weiterbildung.swiss - Navigation

Das Schweizer Kursportal powered by:
Logo, SVEB - Schweizerischer Verband für Weiterbildung
fr it

CAS Statistical Modelling

Beschreibung

Folgende Fragestellungen stehen im Zentrum des CAS Statistical Modelling:

  • Welche erweiterten Regressionsmodelle gibt es und wie werden sie eingesetzt?
  • Wie gehen wir mit zensierten Beobachtungen um, die bei Wartezeitanalysen entstehen?
  • Was ist Network Analysis und wie kann sie für Unternehmen gewinnbringend eingesetzt werden?
  • Wie können Routineanalysen und deren Reports automatisiert werden?
  • Wie können Browser-Interfaces für spezifische Analysen erstellt werden?

Das CAS Statistical Modelling ist Bestandteil des DAS Data Science und des MAS Data Science.

Ziel

Die Absolventinnen und Absolventen des CAS Statistical Modelling

  • können generalisierte lineare und additive Modelle (GLM, GAM) zur Analyse von Daten einsetzen,
  • können zensierte Wartezeitdaten mit geeigneten statistischen Modellen analysieren,
  • können mit diesen Modellen entsprechende Vorhersagen machen und ihre Genauigkeit beurteilen,
  • können Methoden aus der Network Analysis für das Unternehmen gewinnbringend einsetzen,
  • können aus graphischen Modellen kausale Effekte abschätzen,
  • können Modelleignung überprüfen und Modelle geeignet datengestützt weiterentwickeln,
  • können Routineanalysen und entsprechende Reports automatisieren,
  • können Browser-Interfaces für spezifische Analysen erstellen.

Inhalt

Modul A "Information Processing with R"

Lernziele

  • Sie können mit R automatische Berichte direkt aus der Datenanalyse erzeugen
  • Sie können geeignete Tools für die Datenaufbereitung einsetzen
  • Sie können die verschiedenen Grafik-Systeme adäquat einsetzen
  • Sie können für eine einfache Analyse ein Shiny-Interface erstellen
  • Sie sind in der Lage, eine Auswertungsstrategie zu entwickeln

Inhalte

  • Reporting tools (R Markdown, knitr/sweave)
  • Data wrangling
  • Data Visualisation
  • Erstellen von Browser-Interfaces für spezifische Analysen (shiny)
  • Entwerfen einer Analysestrategie (Projektarbeit)

Modul B "Advanced Regression Modelling"

Lernziele

  • Sie sind vertraut mit praxisrelevanten Methoden der multiplen Regressionsrechnung bei nicht normalverteilten Zielgrössen
  • Sie erkennen, auf welchen Prinzipien diese Methoden beruhen und können die Resultate aus den Anpassungen interpretieren
  • Sie können beurteilen, ob das Modell zu den Daten passt
  • Sie können ein generalisiertes Regressionsmodell datengestützt entwickeln

Modul C "Analysis of Time to Event Data"

Lernziele

  • Sie sind mit gängigen Modellen für Warte- und Ausfallzeiten vertraut
  • Sie kennen das Konzept der Hazardrate
  • Sie kennen die Effekte der Zensierung auf die Inferenz
  • Sie können die Resultate aus den Anpassungen interpretieren
  • Sie können beurteilen, ob das Modell zu den Daten passt

Inhalte

  • Modelle für Warte- und Ausfallzeiten
  • Zensierung
  • Hazardrate
  • Inferenz (Schätzen, Testen, Vertrauensintervalle, Prognose)
  • Modelleignung

Modul D "Network Analysis"

Lernziele

  • Sie kennen die (graphentheoretischen) Grundlagen der Netzwerkanalyse
  • Sie können mit Softwaretools wie zum Beispiel igraph und Gephi Netzwerke analysieren und darstellen
  • Sie verstehen die Grundlagen der Diffusion in Netzwerken
  • Sie können ausgehend von Ähnlichkeiten Daten graphisch zweidimensional visualisieren
  • Sie können graphische Modelle aufsetzen und damit kausale Effekte und Auswirkungen von Interventionen aus Daten schätzen

Inhalte

  • Eigenschaften und Modelle sozialer Netzwerke (small world / Skalenfreiheit, Erdös / Barabási Modelle)
  • Zentralitätsmasse und Community-Strukturen (Wer sind die Key Users für das Marketing?)
  • Diffusion in (sozialen) Netzwerken (Wie breiten sich Gerüchte oder Epidemien aus, wie setzen sich Innovationen oder Theorien durch?)
  • Visualisierung von (grossen) Netzwerken und 2-dim embedding (verallgemeinerte MDS)
  • Graphische Modelle und Kausalität

Voraussetzung

Die Zulassung zu einem CAS setzt grundsätzlich einen Hochschulabschluss (Fachhochschule, HTL, HWV, Uni, ETH) voraus. Es können aber auch Praktikerinnen und Praktiker mit vergleichbarer beruflicher Kompetenz zugelassen werden, wenn sich die Befähigung zur Teilnahme aus einem anderen Nachweis ergibt. Über die definitive Zulassung entscheidet die Studienleitung.

Die Zulassung zum CAS Statistical Modelling setzt zudem den erfolgreichen Abschluss des CAS Datenanalyse voraus.

Zielgruppe

Das CAS Statistical Modelling richtet sich an Personen,

  • die Unternehmensdaten oder öffentliche Daten bearbeiten (z.B. Analytiker/innen),
  • die datengestützte Entscheidungsgrundlagen (Berichte und/oder statistische Modelle) liefern müssen,
  • die Produktions- oder Betriebsprozesse überwachen und regeln,
  • die Kundendaten auswerten.

Weitere Informationen

Datum 20.02.20
Kursort ZHAW
Technikumstrasse 9
8401 Winterthur
+41 58 934 74 28
Preis CHF 5900.-
 
Mit Ihrem Besuch auf unserer Website stimmen Sie unserer Datenschutzerklärung und der Verwendung von Cookies zu. Dies erlaubt uns unsere Services weiter für Sie zu verbessern. OK