά εργασίες

Κοινότητα

Αναλυτές, έρευνες, επιστήμονες, διπλωματοφόροι και φοιτητές και όποιος είναι ενδιαφερόμενος να μάθει πώς να αυξήσει τη στατιστική ανάλυση στο Microsoft Excel.

Στόχοι του μαθήματος

Αυτό το μάθημα θα σας βοηθήσει να ενισχύσετε τη γνώση σας για Excel και τη στατιστική, αυξάνοντας ως αποτέλεσμα την αποτελεσματικότητα και αποδοτικότητα στο εργασία ή την έρευνά σας.

Το μάθημα περιγράφει πώς να χρησιμοποιήσετε το Analysis ToolPack στο Microsoft Excel, στατιστικές λειτουργίες και πώς να εκτελέσετε βασικές στατιστικές διαδικασίες. Θα εξηγήσει τι περιορισμοί έχει το Excel και πώς να τους αντιμετωπίσετε.

Η ανάλυση δεδομένων είναι σήμερα ένα κρίσιμο εργαλείο στα επιχειρήματα. Θα εστιάζουμε όλη τη διάρκεια στην ανάπτυξη δεξιοτήτων για πρακτική, εφαρμοσμένη ανάλυση δεδομένων. Η στόχος είναι να βοηθήσουμε τους συμμετέχοντες να δίνουν απαντήσεις με βάση στις πληροφορίες σε ερωτήσεις: 

Τι έχει συμβεί;

• επεξεργασία και ανάλυση δεδομένων
• παραγωγή ενημερωτικών οπτικοποιήσεων δεδομένων

Τι θα συμβεί;

• πρόβλεψη μελλοντικών αποδοχών
• επισήμανση των προβλέψεων

Τι θα έπρεπε να συμβεί;

• μετατροπή δεδομένων σε αποφάσεις με βάση στις πληροφορίες
• βελτιστοποίηση διαδικασιών

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

Αυδιένση

Χρηματιστήριοι ή αγοράς αναλυτές, διευθυντές, λογιστές

Στόχοι Μαθήματος

Εξυπηρέτηση και αυτοματοποίηση όλων των ειδών χρηματιστηριακής ανάλυσης με Microsoft Excel

Η R είναι μια δημοφιλής γλώσσα προγραμματισμού στον χρηματοοικονομικό κλάδο. Χρησιμοποιείται σε χρηματοοικονομικές εφαρμογές που κυμαίνονται από βασικά προγράμματα συναλλαγών έως συστήματα διαχείρισης κινδύνου.

Σε αυτή τη ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιούν το R για να αναπτύξουν πρακτικές εφαρμογές για την επίλυση ορισμένων συγκεκριμένων προβλημάτων που σχετίζονται με τα οικονομικά.

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

• Κατανοήστε τις βασικές αρχές της γλώσσας προγραμματισμού R
• Επιλέξτε και χρησιμοποιήστε πακέτα και τεχνικές R για την οργάνωση, οπτικοποίηση και ανάλυση οικονομικών δεδομένων από διάφορες πηγές (CSV, Excel, βάσεις δεδομένων, web, κ.λπ.)
• Δημιουργήστε εφαρμογές που λύνουν προβλήματα που σχετίζονται με την κατανομή περιουσιακών στοιχείων, την ανάλυση κινδύνου, την απόδοση της επένδυσης και πολλά άλλα
• Αντιμετώπιση προβλημάτων, ενσωμάτωση ανάπτυξης και βελτιστοποίηση μιας εφαρμογής R

Ακροατήριο

• προγραμματιστές
• Αναλυτές
• Quants

Μορφή του μαθήματος

• Μέρος διάλεξη, μέρος συζήτηση, ασκήσεις και βαριά πρακτική εξάσκηση

Σημείωση

• Αυτή η εκπαίδευση στοχεύει να δώσει λύσεις σε ορισμένα από τα βασικά προβλήματα που αντιμετωπίζουν οι επαγγελματίες του χρηματοοικονομικού τομέα. Ωστόσο, εάν έχετε ένα συγκεκριμένο θέμα, εργαλείο ή τεχνική που θέλετε να προσαρτήσετε ή να επεξεργαστείτε περαιτέρω, επικοινωνήστε μαζί μας για να κανονίσουμε.

Αυτή η εκπαιδευτική διάλεξη (μέσω διαδίκτου ή εγκατεστημένη) προορίζεται για επαγγελματίες του τομέα Προσωπικού που θέλουν να χρησιμοποιήσουν αναλυτικά μέθοδα για να βελτίωσουν την επιχειρηματική δύναμη. Αυτός ο κούρσος περιλαμβάνει συστηματικές και μετρήσιμες, όπως και εμπειρικές και στατιστικές προσεγγίσεις.

Σχέδιο του Κούρσου

• Δυναμική μάθηση και συζήτηση.
• Πολλές ασκήσεις και πράξη.

Προεπιλεγμένες Επιλογές Καθοδήγησης

• Για να αίτησετε μια προσωπικοποιημένη εκπαίδευση για αυτό τον κούρσο, επικοινώνετε μαζί μας.

Αυτός ο κурсος επικαλύπτει προχωρημένα θέματα στο R programming.

Goal:

Μάστερ της δεξιότητας για ανεξάρτητη εργασία με το πρόγραμμα SPSS για προχωρημένη χρήση, διαλόγου κουτιών και γλώσσας εντολών για τις επιλεγμένες αναλυτικές τεχνικές.

Οι πρόσωποι που ενδιέφεραν:

Αναλύτες, μελετητές, επιστήμονες, φοιτητές και όλες αυτές που θέλουν να κατορθώσουν να χρησιμοποιούν το σύγχρονο πακέτο SPSS εντελώς και να μάθουν τις επιλεγμένες ιστορικές μοντέλων. Η εκπαίδευση παίρνει γενικό αναλυτικό προβλήματα και είναι υποχρεωμένη σε μια συγκεκριμένη βιομηχανία

Αυτή η ζωντανή εκπαίδευση από εκπαιδευτές στο Θεσσαλονίκη (διαδικτυακά ή επιτόπου) απευθύνεται σε επιχειρησιακούς αναλυτές που επιθυμούν να αυτοματοποιήσουν το εμπόριο με αλγοριθμικές συναλλαγές, Python και R.

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

• Χρησιμοποιήστε αλγόριθμους για την ταχεία αγορά και πώληση τίτλων σε εξειδικευμένες αυξήσεις.
• Μειώστε το κόστος που σχετίζεται με το εμπόριο χρησιμοποιώντας αλγοριθμικές συναλλαγές.
• Παρακολουθήστε αυτόματα τις τιμές των μετοχών και πραγματοποιήστε συναλλαγές.

Πληθυσμός:

Το μάθημα προορίζεται για ειδικές του IT που αναζητούν λύση για τη αποθήκευση και επεξεργασία μεγάλων σημείων δεδομένων σε περιβάλλον διανεμημένου συστήματος

Goal:

Καθολική γνώση στην διαχείριση κλάστερ Hadoop.

Αυτή η εκπαίδευση με οδηγό (μέσω διαδίκτου ή ενώπιον) στη Θεσσαλονίκη 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.

Το Big Data είναι ένα όρος που αναφέρεται σε λύσεις που προορίζονται για την αποθήκευση και επεξεργασία μεγάλων συνόλων δεδομένων. Αναπτύχθηκαν αρχικά από τη Google, αυτές οι λύσεις Big Data εξελίχθηκαν και έφεραν σε εμφάνιση άλλα παρόμοια έγχειρήματα, από τα οποία πολλά είναι διαθέσιμα ως open-source. Το R είναι μια δημοφιλής γλώσσα προγραμματισμού στη βιομηχανία των χρηματοπιστωτικών υπηρεσιών.

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.

Αυτή η εκπαιδευτική μάθηση σε ζωντανό μέρος (μέσω διαδίκτου ή στο χώρο της εταιρείας) στο Θεσσαλονίκη, προσβλέπει σε εισαγωγικά επιπέδου επαγγελματίες που θέλουν να αστυγείτονες τις βασικές εφαρμογές της R και πώς να δουλεύουν με δεδομένα.

Στο τέλος αυτής της εκπαίξεως, οι συμμετέχοντες θα μπορέσουν να:

• Κατανοήσουν το περιβάλλον προγραμματισμού R και τη διεπαφή RStudio.
• Εισάγουν, επεξεργάζονται και διερευνούν σημειώσεις δεδομένων χρησιμοποιώντας πρότυπα R και πακέτα.
• Εκτελούν βασική στατιστική ανάλυση και εγγραφή δεδομένων.
• Παράγουν προβολές χρησιμοποιώντας κόμβο R και ggplot2.
• Διαχειρίζονται εργασιακούς χώρους, σκέλη και πακέτα αποτελεσματικά.

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.

Αυτός ο κούρσος είναι προσανατολισμένος σε άτομα με υποβάθμια στατιστική και επιστήμη δεδομένων. Οι εξηγήσεις που δίνονται σχεδιάστηκαν ώστε να λειτουργούν ως επεκτάθεση για αυτούς που ήδη είναι εξοικειωμένοι με τα ονόματα, ή να διευκρινίζουν αυτούς που έχουν κατάλληλη υποβάθμια.

Ομίλος αποδοχής

Ιδιόκτητες επιχειρήσεων (υπαλλήλους μάρκετινγκ, διευθυντές προϊόντων, διευθυντές πελατών) και τα ομίλους τους; επαγγελματίες πελατικής ανάληψης.

