Обучение по направлению IBM Business Analytics

Обучение по направлению IBM Business Analytics

IBM Business Analytics

Обучение по направлению IBM Business Analytics

Обучение по направлению IBM Business Analytics

Пройдя обучение по системам бизнес-анализа, вы сможете работать с программными продуктами IBM Cognos и IBM SPSS. Курсы разделены по степени сложности: полезные знания найдут для себя студенты, начинающие и опытные специалисты. В конце обучения выдается сертификат IBM.

Направление IBM Business Analytics

Название курса
Для кого
Дата
Заявка

IBM: Кластерные и ассоциативные модели в IBM SPSS Modeler (V16)

Этот курс для IBM И SPSS Modeler аналитиков, желающих ознакомиться со всем спектром методов моделирования в IBM SPSS Modeler для кластера, и создавать модели с помощью ассоциаций или последовательности данных.
31 августа -1 сентября (2 дня)
Описание:

Данный курс научит пользователей анализу текстовых данных при помощи IBM SPSS Modeler Text Analytics . Студенты будут видеть полный набор этапов по работе с текстовыми данными , от чтения текстовых данных в создании окончательные категории для дополнительного анализа. После создания окончательной модели , во время обучения рассмотрим, как применять эту модель для выполнения анализа Churn . Темы включают как автоматическое так и вручную создание и изменение категорий, также редактирование синонимов, типа и словарных исключений. Кроме того будет рассмотрено как выполнить Text Link Analysis и Кластерный анализ с текстовыми данными . Также включены примеры того, как создавать шаблоны ресурсов и пакеты Text Analysis чтобы поделиться работой с другими проектами и другими пользователями.

Содержание:

1-Введение в ассоциативность и моделирования-Приемы моделирования;Типы кластеризации;Правила связывания;Обнаружение последовательности;Какая техника, и когда;-Методы кластеризации и K-Means кластеризация-;Анализ и принципы кластера;Изучение K-Means кластеризации;Проверка K-Means узла;Изучить кластеризацию профилей;3-Методы кластеризации и K-Means кластеризация-Кластеризация с сетью Кохонена;Проверка узла сети Кохонена;4-Методы кластеризации и K-Means кластеризация;TwoStep кластеризация;TwoStep алгоритм;Узлы в TwoStep;5-Правила связывания-Рассмотрение Apriori алгоритма обнаружения ассоциации;Правило и измерение форматов;Изучение узла модели Apriori ;Определить правила просмотра и отображение статистики;Использование связей;Создание набора правил;Проверка набора правил в потоке;6-Современные правила связи-Современные правила связи;Изучить алгоритм Apriori;Изучение алгоритма Carma ; Варианты Apriori;Изучение оценки меры Apriori;Варианты Carma;Выбор способа и опций;Ведение Правил связи;7-Обнаружение последовательности-Изучение последовательности;Рассмотрение последовательности узлов;Изучение последовательности правил;Поддержка правил;Сортировка правил;Суперузлы;Экспорт правил;8-Продвинутые последовательности обнаружения-Изучение последовательность узлов;Определить опции последовательности узла;Изучение продвинутых вариантов; Изучение рекомендаций по времени;Генерирование последовательности результатов;Создание и изменеиние набора правил;Изучение результатов

Введение в IBM SPSS Text Analytics для IBM SPSS Modeler ( V16 )

Этот курс предназначен для тех, кто анализирует текстовые данные с целью создания прогнозных моделей или отчеты, основанные частично на текстовых данных. Для пользователей IBM SPSS Modeler Текстовая Аналитика.
-
Описание:

Данный курс научит пользователей анализу текстовых данных при помощи IBM SPSS Modeler Text Analytics . Студенты будут видеть полный набор этапов по работе с текстовыми данными , от чтения текстовых данных в создании окончательные категории для дополнительного анализа. После создания окончательной модели , во время обучения рассмотрим, как применять эту модель для выполнения анализа Churn . Темы включают как автоматическое так и вручную создание и изменение категорий, также редактирование синонимов, типа и словарных исключений. Кроме того будет рассмотрено как выполнить Text Link Analysis и Кластерный анализ с текстовыми данными . Также включены примеры того, как создавать шаблоны ресурсов и пакеты Text Analysis чтобы поделиться работой с другими проектами и другими пользователями.

