Training Pelatihan Kursus Jasa SPSS | Teknik Ilmu Data Tingkat Lanjut di SPSS

Dalam beberapa hari saja Anda dapat menguasai beberapa teknik analisis data paling kompleks yang tersedia dalam program SPSS. Bahkan jika Anda bukan ahli matematika atau statistik profesional, Anda akan memahami teknik-teknik ini dengan sempurna dan akan dapat menerapkannya dalam situasi kehidupan nyata yang praktis .

Metode ini digunakan setiap hari oleh ilmuwan data dan penambang data untuk membuat prediksi akurat menggunakan data mentah mereka. Jika Anda ingin menjadi analis yang terampil, Anda harus mengenal mereka!

Tanpa basa-basi lagi, mari kita lihat apa yang akan Anda pelajari …

• Analisis regresi bertahap , teknik yang membantu Anda memilih subset prediktor terbaik untuk analisis regresi, ketika Anda memiliki banyak prediktor. Dengan cara ini Anda dapat membuat model regresi yang hemat dan efektif.
• Analisis regresi nonlinier . Setelah menyelesaikan kursus ini, Anda akan dapat menyesuaikan model regresi nonlinier apa pun menggunakan SPSS.
• K tetangga terdekat , teknik prediksi yang sangat populer digunakan sebagian besar untuk tujuan klasifikasi. Jadi, Anda akan belajar cara memprediksi nilai variabel kategori dengan metode ini.
• Pohon keputusan . Kami akan mendekati pohon biner (CART) dan non-biner (CHAID). Untuk masing-masing dari dua jenis ini kita akan mempertimbangkan dua kasus: kasus variabel dependen respons (pohon regresi) dan kasus variabel respons kategoris (pohon klasifikasi).
• Jaringan saraf . Jaringan saraf tiruan sedang populer sekarang, karena mereka adalah alat prediksi yang cocok dalam banyak situasi. Dalam SPSS kita dapat melatih dua jenis jaringan saraf: jaringan multilayer perceptron (MLP) dan radial basis function (RBF). Kami akan mempelajari keduanya secara rinci.
• Analisis klaster dua langkah , prosedur pengelompokan efektif yang memungkinkan kita mengidentifikasi kelompok homogen dalam populasi kita. Ini berguna di banyak bidang seperti riset pemasaran, kedokteran (penelitian gen, misalnya), biologi, ilmu komputer, ilmu sosial, dll.
• Analisis kelangsungan hidup . Jika Anda harus memperkirakan salah satu dari berikut ini: kemungkinan waktu sampai suatu peristiwa tertentu terjadi, berapa persentase populasi Anda yang akan menderita peristiwa tersebut atau keadaan tertentu mana yang mempengaruhi kemungkinan terjadinya peristiwa tersebut, maka Anda perlu menerapkan analisis kelangsungan hidup metode yang dipelajari di sini: regresi Kaplan-Meier atau Cox.

Untuk setiap teknik analisis, pengenalan teoretis singkat disediakan, untuk membiasakan pembaca dengan gagasan dan konsep dasar yang terkait dengan teknik itu. Setelah itu, analisis dijalankan pada kumpulan data kehidupan nyata dan hasilnya dijelaskan secara menyeluruh.

Selain itu, untuk beberapa teknik (KNN, pohon keputusan, jaringan saraf) Anda juga akan mempelajari:

• Cara memvalidasi model Anda pada kumpulan data independen, menggunakan pendekatan kumpulan validasi atau validasi silang
• Bagaimana cara menyimpan model dan menggunakannya untuk membuat prediksi pada data baru yang mungkin tersedia di masa mendatang.

Untuk siapa kursus ini: