Σεμινάριο: Εισαγωγή στην Ανάλυση Παλινδρόμησης. Θεωρία & Εφαρμογές

Το σεμινάριο στοχεύει στην εισαγωγή στην Ανάλυση Παλινδρόμησης και την επεξήγηση των υπεισερχομένων μεγεθών και μαθηματικών μοντέλων. Περιλαμβάνονται οι βασικές έννοιες των πολλαπλών μεταβλητών, των επιμέρους συσχετίσεων, της ανάλυσης δεδομένων και των προβλέψεων. Απαιτούνται βασικές γνώσεις άλγεβρας και χρήσης λογιστικού φύλου. Αποτελεί το πρώτο μέρος σειράς σεμιναρίων Μηχανικής Μάθησης και Τεχνητής Νοημοσύνης.

Θεματικές ενότητες

Περιγραφική στατιστική:

  • Ελάχιστα, μέγιστα, διάμεσος, εκατοστημόρια, διακύμανση, Κατανομές.
  • Συντελεστές συσχέτισης, συνδιακύμανση, σχέση με Πολλαπλή Ανάλυση Παλινδρόμησης.

Ανάλυση παλινδρόμησης:

  • Προετοιμασία δεδομένων, Κανονικοποίηση, Outliers.
  • Μοντέλα μιας και πολλαπλών μεταβλητών. Γεωμετρική αναπαράσταση.
  • Τι είναι το γραμμικό μοντέλο και γιατί χρησιμοποιείται ευρέως. Περιορισμοί.
  • Αποτελέσματα Μοντέλου, R^2. Συντελεστές, βαρύτητας, p-values.
  • Ανάλυση Σφαλμάτων (Residuals), ετεροσκεδασμός, πόλωση.
  • Σημασία μεταβλητών & Σημαντικότητα.
  • Αναφορές στη Μηχανική Μάθηση (Μη γραμμική παλινδρόμηση, Σταδιακή παλινδρόμηση, Συνδυασμένα Προσομοιώματα, Σύνολα εκπαίδευσης).
  • Εννοιολογική ερμηνεία του μοντέλου και εξαγωγή συμπερασμάτων.

Εφαρμογές

Θα παρουσοασθούν παραδείγματα από Ακαδημαϊκά και Βιομηχανικά έργα. Ενδεικτικά αναφέρουμε

Ανάλυση αγοράς & εκτίμηση τιμών ακινήτων με αλγορίθμους Τεχνητής Νοημοσύνης

Ανάλυση αγοράς & εκτίμηση τιμών ακινήτων με αλγορίθμους Τεχνητής Νοημοσύνης

A recent scientometric study by DImopoulos and Bakas (2018), on the relevant to Mass Appraisals and Property Valuations literature, revealed a ...
Read More
Ανάλυση Ευαισθησίας Εργασιακού Ρίσκου

Ανάλυση Ευαισθησίας Εργασιακού Ρίσκου

In this work, presented in the Employability21 Conference, we implemented Machine Learning Algorithms, to analyze the Employee Experience Feedback. In ...
Read More
Βελτιστοποίηση Δομοστατικής Απόκρισης

Βελτιστοποίηση Δομοστατικής Απόκρισης

The minimization problem of a nonconvex function of many variables is a fundamental mathematical problem in soft computing. Genetic algorithms ...
Read More
Στατιστική Ανάλυση για το Ερευνητικό Πρόγραμμα ECO-Cement

Στατιστική Ανάλυση για το Ερευνητικό Πρόγραμμα ECO-Cement

Eco-Cement is a new proposed material for the construction industry that uses waste products of multiple industries in its manufacture. It ...
Read More
Τεχνητά Νευρωνικά Δίκτυα για την Ανάλυση Κατασκευών

Τεχνητά Νευρωνικά Δίκτυα για την Ανάλυση Κατασκευών

The following video highlights the procedure utilized in the work of Bakas, Makridakis and Papadrakakis, Torsional parameters importance in the ...
Read More
Δημοσιεύσεις

Δημοσιεύσεις

Παρακάτω αναφέρουμε τις επιστημονικές δημσιεύσεις μας σχετικά με Υπολογιστικές Μεθόδους, Μηχανική Μάθηση & Τεχνητή Νοημοσύνη. Αφορούν ποικίλες εφαρμογές, στη μηχανική, ...
Read More
Εφαρμογές Τεχνητής Νοημοσύνης σε Επιχειρήσεις

Εφαρμογές Τεχνητής Νοημοσύνης σε Επιχειρήσεις

Η Τεχνητή Νοημοσύνη και η Μηχανική Μάθηση αρχίζει να εφαρμόζεται ευρέως, πέρα από την ακαδημαϊκή έρευνα, στις επιχειρήσεις. Παρακάτω πραθέτουμε ...
Read More

Σε ποιούς απευθύνεται

  • οποιοσδήποτε ενδιαφέρεται να κατανοήσει την υποκείμενη θεωρία της ανάλυσης παλινδρόμησης και την εφαρμογή σε βάσεις δεδομένων
  • επαγγελματίες που εργάζονται σε αναλύσεις δεδομένων, προβλέψεις και σχετικά θέματα
  • ερευνητές που επιθυμούν να αναλύσουν επιστημονικές βάσεις δεδομένων

Εκπαιδευτικά οφέλη

  • κατανόηση των θεμελιωδών παραδοχών της ανάλυσης παλινδρόμησης
  • hands-on εφαρμογές, σε βιομηχανικές και ακαδημαϊκές βάσεις δεδομένων

