SAS/ETS

Nazwa szkolenia Poziom szkolenia Rodzaj szkolenia
Establishing Causal Inferences: Propensity Score Matching, Heckman's Two-Stage Model, Interrupted Time Series, and Regression Discontinuity Models Business Knowledge Series
This course introduces some methods commonly used in program evaluation and real-world effectiveness studies, including two-stage modeling, interrupted time-series, regression discontinuity, and propensity score matching. These methods help address questions such as: Which medicine is more effective in the real world? Did an advertising program have an impact on sales? More generally, are the changes in outcomes causally related to the program being run?

3 zaawansowany e-Learning
Using SAS Forecast Server Procedures
This course teaches you how to create and manage a complete forecasting system using the SAS Forecast Server procedures, giving you the power to confidently plan your business operations.

3 zaawansowany Classroom Live Web Classroom e-Learning
Statystyka 2: analiza wariancji i regresja
Szkolenie uczy jak analizować dane o odpowiedzi ciągłej oraz dyskretnej. Podczas szkolenia zostaną przedstawione modele: regresja liniowa, regresja Poissona, ujemny rozkład dwumianowy (rozkład Pascala), regresja gamma, analiza wariancji (ANOVA), regresja liniowa ze zmiennymi wskaźnikowymi, analiza kowariancji (ANCOVA) i mieszane modele ANOVA.

3 zaawansowany Classroom Live Web Classroom e-Learning
Podstawy modelowania szeregów czasowych
Kurs obejmuje podstawy modelowania danych szeregów czasowych i skupia się na zastosowaniu trzech głównych typów modeli wykorzystywanych do analizy jednorodnych szeregów czasowych: wygładzanie wykładnicze, autoregresywna zintegrowana średnia krocząca ze zmiennymi egzogenicznymi (ARIMAX) oraz składniki nieobserwowalne (UCM).

3 zaawansowany Classroom Live Web Classroom e-Learning
Wydobywanie i tworzenie cech szeregów czasowych
W tym kursie dowiesz się o eksploracji danych, tworzeniu cech i wyborze cech dla sekwencji czasowych. Omówione zostaną takie zagadnienia jak: binowanie, wygładzanie, transformacje i operacje na zbiorach danych dla szeregów czasowych, analiza spektralna, analiza widm pojedynczych, miary odległości i analiza motywów.

3 zaawansowany Classroom Live Web Classroom e-Learning
Modele dla szeregów czasowych i danych sekwencyjnych
Kurs uczy uczestników budować, udoskonalać, ekstrapolować, a w niektórych przypadkach interpretować modele zaprojektowane dla pojedynczej, sekwencyjnej serii. Przedstawione są trzy podejścia do modelowania. Tradycyjne podejście Boxa-Jenkinsa do modelowania szeregów czasowych jest omawiane w pierwszej części kursu. Prezentacja przechodzi od modeli dla danych stacjonarnych (lub ARMA) do modeli dla trendu i sezonowości (ARIMA) i kończy się informacją o określeniu składników funkcji transferu w modelu ARIMAX, lub regresji szeregów czasowych. Następnie rozważane jest bayesowskie podejście do modelowania szeregów czasowych. Podstawowe ramy Bayesa są rozszerzone, aby uwzględnić autoregresyjną zmienność w danych, jak również dynamiczne efekty zmiennych wejściowych. Algorytmy uczenia maszynowego dla szeregów czasowych to trzecie podejście. Algorytmy Gradient boosting i rekurencyjne sieci neuronowe są szczególnie dobrze przystosowane do uwzględnienia nieliniowych zależności w danych. Przykłady są dostarczane w celu zbudowania intuicji na temat efektywnego wykorzystania tych algorytmów. Kurs kończy się rozważeniem, jak można poprawić precyzję prognozowania poprzez połączenie mocnych stron różnych podejść. Ostatnia lekcja zawiera demonstracje tworzenia łączonych (lub zespolonych) i hybrydowych prognoz modelowych.

3 zaawansowany Classroom Live Web Classroom e-Learning
Testowanie stacjonarności i inne tematy dotyczące szeregów czasowych Business Knowledge Series
Kurs ten dotyczy podstawowego pytania w modelowaniu i prognozowaniu szeregów czasowych: czy szereg czasowy jest niestacjonarny. Pytanie to jest rozwiązywane przez testy pierwiastka jednostkowego. Jeden z najbardziej popularnych testów, test Dickey-Fullera, jest omówiony w tym wykładzie.

4 ekspert Live Web Classroom e-Learning
Forecasting Using SAS Software: A Programming Approach
This course teaches analysts how to use SAS/ETS software to diagnose systematic variation in data collected over time, create forecast models to capture the systematic variation, evaluate a given forecast model for goodness of fit and accuracy, and forecast future values using the model. Topics include Box-Jenkins ARIMA models, dynamic regression models, and exponential smoothing models.

4 ekspert Classroom Live Web Classroom e-Learning
State Space Modeling Essentials Using the SSM Procedure in SAS/ETS
This course covers the fundamentals of building and applying state space models using the SSM procedure (SAS/ETS). Students are presented with an overview of the model and learn advantages of the State Space approach. The course also describes fundamental model details, presents some straightforward examples of specifying and fitting models using the SSM procedure, and considers estimation in SSM, focusing on the Kalman filter and related details. The course concludes with a variety of SSM modeling applications, focused mainly on time series.

4 ekspert Classroom Live Web Classroom e-Learning