Data Mining Počítačové Kurzy

Waikato Environment for Knowledge Analysis (Weka) je open-source data mining visualization software. Poskytuje sbírku algoritmů strojového učení pro přípravu údajů, klasifikaci, klastrování a další data těžby činnosti. Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na analytiky a vědce údajů, kteří chtějí použít Weka k provádění úkolů v oblasti datového těžby. Po ukončení tohoto tréninku budou účastníci schopni:

Instalace a nastavení Weka Pochopte Weka prostředí a pracovní zázemí. Výkon datových úkolů pomocí Weka.

Formát kurzu

Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.

Možnosti personalizace kurzu

Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.

IBM SPSS Modeler je software používaný pro data mining a textové analýzy. Poskytuje soubor nástrojů pro těžbu dat, které mohou vytvářet prediktivní modely a provádět úkoly analytiky dat. Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na analytiky údajů nebo kdokoli, kdo by chtěl použít SPSS Modeler k provádění datových činností. Po ukončení tohoto tréninku budou účastníci schopni:

Pochopte základní principy datového těžby. Naučte se, jak importovat a hodnotit kvalitu dat s modelem. Vývoj, implementace a hodnocení datových modelů efektivně.

Formát kurzu

Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.

Možnosti personalizace kurzu

Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.

Znalost znalostí v databázích (KDD) je proces objevování užitečných znalostí z sběru dat. Reálné aplikace pro tuto techniku těžby dat zahrnují marketing, detekci podvodů, telekomunikace a výrobu. V tomto živém kurzu vedeném instruktorem představujeme procesy zapojené do KDD a provádíme řadu cvičení pro praxi provádění těchto procesů. publikum

Data analytici nebo někdo, kdo se zajímá o to, jak interpretovat data k řešení problémů

Formát kurzu

Po teoretické diskusi o KDD bude instruktor předkládat případy v reálném životě, které vyzývají k aplikaci KDD k řešení problému. Účastníci připraví, vybírají a vyčistí vzorkové datové soubory a využívají své předchozí znalosti o údajích k navrhování řešení založených na výsledcích jejich pozorování.

Dolování dat je proces identifikace vzorů ve velkých datech pomocí metod vědy o datech, jako je strojové učení. Pomocí Excel jako analytické sady dat mohou uživatelé provádět těžbu a analýzu dat. Tento instruktorem vedený živý trénink (na místě nebo na dálku) je zaměřen na vědce s údaji, kteří chtějí používat Excel k těžbě dat. Na konci tohoto školení budou účastníci schopni:

• Prozkoumejte data pomocí Excel abyste mohli provádět těžbu a analýzu dat.
• Pro dolování dat použijte algoritmy společnosti Microsoft.
• Porozumět konceptům v těžbě dat Excel .

Formát kurzu

• Interaktivní přednáška a diskuse.
• Spousta cvičení a cvičení.
• Praktická implementace v prostředí živé laboratoře.

Možnosti přizpůsobení kurzu

• Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás a domluvte se.

The objective of the course is to enable participants to gain a mastery of how to work with the SQL language in Oracle database for data extraction at intermediate level.

R je programovací jazyk a softwarové prostředí pro statistické výpočty. SAS je statistická softwarová platforma pro prediktivní analýzu, správu dat, pokročilou analýzu a další. S R v SAS, uživatelé mohou najít přirozené skupiny dat pro klastrní analýzu, které jsou nezbytné pro data těžby. Tento instruktor vedený, živý trénink (online nebo on-site) je zaměřen na analytiky údajů, kteří chtějí programovat s R v SAS pro klastrovou analýzu. Po ukončení tohoto tréninku budou účastníci schopni:

Analýza klastru pro data mining Master R syntax pro klastrování řešení. Využití hierarchického a nehierarchického klastrování. Vykonávání datových rozhodnutí, které pomohou zlepšit podnikatelské operace.

Formát kurzu

Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.

Možnosti personalizace kurzu

Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.

