Zaawansowana analiza danych w 艣rodowisku R
Terminy:
Organizator
Opis i cele
G艂贸wnym celem studi贸w jest przekazanie kompleksowej wiedzy z zakresu przetwarzania i analizowania danych statystycznych. Program ma na celu dostarczenie praktycznych umiej臋tno艣ci w stosowaniu nowoczesnych metod, modeli i technik analiz statystycznych, kt贸re wspieraj膮 podejmowanie decyzji biznesowych. S艂uchacze zdob臋d膮 szerok膮 wiedz臋 na temat metod statystycznych oraz naucz膮 si臋 wykorzystywa膰 program R na zaawansowanym poziomie.
Charakterystyka uczestnik贸w
Studia s膮 skierowane do os贸b, kt贸re zajmuj膮 si臋 przetwarzaniem i analiz膮 danych w pracy oraz u偶ywaj膮 danych do prognozowania i podejmowania decyzji biznesowych. W szczeg贸lno艣ci s膮 adresowane do:
- Pracownik贸w dzia艂贸w marketingu, bada艅 i analiz rynkowych
- Os贸b zarz膮dzaj膮cych markami, produktami i us艂ugami
- Pracownik贸w urz臋d贸w statystycznych
- Pracownik贸w naukowych
- Pracownik贸w firm badawczych
- Mened偶er贸w, w艂a艣cicieli ma艂ych i 艣rednich przedsi臋biorstw
Program
- Wprowadzenie do 艣rodowiska R i R Studio
- Przetwarzanie i czyszczenie danych
- Wizualizacja i raportowanie
- Detekcja i analiza wsp贸艂zale偶no艣ci
- Analiza szereg贸w czasowych
- Wielowymiarowa analiza danych
- Badania internetowe
- Wybrane zagadnienia Data Mining
- Analiza danych przestrzennych
- Analiza danych niekompletnych
- Badania symulacyjne
- Zaawansowane programowanie w R
Zastosowane metody
Program studi贸w obejmuje nauczanie praktyczne z naciskiem na zdobywanie umiej臋tno艣ci w zakresie przetwarzania danych i analiz statystycznych w 艣rodowisku R. Zaj臋cia maj膮 charakter warsztat贸w, praktycznych 膰wicze艅 i projekt贸w grupowych.
Dodatkowe informacje organizacyjne
Biuro Studi贸w Podyplomowych Centrum Edukacji Mened偶erskiej UEP
- tel. (61) 856 92 39
- e-mail: magdalena.baczkowska@ue.poznan.pl;
Uczestnik otrzymuje:
艢wiadectwo uko艅czenia studi贸w podyplomowych
Wiedza:
- Znajomo艣膰 zaawansowanych metod statystycznych.
- Umiej臋tno艣膰 analizy danych przy u偶yciu oprogramowania R.
- Zrozumienie zasad przetwarzania i czyszczenia danych.
- Wiedza na temat wizualizacji i raportowania wynik贸w analiz.
- Zrozumienie analizy szereg贸w czasowych.
- Wiedza w zakresie wielowymiarowej analizy danych.
- Znajomo艣膰 metod Data Mining.
- Wiedza na temat analizy danych przestrzennych.
- Zrozumienie zasad badania danych niekompletnych.
- Umiej臋tno艣膰 stosowania bada艅 symulacyjnych.
Umiej臋tno艣ci:
- Praktyczne stosowanie narz臋dzi do przetwarzania i czyszczenia danych.
- Tworzenie zaawansowanych wizualizacji danych.
- Wykorzystywanie narz臋dzi analitycznych do podejmowania decyzji biznesowych.
- Tworzenie raport贸w i prezentacji z wynik贸w analiz.
- Analiza wsp贸艂zale偶no艣ci i szereg贸w czasowych.
- Programowanie w R na poziomie zaawansowanym.
- Wykorzystywanie technik Data Mining.
- Przeprowadzanie analiz danych przestrzennych.
- Przeprowadzanie analiz danych niekompletnych.
- Prowadzenie bada艅 symulacyjnych.
Kompetencje spo艂eczne:
- Umiej臋tno艣膰 pracy w grupie nad projektami analitycznymi.
- Zdolno艣膰 rozwi膮zywania problem贸w analitycznych w dynamicznym 艣rodowisku.
- 艢wiadomo艣膰 etycznych aspekt贸w przetwarzania danych.
- Umiej臋tno艣膰 krytycznego my艣lenia w zakresie analiz danych.
- Zdolno艣膰 efektywnej komunikacji wynik贸w analiz.
- Zdolno艣膰 adaptacji do szybko zmieniaj膮cego si臋 艣rodowiska pracy.
- Odpowiedzialno艣膰 za podejmowane decyzje na podstawie analiz danych.
- Samodzielno艣膰 w podejmowaniu decyzji analitycznych.
- Skuteczno艣膰 w zarz膮dzaniu czasem i organizacj膮 pracy.
- Otwarto艣膰 na nowe technologie i narz臋dzia analityczne.