Advanced Analytics with RapidMiner

• Podstawowe zrozumienie analizy danych i koncepcji uczenia maszynowego

Publiczność

• Analitycy danych
• Analitycy Business
• Naukowcy zajmujący się danymi

RapidMiner to zaawansowana platforma analityczna, która zapewnia zintegrowane środowisko do przygotowywania danych, uczenia maszynowego, głębokiego uczenia, eksploracji tekstu i analizy predykcyjnej.

To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla analityków danych na poziomie średniozaawansowanym, którzy chcą dowiedzieć się, jak używać RapidMiner do szacowania i prognozowania wartości oraz wykorzystywania narzędzi analitycznych do prognozowania szeregów czasowych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Nauczyć się stosować metodologię CRISP-DM, wybierać odpowiednie algorytmy uczenia maszynowego oraz ulepszać konstrukcję i wydajność modelu.
• Używać RapidMiner do szacowania i prognozowania wartości oraz wykorzystywać narzędzia analityczne do prognozowania szeregów czasowych.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie

• Przegląd RapidMiner Studio
• Wprowadzenie do interfejsu użytkownika i funkcji RapidMiner

Metodologia CRISP-DM w RapidMiner

• Zrozumienie struktury CRISP-DM
• Zastosowanie w szacowaniu i prognozowaniu wartości

Zrozumienie i przygotowanie danych

• Import i eksploracja danych
• Techniki wstępnego przetwarzania i czyszczenia danych
• Zaawansowane metody transformacji danych

Modelowanie danych z RapidMiner

• Wprowadzenie do modelowania danych
• Wybór i zastosowanie algorytmów uczenia maszynowego
• Algorytmy uczenia nadzorowanego
• Algorytmy uczenia bez nadzoru

Ocena i wdrażanie modeli

• Techniki oceny modeli
• Strategie wdrażania modeli
• Dostosowanie i optymalizacja modelu

Analiza szeregów czasowych i Forecasting

• Podstawy analizy szeregów czasowych
• Zastosowanie modeli średniej ruchomej
• Wstępne przetwarzanie szeregów czasowych i agregacja danych

Zaawansowane techniki szeregów czasowych

• Analiza dekompozycji
• Projekcja z oknami czasowymi
• Projekcja z generowaniem cech

Modelowanie ARIMA

• Zrozumienie modeli ARIMA
• Praktyczne zastosowanie w RapidMiner

Podsumowanie i kolejne kroki