Содержание:

1-Введение в Text Mining ;Описание Text Mining и его отношение к добыче данных ;Объяснение методологии CRISP-DM, и отношение к анализу текста;Описание шагов по проекту анализа текста ;Обзор Text Mining в IBM SPSS Modeler ;Объяснение узлов добычи текста доступных в Modeler ;Завершение типичного сеанса моделирования анализа текста;2- Чтение текстовых данных;Чтение текстов из документов;Просмотр текста из документов в Modeler ;Чтение текста из Web Feeds;3- Лингвистический анализ и анализ текста;Описание лингвистического анализа;Описание процесса извлечения текста;Описание классификации терминов и понятий;Описание шаблонов и библиотек;Описание Text Analysis Packages;Создание концептуальной модели Text Mining концептуальной модели ;Разработка модели концепта анализа текста;Сравнение моделей, основанных на использовании различных ресурсных шаблонов;Оценка данных модели ;Анализ результатов моделирования;Просмотр типов и понятий в Interactive Workbench ;Использование Interactive Workbench ;Обзор извлеченных понятий;Обзор извлеченных типов ;Обновление узла моделирования ;Редактирование лингвистических ресурсов ;Подготовка к лингвистическому редактированию;Разработка стратегии редактирования ;Определение Add Type;Определение Add Synonym;Определение Add ExclusionText re-extraction для просмотра изменений;Точная настройка ресурсов ;Обзор расширенных ресурсов ;Добавление нечетко группированных исключений ;Добавление нелингвистических сущностей ;Извлечение нелингвистических лиц ;Принуждение слова взять определенную часть речи Выполнение Text Link Analysis;Интерективное использование Text Link Analysis;Использование визуальной панели ;Использование узла Text Link Analysis ;Создание категории из шаблона ;Создание правил правила текствоых ссылок;Кластеризация понятий ;Создание кластеров;Использование визуальной панели ;Создание категорий из кластера ;Методы классификации;Описание подходов к классификации ;Описание языковой основы классификации ;Описание базовой частоты классификации ;Описание результатов различных методов классификации ;Создание категории ;Разработка стратегии классификации ;Создание категорий автоматически ;Создание категорий вручную ;Использование условных правил для создания категорий ;Оценка совпадения категорий;Продление категорий ;Импорт рамок кодирования ;Создание Text Analysis Packages;Управление лингвистическими ресурсами ;Использование редактора шаблонов ;Сохранение шаблонов ресурсов ;Описание местные и публичных библиотек;Добавление библиотек ;Издательские библиотеки ;Распределение библиотеки ;Распределение шаблонов;Резервное копирование ресурсов ;Использование Text Mining Models ;Исследование моделей анализа текста ;Разработка модели с количественными и качественными данными ;Оценка новых данных ;Приложение А: Процесс Text Mining ;Обзор процесса Text Mining

Введение в нейронные сети IBM SPSS

Если Вы пользователь статистики IBM (IBM SPSS или Статистика SPSS) или пользователь в какой-либо прикладной области, который хочет узнать больше о моделях нейронной сети и их применении, то этот промежуточный курс будет представлять интерес для Вас.
-
Описание:

Этот курс охватывает использование и применение моделей нейронных сетей статистоки IBM SPSS. Модели нейронной сети используются, чтобы предсказать результирующую переменную, которая будет точной или находиться в интервале, используя предсказатели, той же точности. Нейронные сети востребованы при моделировании сложной процессов (например, финансовые документы).

