AI & Data Science
Středně pokročilý
Hybridní
SESKUPOVACÍ (KLASTROVÁ) ANALÝZA
Výuka základních metod seskupovací analýzy (hierarchické seskupování, K-means, TwoStep Cluster) za podpory softwaru IBM SPSS Statistics.
Seskupovací analýza umožňuje roztřídit pozorované jednotky (zákazníky, výrobky, regiony apod.) do několika skupin tak, aby si případy ve stejné skupině byly co nejvíce podobné a naopak, případy z různých skupin se co nejvíce odlišovaly.
Cíle kurzu
- Cílem kurzu je seznámit posluchače s principy základních seskupovacích metod (hierarchické seskupování, K means a dvoustupňové seskupování) a ukázat možnosti jejich využití. Důraz je kladen na praktické aplikace metod, na porozumění a interpretaci výsledků a výběr vhodné metody pro daný problém. Matematické aspekty modelu a algoritmů jsou zahrnuty pouze pro vysvětlení významu a principů seskupování.
Pro koho je kurz určen
Kurz je určen těm, kteří hledají v datech homogenní skupiny případů nebo typické, často se opakující vzory chování. Seskupovací analýza se často užívá pro řešení úlohy segmentace.
Osnova kurzu
- 1 podobnost/vzdálenost datových profilů
- 2 různé typy měr vzdálenosti, resp. podobnosti dat
- 3 standardizovaná a nestandardizovaná data, význam standardizace při aplikaci měr
- 4 vytváření homogenních skupin pomocí vzdáleností
- 5 hierarchické seskupování: princip, kritéria tvorby skupin, vyhodnocování
- 6 metoda K-means
- 7 dvoustupňové seskupování
- 8 volba počtu skupin
- 9 využití pro další analýzu
Termíny
prezenční: Krakovská 7, Praha 1 online: aplikace MS Teams
5.5.2026
· 9:00 - 16:30
Požadavky
Kurz předpokládá schopnost základního ovládání PC.
Lektor
Ing. Bronislava Černá
Mohlo by vás zajímat
