Data Science / Statistik / R Foundation / R / Explorative Analysen mit R

R - Explorative Analysen mit R



ID 1252628
Klassenraum 3 Tage
Webinar 5 Tage
Methode Vortrag mit Beispielen und Übungen.
Vorwissen Grundlagen der Statistik
Zielgruppe Datenanalysten


  • Wichtige Variablen über die Hauptkomponentenalyse identifizieren
  • Cluster-Analyse für Segmentierung von Daten nutzen
  • Faktoren aus Variablen ableiten und bestätigen
  • Gemeinsamkeiten und Unterschiede in Daten bestimmen


Unterschiede und Gemeinsamkeiten analysieren
Analysieren und messen Sie Ähnlichkeiten
Ableiten von Faktoren und wesentlichen Variablen
Entdecken Sie den Zusammenhang von Variablen und identifizieren Sie Faktoren
Cluster-Analyse für Segmentierung von Daten nutzen
Erkennen Sie Gemeinsamkeiten und Gruppen in Ihren Daten
Analysieren Sie kategoriale Daten
Visualisieren und bewerten Sie Kreuztabellen mit der Korrespondenzanalyse



Nutzen Sie verschiedene Verfahren, um wichtige Variablen zu entdecken, Variablen zu Faktoren zusammenzufassen und Unterschiede und Gemeinsamkeiten in Ihren Daten zu entdecken.



Sie erhalten das von Ihrem Dozenten Marco Skulschus veröffentlichte Fachbuch.

Services:

  • Mittagessen / Catering
  • Hilfe bei Hotel / Anreise
  • Comelio-Zertifikat
  • Flexibel: Bis 10 Tage vorher kostenlos stornieren

Übersicht

Die explorative Datenanalyse ist ein Teilgebiet der Statistik. Sie untersucht und begutachtet Daten, von denen nur ein geringes Wissen über deren Zusammenhänge vorliegt. Dieses Seminar stellt zunächst vier wesentliche Methoden der multivariaten explorativen Analyse vor: die Hauptkomponentenanalyse (Principal Component Analysis, PCA) für quantitative Variablen, die Korrespondenzanalyse (Correspondence Analysis, CA) und die multiple Korrespondenzanalyse (Multiple Correspondence Analysis, MCA) für kategoriale Variablen und schließlich die (hierarchische) Cluster-Analyse. Als übergeordnete Methode für PCA und M/CA lernen die Teilnehmer dann die Multiple Faktorenanalyse (Multiple Factor Analysis, MFA) kennen. Ausgehend von der geometrischen Betrachtung der Daten zeigt dieses Seminar die verschiedenen Analysetechniken in ihren Grundzügen, weist auf Möglichkeiten hin, Daten bzw. Objekte zu visualisieren und Zusammenhänge in den Daten aufzuzeigen. Die praktischen Beispiele erfolgen mit R und dem FactoMineR, einem speziellen R-Paket für die explorative Datenanalyse.

Termine

  • 2020-Nov-02 - Nov-04
  • 2021-Jan-11 - Jan-13
  • 2021-Mar-22 - Mar-24
  • 2021-May-31 - Jun-02

1450 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-09 - Nov-11
  • 2021-Jan-18 - Jan-20
  • 2021-Mar-29 - Mar-31
  • 2021-Jun-07 - Jun-09

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-09 - Nov-11
  • 2021-Jan-18 - Jan-20
  • 2021-Mar-29 - Mar-31
  • 2021-Jun-07 - Jun-09

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Nov-09 - Nov-11
  • 2021-Jan-18 - Jan-20
  • 2021-Mar-29 - Mar-31
  • 2021-Jun-07 - Jun-09

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-26 - Oct-28
  • 2021-Jan-04 - Jan-06
  • 2021-Mar-15 - Mar-17
  • 2021-May-24 - May-26

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-26 - Oct-28
  • 2021-Jan-04 - Jan-06
  • 2021-Mar-15 - Mar-17
  • 2021-May-24 - May-26

1500 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-26 - Oct-28
  • 2021-Jan-04 - Jan-06
  • 2021-Mar-15 - Mar-17
  • 2021-May-24 - May-26

1480 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-19 - Oct-21
  • 2020-Dec-28 - Dec-30
  • 2021-Mar-08 - Mar-10
  • 2021-May-17 - May-19

1550 EUR zzgl. MwSt.

Standort | Anmeldung

  • 2020-Oct-19 - Oct-23
  • 2020-Dec-28 - Jan-01
  • 2021-Mar-08 - Mar-12
  • 2021-May-17 - May-21

950 EUR zzgl. MwSt.

Standort | Anmeldung


Inhalt

Hauptkomponentenanalyse

Einführung in die Hauptkomponentenalyse / Principal Component Analysis (PCA) - Analysefragen: Individuen, Variablen und Beziehungen - Ableitung der Komponenten und Test auf Signifikanz - Erweiterte Analyse mit zusätzlichen quantitativen und kategorialen Variablen - Durchführung der Analyse mit R und FactorMineR

Korrespondenzanalyse

Einführung in die Korrespondenzanalyse / Correspondence Analysis (CA) - Zielsetzungen der Analyse - Abhängigkeit und Unabhängigkeit - Daten (Reihen und Spalten) und ihre Profile analysieren und Ergebnisse interpretieren - Durchführung der Analyse mit R und FactorMineR

Multiple Korrespondenzanalyse

Einführung in die Multiple Korrespondenzanalyse / Multiple Correspondence Analysis (MCA) - Zielsetzungen der Analyse - Distanzmaße für Individuen und Kategorien und ihre Interpretation - Interpretation der Ergebnisse - Durchführung der Analyse mit R und FactorMineR

Clustering

Einführung in die Clusteranalyse - Messen der Ähnlichkeit von Individuen und Gruppen - Techniken der Clusteranalyse: Der k-Means Algorithmus und die Ward Methode - Partitionierende und hierarchische Verfahren - Clustering und Hauptkomponentenalyse - Interpretation der Ergebnisse - Durchführung der Analyse mit R und FactorMineR

Multiple Faktorenanalyse

Einführung in die Multiple Faktorenanalyse / Multiple Factor Analysis (MFA)- Techniken der MFA: Gewichtungen von Variablen(gruppen), Faktoren und ihre Bedeutung für alle oder einzelne Variablengruppen, Vergleiche von Variablengruppen, Hierarchische Strukturen - Durchführung der Analyse mit R und FactorMineR

Dozent/in

Unser Trainer für Statistik und Data-Mining mit R Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken, Datenanalyse und als Berater für statistische Analyse mit R. Teilnehmer/innen seiner R-Seminare sind Betriebswirte / Volkswirtschaftler, Ingenieure und Doktoranden, die für Statistik und Data Mining R einsetzen wollen.

Veröffentlichungen
  • Grundlagen empirische Sozialforschung ISBN 978-3-939701-23-1
  • System und Systematik von Fragebögen ISBN 978-3-939701-26-2
  • Oracle SQL ISBN 978-3-939701-41-5
  • SQL Server 2012: Data Mining und multivariate Verfahren ISBN 978-3-939701-85-9
  • SQL und relationale Datenbanken ISBN 978-3-939701-52-1
Projekte

Als Berater konzipiert Herr Skulschus Analysesysteme auf Basis von relationalen Datenbanken und entwickelt dann statistische Modelle und Analysen mit R-Programmierung. Zu seinen Kunden zählen Marktforschungsunternehmen, Marketing-Abteilungen sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung oder auch Forschungseinrichtungen.

Forschung

Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.