Περιγραφή

To μάθημα ακολουθεί το κύκλο ζωής του πελάτη, από την εξυπηρέτηση νέων πελατών, τη διαχείριση υφιστάμενων πελατών για κερδοφορία, την κράτηση καλών πελατών, μέχρι την κατανόηση ποιοι πελάτες αποχωρούν και γιατί. Θα εργαζόμαστε με πραγματικα (ανώνυμα) δεδομένα από διάφορους τομείς, συμπεριλαμβανομένων τηλεπικοινωνιών, ασφαλιστικών, μέσων ενημέρωσης και υψηλής τεχνολογίας.

Μορφή

Εξάσκηση υπό την καθοδήγηση εκπαιδευτικού, σε πέντε μισές ημέρες, με εξασκήσεις στην τάξη αλλά και με εργασίες για το σπίτι. Μπορεί να παρουσιαστεί ως εκπαιδευτική δραστηριότητα σε αίθουσα μάθησης ή κατά διαδρομή (online).

Το μάθημα απευθύνεται σε όποιον ενδιαφέρεται για τη στατιστική ανάλυση. Παρέχει γνωστική πείρα με το Minitab και θα αυξήσει την αποδοτικότητα και αποτελεσματικότητα στην ανάλυση δεδομένων, βελτιώνοντας τη γνώση σας στη στατιστική.

R είναι μια δωρεάν, ανοιχτού κώδικα γλώσσα προγραμματισμού για στατιστική υπολογιστικό, ανάλυση δεδομένων και γραφικά. Το R χρησιμοποιείται από μια όλο και μεγαλύτερη πληθυσμιά διευθυντών και αναλυτών δεδομένων σε εταιρείες και εκπαιδευτικές οργανώσεις. Το R προσφέρει μια ευρεία γama ταινιών για την ανάλυση 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.

Αυτός ο κατεύθυνσης είναι μια εισαγωγή στην εφαρμογή νευρωνικών δικτύων σε πραγματικά προβλήματα χρησιμοποιώντας το λογισμικό R-project.

Αυτός ο κατεύθυνσης είναι για δεδομένων επιστήμονες και στατιστικούς που ήδη διαθέτουν βασικές γνώσεις C++ κωδικοποίησης R & και χρήση του R και χρειάζονται προχωρημένες γνώσεις κωδικοποίησης R.

Το στόχος είναι να δώσει μια πρακτική προχωρημένη οθόνη κωδικοποίησης R για τους συμμετέχοντες ενδιαφερόμενους για την εφαρμογή των μεθόδων στο εργασιακό περιβάλλον.

Χρησιμοποιούνται τομεακοί παραδείγματα για να κάνουν την εκπαίδευση σχετική με το κοινό

Αυτός ο κατεύθυνσης είναι μέρος του πακέτου δεξιοτήτων του Δεδομένων Επιστήμονα (Τομέας: Δεδομένα και Τεχνολογία)

Οργάνωση - Εργασία στο Labor και πρακτικά περιπτώσεις με πραγματικά δεδομένα

Το Shiny είναι ένα ανοιχτό πακέτο R που παρέχει ένα web framework για τη δημιουργία διαδραστικών web εφαρμογών χρησιμοποιώντας R.

Σε αυτή την εξάσκηση με οδηγία καθηγητή, οι συμμετέχοντες θα μάθουν πώς να συνδυάσουν την επιστήμη δεδομένων και την ανάπτυξη web χρησιμοποιώντας Shiny, R και HTML.

Στο τέλος αυτής της εξάσκησης, οι συμμετέχοντες θα μπορούν να:

• Δημιουργήσουν διαδραστικές web εφαρμογές με R χρησιμοποιώντας Shiny.

Οχλή

• Επιστήμονες δεδομένων
• Αναπτυξητές web
• Στατιστικοί αναλυτές

Μορφή του μαθήματος

• Μέρος παράσταση, μέρος συζήτηση, ασκήσεις και εντensive χειροποίηση.

Αυτή η ζωντανή εκπαίδευση στο Θεσσαλονίκη (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 καθοδηγημένη από εκπαιδευτικό, ζωντανή εκπαίδευση (πρόσφατη ή χώρου) απευθύνεται σε αρχάριους έως μεσαίου επιπέδου αναλυτές, έρευνα, και επαγγελματίες που επιθυμούν να χρησιμοποιήσουν το SPSS για προεργασία δεδομένων, στατιστική ανάλυση και προϊσταμένη μοντελοποίηση.

Αυτό το μάθημα δημιουργήθηκε για λαβείς αποφάσεων οι οποίοι έχουν ως κύριο στόχο να καταλάβουν την ανάλυση και τον υπολογισμό, αλλά όχι να εκτελέσουν αυτούς τους υπολογισμούς. Θα μπορούν να κατανοήσουν ποιες στατιστικές μέθοδοι είναι τεχνικά κατάλληλες στην ευρεία στρατηγική προγραμματισμό της οργάνωσής τους.

