Data Science / Bayessche Statistik / R Foundation / R / Statistische Analyse mit Bayesschen Netzen

R - Statistische Analyse mit Bayesschen Netzen

Details

ID	1253211
Klassenraum	2 Tage 9:00-16:30
Webinar	4 Tage 9:00-12:30
Methode	Vortrag mit Beispielen und Übungen.
Vorwissen	Grundlegende Statistikkenntnisse
Zielgruppe	Datenanalysten

R Statistische Analyse mit Bayesschen Netzen Training

Beschreibung

Nutzen Sie Bayessche Netze für allgemeine Datenanalyse, um zeitbezogene Modelle aufzubauen und Schlussfolgerungen aus Daten zu ziehen.

Spezial

Bayessche Statistik mit R verwenden.

Services

Mittagessen / Catering
Hilfe bei Hotel / Anreise
Comelio-Zertifikat
Flexibel: Bis einen Tag vorher kostenlos stornieren

Übersicht

R Statistische Analyse mit Bayesschen Netzen Training Ein bayessches Netz / Bayes’sches Netz ist ein gerichteter azyklischer Graph, in dem die Knoten Zufallsvariablen und die Kanten bedingte Abhängigkeiten zwischen den Variablen beschreiben. Jedem Knoten des Netzes ist eine bedingte Wahrscheinlichkeitsverteilung der durch ihn repräsentierten Zufallsvariable gegeben, die Zufallsvariablen an den Elternknoten zuordnet. Ein Bayes’sches Netz dient dazu, die gemeinsame Wahrscheinlichkeitsverteilung aller beteiligten Variablen unter Ausnutzung bekannter bedingter Unabhängigkeiten möglichst kompakt zu repräsentieren. Dieses Seminar erläutert die verschiedenen Analysetechniken, die mit bayesschen Netzen möglich sind, erklärt übersichtlich die verschiedenen Algorithmen und zeigt anhand von konkreten Beispielen in R, wie Sie diese Techniken auf konkrete Daten anwenden können. Dabei lernen Sie für die Analyse und das automatische Lernen von Strukturen die Pakete bnlearn, deal, pcalg und catnet kennen, während für das Lernen von Parametern und Inferenzen die Pakete gRbase und gRain genutzt werden. Des Weiteren lernen Sie für die Analyse von zeitbezogenen Daten Pakete wie vars, lars, simone und GeneNet kennen.

Termine

Wir überarbeiten gerade unsere Webseite und die Seminare. Neue Termine gibt es erst ab 2025. Wir bieten dieses Seminar weiterhin als Inhouse-Seminar für Sie und Ihr Team an.

Inhalt

R Statistische Analyse mit Bayesschen Netzen Seminar

Einführung in Graphentheorie und Bayessche Netze

Graphen - Knoten - Kanten - Der Graph und seine Strukturen - Von Graphen zu Bayessche Netze

Bayessche Netze bei statischen Daten

Bayessche Netze: Definitionen, Verbindungen, Strukturen und Wahrscheinlichkeiten, Markov Blankets - Statische Modellierung: Constraint-Based Structure Learning Algorithms, Score-Based Structure Learning Algorithms, Hybrid Structure Learning Algorithms, Lernen von Parametern

Bayessche Netze bei zeitbezogenen Daten

Zeitreihenanalyse und Vektorautoregressive Prozesse (VAR) - Dynamische Bayessche Netze für VAR - Algorithmen: Least Absolute Shrinkage and Selection Operator (LASSO), James–Stein Shrinkage, First-Order Conditional Dependencies Approximation

Bayessche Netze und Inferenz

Schlussfolgerung unter Unsicherheit: Probabilistische Schlussfolgerungen, Kausale Inferenz - Inferenzen: Exakte und approximative Inferenz

Dozent/in

R Statistische Analyse mit Bayesschen Netzen Trainer

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.