Survival Data Mining: A Programming Approach

Kód kurzu: BMCE42

Táto časť nie je lokalizovaná

This advanced course discusses predictive hazard modeling for customer history data. Designed for data analysts, the course uses SAS/STAT software to illustrate various survival data mining methods and their practical implementation.

Note: Formerly titled Survival Data Mining: Predictive Hazard Modeling for Customer History Data, this course now includes hands-on exercises so that you can practice the techniques that you learn. Other additions include a chapter on recurrent events, new features in SAS/STAT software, and an expanded section that compares discrete time approach versus the continuous time models such as Cox Proportional Hazards models and fully parametric models such as Weibull.

Odborní
certifikovaní lektori

Mezinárodne
uznávané certifikácie

Široká ponuka technických
a soft skills kurzov

Skvelý zákaznicky
servis

Prispôsobenie kurzov
presne na mieru

Termíny kurzov

Počiatočný dátum: Na vyžiadanie

Forma: E-learning

Dĺžka kurzu: 14 hodín

Jazyk: en

Cena bez DPH: 720 EUR

Registrovať

Počiatočný dátum: Na vyžiadanie

Forma: Na vyžiadanie

Dĺžka kurzu: 14 hodín

Jazyk: en

Cena bez DPH: 1 200 EUR

Registrovať

Počiatočný
dátum
Miesto
konania
Forma Dĺžka
kurzu
Jazyk Cena bez DPH
Na vyžiadanie E-learning 14 hodín en 720 EUR Registrovať
Na vyžiadanie Na vyžiadanie 14 hodín en 1 200 EUR Registrovať
G Garantovaný kurz

Nenašli ste vhodný termín?

Napíšte nám o vypísanie alternatívneho termínu na mieru.

Kontakt

Cieľová skupina

Táto časť nie je lokalizovaná

Predictive modelers, data analysts, statisticians, econometricians, model validators, and data scientists

Štruktúra kurzu

Táto časť nie je lokalizovaná

Survival Data Mining

  • introduction to survival data mining
  • elements of survival analysis
  • time-dependent covariates

Survival Models (Self-Study)

  • semi-parametric survival models
  • parametric survival models
  • discrete-time survival models

Flexible Hazard Modeling

  • building discrete time hazard models
  • grouped expanded data

Hazard Modeling with Big Data

  • outcome-dependent sampling
  • data truncation
  • piecewise constant hazards (self-study)

Predictive Performance

  • predictive scoring
  • empirical validation

Recurrent Events

  • introduction to recurrent events

Predpokladané znalosti

Táto časť nie je lokalizovaná

Before attending this course, you should
  • have a basic understanding of survival analysis
  • have experience with predictive modeling, particularly with logistic regression
  • be familiar with statistical concepts such as random variables, probability distributions, and parameter estimation
  • be familiar with SQL (including topics such as sub-queries and left-joining)
  • have SAS programming proficiency.
  • Potrebujete poradiť alebo upraviť kurz na mieru?

    pruduktová podpora