Εισηγητές

Δρ. Νικόλαος Μπάκας

Δρ. Νικόλαος Μπάκας

Ο Δρ. Νικόλαος Μπάκας είναι λέκτορας υπολογιστικής μηχανικής στο Πανεπιστήμιο Νεάπολις Πάφου. Σε πρόσφατη εργασία στο Research - A Science Partner Journal,  έδωσε γενική λύση σε μαθηματικό πρόβλημα των προβλέψεων. Ασχολείται ερευνητικά και επαγγελματικά με αναλύσεις δεδομένων, μαθηματικά προσομοιώματα και προβλέψεις με ένα ευρύ πεδίο εφαρμογών. Οι σπουδές του περιλαμβάνουν ... Read More
Θωμάς Δημόπουλος

Θωμάς Δημόπουλος

Ο Θωμάς είναι πρόεδρος του RICS Κύπρου. Είναι επίσης Ιδρυτής και Διευθύνων Σύμβουλος της AXIA Chartered Surveyors, Πιστοποιημένος Εκτιμητής & Τοπογράφος Μηχανικός ειδικευμένος στις εκτιμήσεις ακινήτων και τις μεθοδολογίες τους. Από το 2011 διδάσκει ως Λέκτορας τις μεθόδους εκτίμησης ακινήτων στο Πανεπιστήμιο Νεάπολις Πάφου και ως ειδικός επιστήμονας στο Τμήμα ... Read More

Διεξαγωγή

  • Online, μέσω διαδικτυακής πλατφόρμας. Μπορείτε να το παρακολουθήσεται από το γραφείο σας, μέσω απλής διαδικασίας σύνδεσης. Δεν απαιτείται ιδιαίτερος εξοπλισμός.
  • Διάρκεια: 3 ώρες
  • Ημερομηνία: 28 Σεπτεμβρίου, 11:00 – 14:00
  • Κόστος Συμμετοχής: 48Ευρώ + ΦΠΑ. Early bird (έως 20 Σεπτεμβρίου) 38Ευρώ + ΦΠΑ.
  • Για την κράτηση θέσης στο σεμινάριο απαιτείται η αποστολή του αποδεικτικού κατάθεσης στο info@noesys.net. Όσοι έχουν έδρα εκτός Κύπρου και ενεργή ατομική επιχείρηση απαλλάσσονται ΦΠΑ.

Τραπεζικός Λογαριασμός

  • IBAN: CY04002001950000357029443055
  • SWIFT: BCYPCY2N
  • Δικαιουχος ASCSE LTD
  • Paypal: info@noesys.net

Επιπλέον Πληροφορίες

Η ανάγκη για στατιστική ανάλυση, προκύπτει σε πλήθος περιπτώεων, όπου αναλύεται μια βάση  δεδομένων, τόσο στην επιστημονική έρευνα όσο και σε βιομηχανικά έργα. Πολλές διαδικασίες, τεχνικές, μαθηματικά μοντέλα και κώδικες προγραμματισμού έχουν προταθεί, ωστόσο, μπορούν να ομαδοποιηθούν σε τέσσερα απλά βήματα: προεπεξεργασία δεδομένων, κατανομές μεταβλητών, συσχετισμοί ανά ζεύγη και πολυπαραγοντική μοντελοποίηση. Η προεπεξεργασία δεδομένων -ή καθαρισμός- αν και είναι κρίσιμο στάδιο -οποιουδήποτε περαιτέρω βήματος- συχνά παραλείπεται, επηρεάζοντας όλους τους επακόλουθους υπολογισμούς και συμπεράσματα. Οι κατανομές των μεταβλητών αποσκοπούν στον προσδιορισμό του τύπου διασποράς των δεδομένων (κατηγορίες, δυαδικές ή συνεχείς), των ελάχιστων και μέγιστων τιμών, καθώς και της ύπαρξης και χειρισμού των ακροτάτων τιμών. Οι συσχετισμών ανά ζεύγη και τα μεγέθη των συσχετίσεων, είναι επίσης ένα σημαντικό βήμα, καθώς μπορεί να αποκαλύψει ισχυρά πρότυπα σύνδεσης μεταξύ των υπεισερχομένων μεταβλητών.

Η ανάλυση παλινδρόμησης είναι μια τεχνική στατιστικής μοντελοποίησης που χρησιμοποιείται για τη διερεύνηση των συσχετισμών μεταξύ μιας εξαρτώμενης μεταβλητής και μιας ή περισσοτέρων ανεξαρτήτων μεταβλητών, στοχεύοντας να αναδείξει την επίδραση της μοναδιαίας αλλαγής κάθε μιας από τις ανεξάρτητες μεταβλητές xi στη εξαρτημένη μεταβλητή y, ενώ οι άλλες ανεξάρτητες μεταβλητές παραμένουν σταθερές. Στη γραμμική παλινδρόμηση, η απαίτηση του προς συγκρότηση προσομοιώματος, είναι ότι η εξαρτημένη μεταβλητή y είναι ένας γραμμικός συνδυασμός των ανεξαρτήτων μεταβλητών. Αυτό δεν είναι πάντα αξιόπιστο, επομένως πιο περίπλοκα μοντέλα όπως η μη γραμμική παλινδρόμηση, τα τεχνητά νευρωνικά δίκτυα και αλγόριθμοι μηχανικής μάθησης μπορούν να εφαρμοσθούν, ανάλογα με τις παραδοχές του θεωρούμενου μαθηματικού μοντέλου. Ωστόσο, σε αυτές τις περιπτώσεις, δημιουργείται το πρόβλημα της υπερπροσαρμογής, απαιτώντας έτσι ιδιαίτερη προσοχή στην επικύρωση του μοντέλου (σύνολα ελέγχου) καθώς και στη διερεύνηση των σφαλμάτων παλινδρόμησης.