Data Science w Excelu 5: Analiza danych – metody zaawansowane

Cel kursu

Zapoznanie uczestników z zaawansowanymi metodami analizy danych: prognozowania, symulacji (Data Forecasting and Simulation), kategoryzacji i analizy finansowej zgodnie z koncepcją Data Science przy użyciu oprogramowania MS Excel.

Opis kursu

(1) Uzupełnianie braków danych. Wykorzystanie średniej, odchylenia standardowego i generatora liczb pseudolosowych. Korekta danych odstających i błędnych: Kryteria oceny, czy uzupełnienie braków danych jest możliwe. Identyfikacja cech próby, które należy uwzględnić podczas uzupełniania braków danych. Zasady wykorzystania generatora liczb pseudolosowych. Uzupełnianie danych: równomierne, z wykorzystaniem średniej i krotności odchylenia standardowego. Wykrywanie i korekta danych odstających i błędnych z wykorzystaniem odpowiednich formuł i funkcji.

(2)  Symulacje stochastyczne. Modele Monte Carlo. Menedżer scenariuszy: Tworzenie i wykorzystanie symulacji stochastycznych. Obszary zastosowania i reguły wykorzystania Metody Monte Carlo przy użyciu generatora liczb pseudolosowych. Zasady posługiwania się Menedżerem scenariuszy. Analiza symulacyjna z wykorzystaniem Menedżera scenariuszy. Identyfikacja najważniejszych czynników determinujących wrażliwość modelu analitycznego. Analiza wrażliwości z wykorzystaniem Menedżera scenariuszy.

(3) Identyfikacja i ocena tendencji rozwojowej. Średnia chronologiczna. Średnie tempo zmian. Wartości odstające w szeregu czasowym: Identyfikacja i ocena tendencji rozwojowej. Wykorzystanie linii trendu na wykresie rozrzutu. Indeksy łańcuchowe. Średnie tempo zmian. Identyfikacja tendencji rozwojowej z wykorzystaniem średniego tempa zmian i średniej chronologicznej. Identyfikacja i korekta wartości odstających w szeregu czasowym.

(4) Modele prognostyczne wyrównywania wykładniczego, średniej ruchomej: Modele wyrównywania wykładniczego: bez trendu (pierwszego stopnia), z trendem (drugiego stopnia), z trendem i wahaniami okresowymi (trzeciego stopnia). Wykorzystanie do prognozowania średniej ruchomej. Uwzględnianie zdarzeń specjalnych. Formuły i funkcje prognostyczne. Prognozowanie z wykorzystaniem metody Monte Carlo.

(5) Zaawansowane metody kategoryzacji i klasyfikacji danych w oparciu o ocenę podobieństwa: Modele regresji liniowej ze zmiennymi binarnymi (przyjmującymi dwie wartości). Ocena poprawności postaci analitycznej modelu. Wykonanie i interpretacja testu serii. Modele regresji nieliniowej. Linearyzacja modeli nieliniowych. Narzędzie Solver. Budowa i wykorzystanie praktyczne modeli analitycznych hybrydowych.

(6) Metody i techniki analizy danych finansowych. Analiza wskaźnikowa: Ocena inwestycji za pomocą kryteriów zdyskontowanej wartości netto. Wewnętrzna stopa zwrotu. Spłata kredytu: kapitał i odsetki. Funkcje finansowe. Dekompozycja produktywności: efektywność funkcjonowania, rentowność działalności, płynność finansowa, poziom zadłużenia. Wskaźniki finansowe i ich implementacja oraz interpretacja.

Korzyści

Uzyskanie kompetencji: wiedzy teoretycznej i umiejętności praktycznych w zakresie zaawansowanym metod analizy danych: prognozowania, symulacji (Data Forecasting and Simulation) kategoryzacji i analizy finansowej zgodnie z koncepcją Data Science przy użyciu najpopularniejszego na rynku oprogramowania użytkowego MS Excel.

Terminy zajęć

28.09.2019 (sobota): 9:00-14:00
29.09.2019 (niedziela): 9:00-14:00

Dokładna lokalizacja kursu będzie dostępna dla Słuchaczy, którzy opłacili kurs, po zalogowaniu się na swoje konto Słuchacza.

Dane kursu

  • 16C62
  • Edycja XVI - lato 2019
  • 28.09.2019
  • Piotr Jałowiecki
  • 12
  • 18
  • Człowiek i technika
  • 400 zł
  • 150 zł
  • Kampus SGGW Ursynów