Содержание:

Введение в Нейронные сети SPSS; Подготовка данных; Многослойное восприятие процедур; Радиальная основная процедурная функция

Введение в IBM SPSS Decision Trees (V19)

Данный курс предназначен для:Пользователей IBM SPSS Statistics, желающих расширить знания возможностей IBM SPSS Statistics для статистического анализа данных.Всех желающих актуализировать знания и опыт в статистическом анализе при помощи IBM SPSS Statistics.
-
Описание:

Данный двухдневный курс является программно-ориентированным введением в стаВведение в IBM SPSS деревья решений - двухдневный курс, который охватывает принципы и практику основанную на дереве решения и методах регресса, доступных в IBM SPSS Decision Trees . Будет освещено общее введение в особенности IBM, модуль SPSS Decision Trees и обзор методов Decision Trees. Это методы (CHAID, Exhaustive CHAID, CRT и QUEST) которые используются, чтобы выполнить классификацию, сегментацию и предсказывающее моделирование в широком диапазоне бизнеса и областей исследования. Методы, которые обсуждены и проведено сравнение, исследования выполнены, и получены результаты.

Содержание:

Введение в IBM SPSS Decision Trees;Расширение CHAID и дополнительные функции ; Деревья решений CRT ; Деревья регресса CRT ; Анализ поиска

Введение в статистический анализ с использованием IBM SPS Statistics (V21)

Данный курс предназначен для:Пользователей IBM SPSS Statistics, желающих расширить знания возможностей IBM SPSS Statistics для статистического анализа данных.Всех желающих актуализировать знания и опыт в статистическом анализе при помощи IBM SPSS Statistics.
-
Описание:

Данный двухдневный курс является программно-ориентированным введением в статистический компонент IBM® SPSS® Statistics. В курсе приводится обзор нескольких статистических методов, примеры использования этих методов, необходимые начальные условия, способы проведения анализа и интерпретации результатов. В курсе рассматривается широкий спектр технологий для исследования данных, а также изучения взаимосвязей. Слушатели изучат, в каких ситуациях необходимо использовать тот или иной метод, как интерпретировать результаты анализа, а также возможности графического представления результатов.

Содержание:

1-Введение в статистический анализ-Основные этапы исследования данных;Понятия генеральной совокупности и выборки;Экспериментальные и неэкспериментальные исследования;Зависимые и независимые переменные;2-Распределение данных-Уровни измерений в IBM SPSS Statistics;Меры центральной тенденции и рассеяния;Нормальное распределение и Z-показатели;3-Распределение категорийных переменных-Анализ частот;Интерпретация результатов анализа частот;4-Распределение количественных переменных-Использование частот, описательных статистик и разведочного анализа;Интерпретация результатов разведочного анализа, анализа частот и описательных статистик;5-Выводы о генеральной совокупности на основании выборок-Влияние размера выборки;Понятие вероятности;Проверка статистических гипотез;Статистические ошибки первого и второго рода;Различие между статистической и практической значимостью;6-Взаимосвязь между категорийными переменными-Применение сопряженных таблиц;Выбор подходящей статистики;Интерпретация данных сопряженных таблиц;Критерий Хи-квадрат и интерпретация результатов;Использование конструктора диаграмм для визуализации данных сопряженных таблиц;Использование синтаксиса для построения сопряженных таблиц;7-T-критерий для независимых выборок-Необходимые условия T-критерия для независимых выборок;T-критерий для проверки разницы средних значений;Интерпретация результатов T-критерия для независимых выборок;Использование конструктора диаграмм для построения столбчатой диаграммы ошибок;8-T-критерий для парных выборок-Процедура использования T-критерия для парных выборок;Интерпретация результатов T-критерия для парных выборок;9-Однофакторный дисперсионный анализ-Применение однофакторного дисперсионного анализа;Необходимые условия для однофакторного дисперсионного анализа;Интерпретация результатов однофакторного дисперсионного анализа;Построение столбчатой диаграммы ошибок в конструкторе диаграмм для графического представления разницы средних;10-Двумерные графики и корреляции для количественных переменных-Визуальная оценка взаимосвязи двух количественных переменных при помощи диаграмм рассеяния;Условия использования и понятие коэффициента корреляции Пирсона;Интерпретация коэффициента корреляции Пирсона;Описание опций двумерной корреляции;11-Регрессионный анализ-Начальные условия для выбора линейной регрессии;Опции диалогового окна линейной регрессии;Интерпретация результатов линейной регрессии;Автоматизированное линейное моделирование;12-Непараметрические критерии-Применение непараметрических критериев;Опции диалогового окна непараметрических критериев;Интерпретация результатов применения непараметрических критериев

IBM Cognos BI What's New: 8.4 to 10.2 (V10.2)

-

Содержание:

Содержание курса будет позже.

