Home / Perkantoran / Kursus/Jasa SPSS | Teknik Ilmu Data Tingkat Lanjut di SPSS
Biaya Kursus Komputer Jogja Multimedia

Kursus/Jasa SPSS | Teknik Ilmu Data Tingkat Lanjut di SPSS

Asah keterampilan SPSS Anda dengan sempurna – pahami metode analisis data tingkat paling tinggi yang tersedia dalam program SPSS.

Apa yang akan Anda pelajari?

  • Lakukan regresi linier tingkat lanjut menggunakan teknik pemilihan prediktor
  • Lakukan semua jenis analisis regresi nonlinier
  • Buat prediksi menggunakan teknik k tetangga terdekat (KNN)
  • Gunakan pohon biner (CART) untuk prediksi (baik pohon regresi dan klasifikasi)
  • Gunakan pohon non-biner (CHAID) untuk prediksi (baik pohon regresi dan klasifikasi)
  • Membangun dan melatih multilayer perceptron (MLP)
  • Bangun dan latih jaringan saraf radial basis function (RBF)
  • Lakukan analisis cluster dua arah
  • Jalankan analisis kelangsungan hidup menggunakan metode Kaplan-Meier
  • Jalankan analisis kelangsungan hidup menggunakan regresi Cox
  • Validasi teknik prediktif (KNN, pohon, jaringan saraf) menggunakan pendekatan set validasi dan validasi silang
  • Simpan model analisis prediktif dan gunakan untuk prediksi data baru di masa mendatang

Persyaratan

  • Program SPSS diinstal (versi 21+)
  • Pengetahuan dasar SPSS
  • Pengetahuan statistik dasar atau menengah

Keterangan

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:

  • siswa
  • peneliti akademis
  • peneliti bisnis
  • siapa saja yang menyukai analisis data dan ilmu data
KURSUS KOMPUTER ONLINE DIMANAPUN ANDA BERADA

About Jogja Multimedia

Check Also

Kursus/Jasa Microsoft Access | Access VBA Cetak Biru Pemula untuk Akses Pemrograman

Untuk Mempelajari Visual Basic untuk Aplikasi & Melakukan Lebih Banyak dengan Basis Data Anda, Programkan …

Kursus/Jasa Microsoft Access | Microsoft Access VBA Untuk Non Programmer

Microsoft Access VBA dapat dipelajari dengan cepat bahkan jika Anda belum pernah melakukan pemrograman! Buat pekerjaan …

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *