Introductie
Advanced Regression Techniques
Regressie is een paraplu-term voor het toepassen van verschillende technieken om relaties te vinden in jouw dataset. Dus: het maken van modellen door middel van regressietechnieken. Hoewel het uitvoeren van een regressieanalyse vereenvoudigd is door de verdere ontwikkeling van software, betekent dit niet dat de onderliggende theorie niet meer relevant is.
Ook nu nog is het van belang dat jij weet waarom, wanneer en welke techniek het beste is voor jouw vraagstuk en de data die jij voorhanden hebt. Verder staat een regressieanalyse nooit op zichzelf. Zo kan het zijn dat er data ontbreekt of lijken de variabelen geen directe relatie te hebben. Het ontwikkelen van een gedegen model blijft lastig en vereist, nog steeds, de nodige kennis van statistiek, kansverdeling en programmeren.
Waarom deze opleiding?
Goed onderzoek vereist een gedegen analyse. Dat betekent dat jij niet alleen weet hoe jij het meest uit jouw data kunt halen, maar dat jij ook weet wat juist niet kan. Wat er ontbreekt en wat de gebreken zijn van de data en daarmee ook van de analyse die jij hebt uitgevoerd. Dit is niet alleen noodzaak voor als jij iets wilt publiceren of jouw studie wilt laten goedkeuren door een agentschap, maar ook wanneer jij belangrijke bedrijfsprocessen wilt bespoedigen op basis van jouw data. Regressie is geen druk-op-de-knop magie, hoewel er hedendaags maar weinig inspanning nodig is om een resultaat te krijgen. Of dat resultaat het juiste resultaat is vereist kennis, kunde en ervaring. Daarom heet deze cursus ook “Advanced Regression Techniques”. Niet omdat we de basis niet behandelen, maar omdat wij jou het gereedschap willen meegeven zodat jij op weg kunt. Ook wanneer er in de data gaten zitten, relaties onvindbaar lijken en jouw werk toch aan officiële richtlijnen moet voldoen.
Inhoud
Leerdoelstelling
Leren werken met verschillende soorten uitkomsten buiten de normaalverdeling.
Leren werken met multi-level modellen en non-lineaire verbanden.
Leren hoe je een model moet beoordelen en die beoordeling kunt gebruiken om je model aan te passen.
Leren hoe jij jouw model helder naar derden kunt presenteren.
Bovenstaande uitvoeren in R.
Programma
Dag 1: Verschillende soorten uitkomsten – de Y’s
Welke verschillende soorten uitkomsten zijn er?
De exponentiele familie ontmoeten.
Dag 2: Verschillende soorten variabelen – de X’s
Multi-level modellen – zoeken naar én implementeren van variatie.
Splines: op zoek naar non-lineaire verbanden
Dag 3: Je model beoordelen en verder ontwikkelen – de X’s en Ys samen.
Penalization & Overfitting: selecteren van de meest optimale combinatie van X en Y.
Calibratie/validatie: hoe beoordeel je jouw model?
Presentatie: hoe zorg je dat je model geen black-box is?
Locatie
Leren en studeren in ons Academy lokaal in Nieuwegein is door de inrichting zeer prettig. Je bent van alle gemakken voorzien als aankomend professional in bayesiaanse statistiek. Koffie en fris is binnen handbereik en er wordt dagelijks gezorgd voor versnaperingen en een lunch of diner. In het direct aanpalende restaurant kun je een potje poolen of racen op onze Playseat ter ontspanning.
In het lokaal kun je op het grote scherm de presentatie goed volgen en alle uitleg die gegeven wordt op het elektronische whiteboard, kun je toegestuurd krijgen. Het lokaal is ruim opgezet waarbij het mogelijk blijft om genoeg interactie te hebben tussen de docent en de cursist.
Het is ook mogelijk om de lessen op afstand te volgen. Door middel van het cameravolgsysteem in het lokaal kun je meekijken vanuit huis en heb je dezelfde ervaring als wanneer je in het lokaal zit. Wanneer je je camera aanzet kunnen de docent en cursisten je ook zien en verhoog je de interactie met je medecursisten. Vanaf je werkplek thuis of op kantoor kan je gewoon meepraten met de andere cursisten in het lokaal.
Investering
Investering
De investering voor Advanced Regression Techniques is €1.785,- (excl. BTW)
VROEGBOEKKORTING:
Als je boekt voor 4 oktober 2022 betaal je €1.599,- (excl. BTW)
In de cursus zijn inbegrepen:
3 lesdagen op locatie of vanaf je werkplek
Lesmateriaal & studieboeken
Lunch of diner op de lesdagen
Koffie, thee, fris en versnaperingen tijdens de lesdagen
Fiscale aftrekbaarheid
Vanaf 1 januari 2022 zijn studiekosten niet meer aftrekbaar. In plaats hiervan komt het STAP-budget .
DIKW Alumni krijgen 10% korting.
Heb je al eens een opleiding, cursus of training bij ons gevolgd dan krijg je van ons 10% korting op de volgende cursus, training of opleiding.
Hiervoor dien je je wel aangemeld te zijn als DIKW Academy Alumni.
Ben je nog niet aangemeld?
Doe dat dan via deze link .
Aanmelden
Toelating
Er is geen specifieke voorkennis nodig. Het helpt natuurlijk wel als je al ervaring hebt met bepaalde onderdelen van de opleiding. Bij Advanced Regression is het bijvoorbeeld handig als je je kennis van beschrijvende en toetsende statistiek hebt opgefrist en als je al ervaring hebt in een scriptingtaal.
Starten
De eerstvolgende cursus Advanced Regression start 29 november 2022
Aanmelden
Je kan je aanmelden door het formulier in te vullen.
Na je aanmelding:
Krijg je de bevestiging dat je ingeschreven bent
Je wordt geïnformeerd over het verder verloop van de aanloop naar de cursus
3 weken voor aanvang van de cursus krijg je alle informatie toegestuurd die je nodig hebt om aan de slag te gaan.
Routebeschrijving
De data van de de lesdagen (i.v.m. vakanties, etc.)
De studiewijzer
Carrière
Wat levert het je op?
De opleiding “Advanced Regression Techniques” zorgt ervoor dat jij in staat bent om jouw dataset te analyseren en een model te maken. Ongeacht welke data en ongeacht welke uitkomst. We zullen een digitaal boekwerk ter beschikking stellen met passend huiswerk. Tijdens de cursusdagen gaan we interactief aan de slag met het boek en het huiswerk dat jullie gemaakt hebben.
We gaan ervaringen delen en zullen uitdagingen zien die je alleen maar kunt tegenkomen als je ook echt data analyseert. We gaan jou dus niet alleen opleiden, maar ook coachen en die coaching reikt verder dan de techniek. Het is hier dat wij onze ervaringen met jou delen. Zodat we jou de benodigde feeling geven bij het modelleren van jouw eigen data en de ervaring bieden om het geleerde toepasbaar te maken. Dat je daarbij regelmatig op je neus gaat wordt alleen maar aangemoedigd, want dat ervaren de docenten zelf ook nog dagelijks! Data analyseren en het maken van modellen vereist kennis en kunde, maar vooral ervaring. Die ervaring willen we opbouwen door vooral onze eigen ervaring met jullie te delen.
FAQ
Q: Hoeveel werk-, studie- en contacturen zijn er?
A: We hebben opleidingen van een dag tot een half jaar. De studiebelasting is zo gekozen dat je de opleiding naast je werk kunt doen. Dat wil zeggen dat je naast de opleidingsdag/middag/ avond er vanuit moet gaan dat je nog een avond (3 uur) bezig bent met studeren, opdrachten, etc.
Q: Hoeveel tijd besteedt een cursist gemiddeld aan individueel werk en groepsopdrachten?
A: Veel van de opleidingen bij DIKW Academy zijn praktisch ingestoken. Dat wil zeggen dat je hands-on aan de bak moet. Tools installeren, dingen uitzoeken en aan de praat krijgen. Algorithms proberen, testen of dingen werken en of je snapt wat er gebeurt. Daarnaast is in veel opleidingen een praktijkcase die je als team of als individu uitvoert. Als je dat een beetje handig aanpakt zul je zien dat je die opdracht heel mooi kunt gebruiken om een eerste Minimal Viable Product (MVP) op het gebied van data science of data engineering kunt maken voor jouw opdrachtgever. Daarin willen mensen nogal eens erg enthousiast worden en er meer tijd in steken dan zo vooraf hadden gedacht. Maar wel met vaak een heel mooi resultaat.
Q: Op welke locatie worden de lessen gegeven?
A: DIKW Academy heeft een opleidingsruimte in Nieuwegein
Q: Bieden jullie ook online lessen aan?
A: Ja, we hebben een eigen video conferencing service (Jitsi) en een e-learning platform (Moodle) waar al het materiaal beschikbaar is.
Q: Wat voor voorkennis heb ik nodig?
A: Tenzij anders aangegeven bij de opleiding is er geen specifieke voorkennis nodig. Het helpt natuurlijk wel als je al ervaring hebt met bepaalde onderdelen van de opleiding. Bij de opleiding Advanced Regression is het bijvoorbeeld handig als je je kennis hebt in een scriptingtaal. Bij inschrijving ontvang je een document waarin staat hoe je je optimaal kan voorbereiden op de opleiding.
Q: Heb ik eigen data nodig om de praktijkopdracht uit te voeren?
A: Je hoeft geen eigen data te hebben om de praktijkopdracht uit te voeren. Ook met een dataset die online te vinden is kun je een mooie praktijkcase maken. De docent zal je begeleiden bij het zoeken naar een geschikte dataset.