IBM Cognos Report Studio: Author Professional Reports Advanced (V10.2)

-

30-31 июля (2 дня)

Содержание:

Содержание курса будет позже.

IBM Cognos Workspace Advanced: Author Self-Service Reports (V10.2.2)

-

13-14 июля (2 дня)

Содержание:

Содержание курса будет позже.

IBM Cognos Disclosure Management (V10.2)

-

21-23 октября (3 дня)

Содержание:

Содержание курса будет позже.

IBM Cognos Framework Manager: Design Metadata Models (V10.2.2)

-

2-6 ноября (5 дней)

Содержание:

Содержание курса будет позже.

IBM Cognos Report Studio: Authoring Professional Reports Fundamentals (V10.2.2)

-

9-11 ноября (3 дня)

Содержание:

Содержание курса будет позже.

IBM Cognos Report Studio: расширенные возможности разработки профессиональных отчетов (V10.2)

Данный курс средней сложности предназначен для разработчиков профессиональных отчетов в IBM Cognos.

12-13 ноября (2 дня)

Описание:

IBM Cognos Report Studio: разработка профессиональных отчетов(V10.2) – это пятидневный курс средней сложности, который предназначен для профессиональных разработчиков отчетов. Курс посвящен изучению основных и дополнительных приемов создания отчетов с использованием реляционных моделей данных , методам расширения и кастомизации функциональности отчетов, управлению профессиональными отчетами. В процессе изучения концепций и приемов, слушатели принимают участие в серии практических занятий.

Содержание:

1-Создание моделей из запросов в отчете-Построение моделей запросов и связывание их с макетом отчета;Редактирование SQL для создание кастомизированных запросов;Добавление фильтров и запросов к пользователю в отчете моделью из запросов;2-Создание запросов в отчете на основе связей-Создание отчетов слиянием результатов запросов;Создание отчетов объединением запросов;Комбинирование контейнеров с данными на основе связей из разных запросов;3-Создание дополнительной динамики в отчетах-Фильтрация отчетов по значениям параметров сессии;Навигация с использоваением страницы содержания;Создание динамических заголовков отражающих содержание отчета;Навигация в указанное место в отчете с использоанием определений сквозного перехода;4-Сознание эфективных запросов к пользователю-Контроль отображения отчета с использованием запросов к пользователю;Определение значений для условного форматирования с использованием запросов к пользователю;Определение условий отображения объектов на основе выбора пользователя;Создание отфильтрованных и сортированнных отчетов на основе выбора пользователя;5-Дополнительные приемы создания отчетов-Создание отчета, отображающего суммированные данные раньше детальных;Черезстрочное выделение строк в табличном отчете;Создание отчета с использованием внешнего файла с данными;Использование единого объекта данных для суммирования информации отчета;6-Изучение спецификации отчета-Изучение структуры спецификации отчета;Изменеие спецификации отчета;Добавление кастомизированных шаблонов и инструментов в интерфейс;7-Рассылка отчетов-Рассылка отчетов с использованием механизма массовой рассылки;Создание ключей для массовой рассылки;Определение получателей и объектов данных используя таблицы массовой рассылки;Рассылка отчетов по электронной почте и IBM Cognos Connection;8-Расширение взаимодействия с пользователем с HTML-Создание всплывающих подсказок, поясняющих данные;Отправка электронной почты с использованием ссылки в отчете;9-Анализ данных с использованием статистических отчетов-Описание типов статистических отчетов;Обзор описательной статистики;Обзор статистических графиков;Заключительный семинар (опция);Изучение API запросов к пользователю (опция)

IBM Cognos Report Studio: Author Reports with Multidimensional Data (V10.2.2)

-

16-17 ноября (2 дня)

Содержание:

Содержание курса будет позже.