Кількість занятть 10 зан 

Група 10 зан по 3 ак.години/індивідуально 10 зан по 2 ак.години

Вартість група 5400,00 грн / інд 6000,00 грн
По закінченю курса СЕРТИФІКАТ.

Автор и преподаатель курса: Пугачева Елена Геннадиевна
Работает тренером в Бизнес Школе УСПЕХ более 10 лет.
Автор и тренер курсов «Маркетинговые исследования в SPSS» Курс "Маркетинговые исследования в R", «Маркетинговые исследования в Excel» Семинар «Как подготовить качественную научную публикацию в международный журнал» Кандидат экономических наук (теория самоорганизации – основной метод диссертационного исследования; 2000). Сертификаты преподавателя учебного центра Успех по курсам Маркетинговые исследования в SPSS, R, Excel Пугачевой Елены Геннадиевны. Автор более 60 публикаций. Участвовала в научных конференциях за рубежом: Первая и Вторая Международные конференции нелинейных наук (Австрия, 2003; Греция, 2006), Международная конференция экспертов "Новые формы занятости" (Португалия, 2001). В 2000 г. окончила с отличием Лондонскую школу экономики по курсу микроэкономики промежуточного (второго) уровня. В 2008 г. прошла месячную стажировку в Институте сложных систем (г. Париж, Франция). Консультант по менеджменту с 1995 года. Кандидат экономических наук (2000). Автор и соавтор около 70 статей в журналах США, Австрии, Греции, Португалии, Польши, России и Украины, а также шести учебных пособий и монографий.

ЕЩЕ КУРСЫ ЕЛЕНЫ ПУГАЧЕВОЙ:

• «Маркетинговые исследования с SPSS»
• «Маркетинговые исследования в Excel»
• «Как подготовить качественную научную публикацию в международный журнал»

Цель тренинга: дать мощный инструментальный аппарат анализа, который можно применять на практике для повышения эффективности деятельности различных организаций.
Целевая аудитория: специалисты по стратегическому и оперативному планированию, маркетологи, аналитики, экономисты, бренд-менеджеры, руководители отделов продаж.

По окончании курса: Вы будете ориентироваться на рынке среди конкурентов, осуществлять анализ рыночных параметров, получите практические знания в сфере управления рыночными процессами, их регулирования и исследования, разрабатывать стратегии маркетинга с помощью маркетингового анализа.

Занятия курса проходят в нашем компьютерном классе. Каждый модуль курса включает практикум по изученным темам, что позволяет закрепить полученные знания и подготовиться к работе в реальных условиях.

Программа курса "Маркетинговые исследования в R"

1. Знакомство с R
   • Установка R
   • Рабочее пространство
   • Пакеты
2. Создание набора данных
   • Векторы
   • Матрицы
   • Листы
   • Массивы данных
3. Ввод данных
   • Ввод данных с клавиатуры
   • Импорт данных из Excel
   • Импорт данных из SPSS
4. Основы управления данными
   • Создание новых переменных
   • Перекодировка переменных
   • Переименование переменных
   • Пропущенные значения
   • Календарные даты
   • Сортировка данных
   • Добавление строк и столбцов
   • Исключение переменных
   • Выбор наблюдения
   • Элементы синтаксиса
   • Функция subset()
   • Случайные выборки
5. Основные методы статистической обработки данных
   • Описательные статистики
   • Базовые диаграммы
   • Визуализация результатов
   • Сохранение результатов анализа
6. Сравнение двух групп
   • Нормальное распределение
   • Тест Стьюдента для независимых выборок
   • Тест Стьюдента для зависимых выборок
   • Непараметрические тесты межгрупповых различий
7. Дисперсионный анализ
   • Однофакторный дисперсионный анализ
   • Проверка допущений модели
   • Двухфакторный дисперсионный анализ
   • Дисперсионный анализ для повторных измерений
   • Непарамерический тест Крускала_Уоллиса
8. Ассоциативный анализ
   • Создание таблиц сопряженности
   • Тесты на независимость
   • Показатели взаимосвязи
9. Регрессионный анализ
   • Корреляции
   • Простая линейная регрессия
   • Множественная линейная регрессия
   • Множественная линейная регрессия со взаимодействиями
   • Диагностика регрессионных моделей
   • Способы корректировки модели
   • Выбор оптимальной модели
10. Факторный анализ
    • Выполнение анализа главных компонент
    • Выбор необходимого числа компонент
    • Выделение главных компонент
    • Вращение главных компонент
    • Вычисление значений главных компонент
11. Кластерный анализ
    • Кластерный анализ методом к-средних
    • Определение оптимального числа кластеров
    • Иерархическая кластеризация
12. Дополнительные возможности рабты в R
    • Создание собственных функций
    • Взуализация результатов регрессионного анализа с помощью пакета stargazer
    • Функции семейства  appy
    • Работа с данными при помощи dplyr
    • Графическая визуализация с помощью пакета ggplot2