Platforma analityczna KNIME - szkolenie kompleksowe

Znajomość podstaw analizy matematycznej.

Znajomość podstaw statystyki.

KNIME to skrócona nazwa Konstanz Information Miner, czyli platformy przeznaczonej do integracji, interaktywnej analizy i raportowania danych, dostępnej na zasadach wolnego i otwartego oprogramowania. KNIME umożliwia integrację wielu różnorodnych komponentów z dziedziny uczenia maszynowego (ang. machine learning) i eksploracji danych (ang. data mining) dzięki koncepcji modułowego przetwarzania potokowego danych. Graficzny interfejs użytkownika oraz wykorzystanie JDBC pozwala na łatwe i szybkie zestawianie węzłów (ang. nodes) w celu łączenia ze sobą różnych źródeł danych z uwzględnieniem procesu wstępnego przetwarzania - ETL  oraz modelowania, analizy i wizualizacji danych bez konieczności korzystania z programowania (lub w minimalnym stopniu). KNIME w pewnym stopniu, jako zaawansowane narzędzie analityczne, można uznać za alternatywę SAS.

Od 2006 r. KNIME jest wykorzystywany w badaniach farmaceutycznych, a także w innych dziedzinach, takich jak analiza danych klienta (CRM), business intelligence (BI) i analiza danych finansowych.

1. Wprowadznie do przetwarzania i analizy danych
2. Podstawowe informacje o platformie KNIME
   • instalacja i konfiguracja
   • omówienie interfejsu
3. Omówienia platformy w aspekcie integracji narzędzi
4. Wprowadzenie do pracy. Tworzenie przepływów
5. Metodyka tworzenia modeli biznesowych oraz procesów przetwarzania danych
   • dokumentacja pracy
   • metody importu i eksportu procesów
6. Omównienie podstawowych węzłów
7. Omówienie procesów ETL
8. Metodyki eksploracji danych
9. Metodyka importu danych
   • import danych z plików
   • import danych z relacyjnych baz danych z wykorzystaniem SQL
   • tworzenie zapytań SQL
10. Omówienie zaawansowanych węzłów
11. Analiza danych
    • przygotowanie danych do analizy
    • jakość oraz sprawdzenie danych
    • statystyczne badanie danych
    • modelowanie danych
12. Wstęp do wykorzystania zmiennych oraz pętli
13. Budowanie zaawansowanych, zautomatyzowanych procesów
14. Wizualizacja wyników
15. Ogólnodostępne i darmowe źródła danych
16. Podstawy Data Mining
    • Omówienie wybranych rodzajów zadań i procesów Data Mining
17. Odkrywanie wiedzy z danych
    • Web Mining
    • SNA – sieci społecznościowe
    • Text Mining – analiza dokumentów
    • wizualizacja danych na mapach
18. Integracja innych narzędzi z KNIME
    • R
    • Java
    • Python
    • Gephi
    • Neo4j
19. Budowanie raportów
20. Podsumowanie szkolenia