SzkolenieZarządzanie projektami

Metoda Monte Carlo w projektach

Analiza scenariuszy realizacji projektu

  • 1-2 dni
  • 8-15 osób
O szkoleniu

Opis szkolenia

Metoda Monte Carlo pozwala na precyzyjną analizę wartości ryzyk, co jest szczególnie przydatne w projektach obarczonych ze swej natury dużą zmiennością oraz niepewnością. Jeżeli organizacja stara się podejmować racjonalne decyzje w projektach oparte na tzw. twardych liczbach, to z pewnością skorzysta z przejścia od jakościowej analizy ryzyk do modeli ilościowych.

Metoda Monte Carlo polega na analizie rozkładu zmiennej wyjściowej tzw. Y, na podstawie analizy rozkładu zmiennych wejściowych tzw. X-ów. W prosty sposób pomaga ustalić zależność między wpływem kosztowym lub czasu trwania ryzyka na projekt a jego prawdopodobieństwem. Więcej na ten temat można przeczytać na naszym blogu.

Nasze szkolenie wykorzystuje dwa unikalne symulatory metody Monte Carlo, które demonstrują jej wykorzystanie do estymowania pracochłonności i czasów dostaw.

Dla uczestników

Korzyści ze szkolenia

  • Poznanie metody Monte Carlo i jej adaptacji w projektach

  • Praktyczne przećwiczenie zastosowania Monte Carlo w wybranym przez uczestników projekcie

  • Ocena wartości stosowania Monte Carlo w analizie firmowych ryzyk

  • Interaktywna formuła zajęć z użyciem autorskich symulatorów Monte Carlo

  • Przygotowanie to zbudowania wewnętrznych modeli probablistycznych

Zaufali nam

Klienci tego programu

Program

Zagadnienia

  • Zarządzanie ryzykiem w projekcie
  • Podstawy statystyki opisowej
  • Regresja liniowa, korelacja, parametry rozkładu statystycznego
  • Regresja liniowa, korelacja, parametry rozkładu statystycznego
  • Budowanie kart Monte Carlo
  • Prognozowanie wielu scenariuszy projektu
Organizacja

Logistyka

  • Liczba uczestników w grupie: 8-15
  • Czas trwania: 1 lub 2 dni
  • Dostępne języki: polski, angielski
  • Powierzchnia sali: 25 m2
Program

Agenda szkolenia

Dzień 1

Wprowadzenie do analizy danych

  • Wprowadzenie do statystyki

  • Podstawowe parametry rozkładu: średnia, odchylenie standardowe, wariancja, modalna

  • Czyszczenie i przygotowanie danych do analizy

  • Analiza danych za pomoca regresji liniowej i korelacji

  • Odnajdywanie trendów, estymowanie danych

  • Wprowadzenie do metody Monte Carlo

Dzień 2

Metoda Monte Carlo w projekcie

  • Zarządzanie ryzykiem w projekcie

  • Ryzyko a niepewność

  • Budowa modelu i zbieranie danych na potrzeby Monte Carlo

  • Dopasowywanie rozkładów do danych empirycznych

  • Budowanie funkcji transferu

  • Interpretacja wyników metody Monte Carlo

  • Tworzenie wielu kart Monte Carlo

  • Analiza wrażliwości parametrów modelu Monte Carlo

Chcesz zapisać się na szkolenie?

Pozostaw swój adres email, a my odezwiemy się do Ciebie ze szczegółami.

Ostatnie wpisy z naszego bloga

 Nowa fala projektów - SDD kontra Agile

Nowa fala projektów - SDD kontra Agile

Firmy dostarczające rozwiązania na bazie IT wygrają lub przegrają nie tym, czy stosują AI, czy nie do kodowania, tylko tym, czy szybciej są w stanie spełnić wymagania użytkowników. Klasyczny agile of...

Verbalu – koniec z pasywnymi szkoleniami. Poznaj 50+ interaktywnych narzędzi i gier trenerskich w jednej przeglądarce

Verbalu – koniec z pasywnymi szkoleniami. Poznaj 50+ interaktywnych narzędzi i gier trenerskich w jednej przeglądarce

W **Octigo** stworzyliśmy **[Verbalu](https://verbalu.com/)** – kompleksową platformę interaktywnych narzędzi i gier szkoleniowych, zaprojektowaną od podstaw z myślą o współczesnych wyzwaniach L&D. To przestrzeń, która zamienia biernych słuchaczy w zaangażowanych graczy, a suchą teorię – w namacalne, warsztatowe doświadczenie.

Define - Zarządzanie projektami AI dla początkujących

Define - Zarządzanie projektami AI dla początkujących

Faza Define w metodyce DAPIS odpowiada na pytanie „po co?" – zanim organizacja sięgnie po LLM, musi zdefiniować konkretny problem, zmierzyć jego skalę i przekonać sponsora projektu. Etap kończy się zatwierdzonym canvasem zawierającym opis problemu, spodziewane korzyści i wstępną koncepcję rozwiązania. To inwestycja czasu, która chroni przed najczęstszą przyczyną porażki projektów AI: brakiem jasnego celu.