CAS Advanced Statistical Data Analysis

Folgende Fragestellungen stehen im Zentrum des CAS Advanced Statistical Data Analysis:

• Welche erweiterten Regressionsmodelle gibt es und wie werden sie eingesetzt?
• Wie gehen wir mit zensierten Beobachtungen um, die bei Wartezeitanalysen entstehen?
• Was ist Network Analysis und wie kann sie für Unternehmen gewinnbringend eingesetzt werden?
• Wie können Routineanalysen und deren Reports automatisiert werden?
• Wie können Browser-Interfaces für spezifische Analysen erstellt werden?

Das CAS Advanced Statistical Data Analysis ist Bestandteil des DAS Data Science und des MAS Data Science.

Das CAS Advanced Statistical Data Analysis richtet sich an Personen,

• die Unternehmensdaten oder öffentliche Daten bearbeiten (z.B. Analytiker/innen),
• die datengestützte Entscheidungsgrundlagen (Berichte und/oder statistische Modelle) liefern müssen,
• die Produktions- oder Betriebsprozesse überwachen und regeln,
• die Kundendaten auswerten.

Die Absolventinnen und Absolventen des CAS Advanced Statistical Data Analysis

• können generalisierte lineare und additive Modelle (GLM, GAM) zur Analyse von Daten einsetzen,
• können zensierte Wartezeitdaten mit geeigneten statistischen Modellen analysieren,
• können mit diesen Modellen entsprechende Vorhersagen machen und ihre Genauigkeit beurteilen,
• können Methoden aus der Network Analysis für das Unternehmen gewinnbringend einsetzen,
• können aus graphischen Modellen kausale Effekte abschätzen,
• können Modelleignung überprüfen und Modelle geeignet datengestützt weiterentwickeln,
• können Routineanalysen und entsprechende Reports automatisieren,
• können Browser-Interfaces für spezifische Analysen erstellen.

Modul A: Information Processing with R

• Reporting tools (R Markdown, knitr/sweave)
• Data wrangling
• Data Visualisation
• Erstellen von Browser-Interfaces für spezifische Analysen (shiny)
• Entwerfen einer Analysestrategie (Projektarbeit)

Modul B: Advanced Regression Modelling

• Sie sind vertraut mit praxisrelevanten Methoden der multiplen Regressionsrechnung bei nicht normalverteilten Zielgrössen
• Sie erkennen, auf welchen Prinzipien diese Methoden beruhen und können die Resultate aus den Anpassungen interpretieren
• Sie können beurteilen, ob das Modell zu den Daten passt
• Sie können ein generalisiertes Regressionsmodell datengestützt entwickeln

Modul C: Analysis of Time to Event Data

• Modelle für Warte- und Ausfallzeiten
• Zensierung
• Hazardrate
• Inferenz (Schätzen, Testen, Vertrauensintervalle, Prognose)
• Modelleignung

Modul D: Network Analysis

• Eigenschaften und Modelle sozialer Netzwerke (small world / Skalenfreiheit, Erdös / Barabási Modelle)
• Zentralitätsmasse und Community-Strukturen (Wer sind die Key Users für das Marketing?)
• Diffusion in (sozialen) Netzwerken (Wie breiten sich Gerüchte oder Epidemien aus, wie setzen sich Innovationen oder Theorien durch?)
• Visualisierung von (grossen) Netzwerken und 2-dim embedding (verallgemeinerte MDS)
• Graphische Modelle und Kausalität

Die Zulassung zu einem CAS setzt grundsätzlich einen Hochschulabschluss (Fachhochschule, HTL, HWV, Uni, ETH) voraus. Es können aber auch Praktikerinnen und Praktiker mit vergleichbarer beruflicher Kompetenz zugelassen werden, wenn sich die Befähigung zur Teilnahme aus einem anderen Nachweis ergibt. Über die definitive Zulassung entscheidet die Studienleitung. Die Zulassung zum CAS Advanced Statistical Data Analysis setzt zudem den erfolgreichen Abschluss des CAS Data Analysis voraus.

Kosten: CHF 5'900.00

Das Ausbildungsprogramm umfasst verschiedene Aktivitäten, wie etwa Vorlesungen, praxisorientierte Übungen und Fallbeispiele, Gruppenarbeiten und Selbststudium (Vor- und Nachbereitung).

Das CAS Advanced Statistical Data Analysis wird berufsbegleitend absolviert. Der Unterricht findet einmal pro Woche donnerstags von 9:00 bis 17:00 (8 Lektionen) statt. Ein Unterrichtstag ist in zwei Blöcke von je 4 Lektionen unterteilt, wobei ein Block aus 2 Lektionen Unterricht und 2 Lektionen praktischem Arbeiten besteht. In den praktischen Arbeiten vertiefen die Teilnehmerinnen und Teilnehmer das Gelernte an konkreten Beispielen, die mit einer entsprechenden Software auf dem eigenen Laptop bearbeitet werden. Den individuellen Stundenplan erhalten die Studierenden spätestens einen Monat vor Studienbeginn. Die schulfreie Zeit richtet sich nach den Schulferien der Stadt Winterthur.