Návrh Školení
Úvod
- Přehled RapidMiner Orientace studia na RapidMiner UI a funkce
Metodika CRISP-DM v RapidMiner
- Pochopení rámce CRISP-DM Aplikace v odhadu a projekci hodnot
Pochopení a příprava dat
- Import a průzkum dat Techniky předběžného zpracování a čištění Pokročilé metody transformace dat
Modelování dat pomocí RapidMiner
- Úvod do datového modelování Výběr a aplikace algoritmů strojového učení Algoritmy učení pod dohledem Algoritmy učení bez dozoru
Hodnocení a nasazení modelu
- Techniky pro vyhodnocení modelu Strategie pro nasazení modelu Přesun a optimalizace modelu
Analýza časových řad a Forecasting
- Základy analýzy časových řad Aplikace modelů klouzavých průměrů Předzpracování časových řad a agregace dat
Pokročilé techniky časových řad
- Analýza rozkladu Projekce s časovými okny Projekce s generováním prvků
Modelování ARIMA
- Pochopení modelů ARIMA Praktická aplikace v RapidMiner
Shrnutí a další kroky
Požadavky
- Základní pochopení datové analýzy a konceptů strojového učení
Publikum
- Data Analysts Business Analysts Data Scientists
Reference (4)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Kurz - Azure Machine Learning (AML)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurz - Artificial Neural Networks, Machine Learning, Deep Thinking
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Kurz - Applied AI from Scratch in Python
Aby to bylo krátké a jednoduché. Vytváření intuice a vizuálních modelů kolem pojmů (graf rozhodovacího stromu, lineární rovnice, ruční výpočet y_pred pro prokázání, jak model funguje).
Nicolae - DB Global Technology
Kurz - Machine Learning
Machine Translated