예측 분석

인기 있는 이 3일 트랙에서는 예측 분석을 조직에서 효율적으로 응용하기 위한 포괄적 툴킷을 참가자에게 제공합니다.

이 트랙에서는 예측 분석에 대한 기초를 다룹니다. 참가자는 통계, 모형화, 머신러닝을 포함한 데이터 분석 기법을 사용하여 과거 데이터에서 찾은 패턴을 분석하는 방법을 배웁니다. 이 데이터를 분석하면 더 나은 심층 정보를 얻고, 잠재적인 위험을 파악하고, 개선 기회를 찾아보고, 미래에 대한 예측을 수행하는 방법을 배웁니다. 분석 원리는 실제 사례 및 연습을 통해 제시됩니다.

 

이 강좌는 문제를 해결하기 위해 예측 분석의 힘을 활용하고자 하는 모든 조직의 직원에게 적합합니다. 이 강좌는 비즈니스 분석가, 문제 해결 팀의 구성원, 운영 효율성 활동을 이끄는 직원, 마케팅 분석가, 그리고 조직 내에서 예측 분석 구현을 준비하는 실무자에게 인기가 있습니다.

교육 트랙

1일차

이 기초 강좌에서는 Minitab을 사용하여 데이터를 가져오고, 데이터 탐구를 위한 믿을 수 있는 통계 방법을 개발하고, 설득력 있는 시각화 자료를 만들고 해석하며, 결과를 내보내는 등의 데이터 분석에 필요한 시간을 최소화하는 방법을 배웁니다. Minitab 분석을 자동화해 사용자 입력을 최소화하여 시간을 절약합니다. 다양한 실제 데이터 집합을 분석하여 응용 프로그램을 올바른 통계 도구와 연결하고 통계 출력을 해석합니다. 가설 검정과 신뢰 구간 같은 중요한 통계 개념의 기초를 배웁니다.

이 강좌에서는 비즈니스, 제조 및 거래 공정 분야에서 주로 사용되는 통계 기법을 실제로 적용하여 바람직한 결정을 내리는 데 중점을 둡니다.

강좌 주제:

  • 데이터 가져오기 및 서식 설정
  • 실행 매크로
  • 막대 차트
  • 히스토그램
  • 상자 그림
  • Pareto 차트
  • 산점도
  • 위치 및 변동 측정
  • t-검정
  • 등분산 검정
  • 검정력 및 표본 크기

선수 강좌: 없음

성별에 따른 백분율 대 연도 산점도
사람, 실수 차트

2일차

변수와 통계 모형화 도구의 관계를 탐구하고 설명하는 방법을 배워 분석 기초 강좌에서 가르치는 기초 통계 분석 개념을 계속 심화합니다. 시간의 효과 및 영향과 관련된 데이터의 특징과 이후 동작을 예측하는 방법을 발견하고 설명합니다.

입력 변수가 중요한 사건의 발생 확률에 미치는 영향을 찾아내고 수량화하는 방법을 배웁니다. 실습 예제는 모형화 도구가 키 입력과 데이터의 변동 원인을 파악하는 데 어떤 도움이 되는지 보여줍니다.

강좌 주제:

  • 산점도
  • 상관
  • 단순 선형 회귀 분석
  • 지수 평활을 포함한 시계열 도구
  • 추세 분석
  • 분해
  • 다중 및 단계적 회귀 분석
  • 이항 로지스틱 회귀 분석
  • 검증을 통한 회귀 분석

선수 강좌: 분석 기초

직원, 생산 V, 입구/출구, 교대, 입자의 행렬도
승객에 대한 평활도

3일차

여러 산업에서 실제로 겪는 문제와 관련된 데이터를 분석해 변수 간 관계를 탐구 및 설명하여 분석을 확장합니다. CART® 같은 감독형 머신 러닝 기법을 사용해 과거 데이터에서 발견되는 패턴을 분석하여 더 나은 심층 정보를 얻고 잠재적인 위험을 파악하고 개선 기회를 찾아보고 미래에 대한 예측을 수행하는 방법을 배웁니다.

Clustering 같은 자율형 머신 러닝 도구를 사용하여 데이터의 자연스러운 분할을 감지하고 관측 또는 변수를 동질적인 집합으로 그룹화합니다. 원본 데이터를 상관되지 않은 변수의 집합으로 변환하여 데이터의 차원수를 줄입니다.

강좌 주제:

  • 판별 분석
  • 테스트 세트 검증
  • K-접기 검증
  • CART® 분류
  • 상관
  • CART® 회귀
  • 군집 분석

선수 강좌: 분석, 회귀 모형화 및 예측 기초

덴드로그램 - 완전 연결, 유클리딘 거리
성별 및 연령별 클래스 노드 의사결정 트리

4일차

실제 문제와 관련된 데이터를 분석해 변수 간 관계를 탐구 및 설명하여 분석 수준을 한 단계 업그레이드하십시오. CART 트리는 복잡한 관계를 해석하기 위한 간단한 트리 구조를 제공합니다. 하지만 예측 능력은 여러 개의 간단한 모형(또는 트리)을 만들어 하나의 최종 모형으로 결합하는 보다 강력한 모형을 사용하여 종종 개선할 수 있습니다. MARS®, TreeNet® 및 Random Forests®와 같은 고급 모형화 기법을 사용해 과거 데이터에서 발견되는 패턴을 분석하여 더 나은 심층 정보를 얻고 잠재적인 위험을 파악하고 개선 기회를 찾아보고 미래에 대한 예측을 수행하는 방법을 배웁니다. 참고: 이 강좌에서는 애드온 예측 분석 모듈을 구독해야 합니다.

강좌 주제:

  • 검증
  • CART® Classification
  • TreeNet® Classification
  • Random Forests® Classification
  • 상관
  • MARS® Regression
  • CART® Regression
  • TreeNet® Regression
  • Random Forests® Regression
  • 주요 예측 변수 알아보기
  • 자동화된 머신러닝 모형화

선수 강좌: 분석 기초, 회귀 모형화 및 예측, 머신 러닝

덴드로그램 - 완전 연결, 유클리딘 거리
성별 및 연령별 클래스 노드 의사결정 트리

5일차 – 선택 사항

Minitab 교육에서는 더 효과적인 방법으로 통계를 사용하여 데이터를 분석할 수 있는 기본 지식을 제공합니다. 여기에 사용된 예제는 도구를 학습하기 위한 실제 시나리오를 제시하며, 연습 섹션을 통해 연습할 시간을 가질 수 있습니다. 회사의 데이터를 사용하여 교육을 강화함으로써 전체 분야에서 교육 과정을 제공하도록 합니다. 이를 통해 참석자는 자신의 사용 사례에 직접 대입해 볼 수 있습니다.

이 워크샵에서는 데이터를 사용하여 회사 프로젝트에 통계 도구를 실제로 적용한 것을 기반으로 올바른 의사 결정을 내리는 데 중점을 둡니다.

주제는 워크샵에 가져온 특정 고객 데이터에 따라 선정됩니다.