Για παράδειγμα, ένας υποθετικός συμμετέχων θα χρειαστεί να λάβει απόφαση για το πόσα δείγματα χρειάζονται να συλλεχθούν πριν κάνει η απόφαση για το εάν θα ξεκυρκωθεί ή όχι το προϊόν.

Εάν χρειάζεστε μαθήματος αρκετά μεγαλύτερου μεγέθους που καλύπτει τη βασική σκέψη της στατιστικής, δείτε το 5 ημερών μάθημα «Στατιστική για Διευθυντές».

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.

Αυτός ο εκπαιδευτικός κύκλος περιέχει προηγμένες στατιστικές. Περιγράφει τους περισσότερους εργαλείους που χρησιμοποιούνται συχνά στην έρευνα, ανάλυση και πρόβλεψη. Παρέχει σύντομες εξηγήσεις για τη θεωρία πίσω από τις σχέσεις.

Αυτός ο κύκλος δεν σχετίζεται με κάποια ειδική περιοχή γνώσης, αλλά μπορεί να ψαξειφυγεί αν όλοι οι συμμετέχοντες έχουν το ίδιο πίστωμα και στόχους.

Χρησιμοποιούνται κάποια βασικά υπολογιστικά εργαλεία κατά τη διάρκεια αυτού του κύκλου (σημαντικά Excel και OpenOffice)

Αυτός ο κούρσος στοχεύει να δώσει στους έρευνητές κατανόηση των αρχών της πιθανολογικής καταμέτρησης και ανάλυσης και τη σημασία τους για τη ζωή της ερεύνας σε μια ποικιλία επιστημονικών κλάδων.

Καλύπτει κάποιες πιθανότητες και στατιστικές μέθοδο, κυρίως μέσα από παραδείγματα. Αυτή η εκπαίδευση περιλαμβάνει γύρο 30% λекции, 70% καθοδηγημένων εξετάσεων και laboratoria.

Σε περίπτωση ολοκληρωμένου κούρσου, μπορούμε να σχεδιάσουμε τα παραδείγματα και τα υλικά για έναν ειδικό κλάδο (όπως δοκιμές ψυχολογίας, τον δημόσιο τομέα, βιολογία, γενετική ο.τ.λ...)

Σε περίπτωση δημόσιου κούρσου, χρησιμοποιούνται μεγάλα παραδείγματα.

Θα χρησιμοποιήσει διάφορο λογισμικό κατά τη διάρκεια αυτού του κούρσου (Microsoft Excel ως SPSS, Statgraphics ο.τ.λ...) αλλά η κύρια πρόσβαση είναι στην κατανόηση των αρχών και τη διαδικασία που χορηγεί στην έρευνα, λογική και συμπέρασμα.

Αυτός ο κούρσος μπορεί να παρουσιαστεί ως ενδυνάμωση, δηλαδή με σπουδαστές και ασκήσεις.

Το Tableau βοηθά τους ανθρώπους να δουν και να καταλάβουν δεδομένα.

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: 

Αυτός είναι ένας κούρσος σχεδιασμένος για να διδάξει τους χρήστες R να δημιουργούν προσωπικά εφαρμογές web χωρίς να χρειάζεται να μάθουν cross-browser HTML, Javascript, και CSS.

Σκοπός:

Καλύπτει τα βασικά στοιχεία της λειτουργίας των εφαρμογών Shiny.

Καλύπτει όλες τις κοινά χρησιμοποιούμενες συναρτήσεις εισόδου/εξόδου/παρουσίασης/κεφαλαιών από το βιβλιοθήκη Shiny.

Αυτή η εξειδίκευτη διαδικτύου ή επί τόπου εκπαίδευση στο Θεσσαλονίκη προσβάλλει μέσα-βαθμιανα δεδομένων αναλυτές και επιχειρηματίες που θέλουν να εκτελούν πρόβλεψη χρονοσειρών και να αυτοματοποιήσουν διαδικασίες ανάλυσης δεδομένων με τη χρήση R.

Ακολουθώντας την εξέταση, οι συμμετέχοντες θα είναι σε θέση να:

• Συνιέσουν τα βασικά στοιχεία των μεθόδων πρόβλεψης στο R.
• Εφαρμόζουν μοντέλα εξοντικοποίησης και ARIMA για ανάλυση χρονοσειρών.
• Χρησιμοποιούν το πακέτο ‘forecast’ για να δημιουργήσουν ακριβείς μοντέλα πρόβλεψης.
• Αυτοματοποιούν διαδικασίες πρόβλεψης για εφαρμογές επιχειρήσεων και έρευνας.

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).