|
Für die Analyse von Daten greifen wir auf ein breites Spektrum an klassischen und modernen Verfahren zurück. Dabei setzten wir sowohl etablierte Methoden als auch neueste Entwicklungen aus den Gebieten der Statistik und des Maschinellen Lernens ein. Bei Bedarf werden die Methoden entsprechend weiterentwickelt und auf den konkreten Anwendungsfall hin optimiert.
Eine Auswahl unseres Methodenspektrums:
Allgemeine Statistik
- Uni- und multivariate Analyseverfahren
- Parametrische und nicht-parametrische Dichteschätzung
- Testverfahren und Fehlerrechnung, Bestimmung von Vertrauensintervallen
- Lineare und nicht-lineare Regressionsanalysen
- Dimensionsmodelle (Faktor- und Clusteranalysen)
Maschinelles Lernen
- Detektion ungewöhnlicher Vorfälle (Ausreißererkennung)
- Definition und Berechnung von Scores
- Vorhersage und Analyse von (nicht-) linearen Zeitreihen, Clustering, Klassifikation und Visualisierung
- Breites technisches Spektrum von Neuronalen Netzen über Entscheidungsbäume bis zu Support-Vektor-Maschinen und Gauß-Prozessen
Visualisierung und Einbettung
- Lineare und nicht-lineare Dimensionsreduktion
- Graphische Darstellung komplexer Zusammenhänge
- Lineare und nicht-lineare Quellentrennungsverfahren
|