Audience If you try to make sense out of the data you have access to or want to analyse unstructured data available on the net (like Twitter, Linked in, etc...) this course is for you. It is mostly aimed at decision makers and people who need to choose what data is worth collecting and what is worth analyzing. It is not aimed at people configuring the solution, those people will benefit from the big picture though. Delivery Mode During the course delegates will be presented with working examples of mostly open source technologies. Short lectures will be followed by presentation and simple exercises by the participants Content and Software used All software used is updated each time the course is run, so we check the newest versions possible. It covers the process from obtaining, formatting, processing and analysing the data, to explain how to automate decision making process with machine learning.

Objective: Delegates be able to analyse big data sets, extract patterns, choose the right variable impacting the results so that a new model is forecasted with predictive results.

Course can be provided with any tools, including free open-source data mining software and applications

This instructor-led, live training (online or onsite) is aimed at data analysts and data scientists who wish to implement more advanced data analytics techniques for data mining using Python. By the end of this training, participants will be able to:

• Understand important areas of data mining, including association rule mining, text sentiment analysis, automatic text summarization, and data anomaly detection.
• Compare and implement various strategies for solving real-world data mining problems.
• Understand and interpret the results. 

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

R is an open-source free programming language for statistical computing, data analysis, and graphics. R is used by a growing number of managers and data analysts inside corporations and academia. R has a wide variety of packages for data mining.

Data Vault Modeling is a database modeling technique that provides long-term historical storage of data that originates from multiple sources. A data vault stores a single version of the facts, or "all the data, all the time". Its flexible, scalable, consistent and adaptable design encompasses the best aspects of 3rd normal form (3NF) and star schema. In this instructor-led, live training, participants will learn how to build a Data Vault. By the end of this training, participants will be able to:

• Understand the architecture and design concepts behind Data Vault 2.0, and its interaction with Big Data, NoSQL and AI.
• Use data vaulting techniques to enable auditing, tracing, and inspection of historical data in a data warehouse.
• Develop a consistent and repeatable ETL (Extract, Transform, Load) process.
• Build and deploy highly scalable and repeatable warehouses.

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

This course is intended for engineers and decision makers working in data mining and knoweldge discovery. You will learn how to create effective plots and ways to present and represent your data in a way that will appeal to the decision makers and help them to understand hidden information.

R  je open-source programovací jazyk pro statistické výpočetní techniky, analýzu dat a grafiku. Výzkum využívá rostoucí počet manažerů a analytiků v korporacích a akademii. R má širokou škálu balíčků pro data mining.

Big data is data sets that are so voluminous and complex that traditional data processing application software are inadequate to deal with them. Big data challenges include capturing data, data storage, data analysis, search, sharing, transfer, visualization, querying, updating and information privacy.

The objective of the course is to enable participants to gain a mastery of the fundamentals of R and how to work with data.

KNIME Analytics Platform is a leading open source option for data-driven innovation, helping you discover the potential hidden in your data, mine for fresh insights, or predict new futures. With more than 1000 modules, hundreds of ready-to-run examples, a comprehensive range of integrated tools, and the widest choice of advanced algorithms available, KNIME Analytics Platform is the perfect toolbox for any data scientist and business analyst. This course for KNIME Analytics Platform is an ideal opportunity for beginners, advanced users and KNIME experts to be introduced to KNIME, to learn how to use it more effectively, and how to create clear, comprehensive reports based on KNIME workflows

KNIME je zkrácený název Konstanz Information Miner, platformy určené pro integraci, interaktivní analýzu a reportování dat, která je k dispozici jako bezplatný software s otevřeným zdrojovým kódem. KNIME umožňuje integraci mnoha různých komponent z oblasti strojového učení a data miningu díky konceptu modulárního zpracování datových potrubí. Grafické uživatelské rozhraní a použití JDBC umožňují snadnou a rychlou konfiguraci uzlů za účelem připojení různých datových zdrojů, s přihlédnutím k procesu předzpracování - ETL a také k modelování, analýze a vizualizaci dat bez nutnosti použití programování (nebo alespoň v minimální míře). KNIME do jisté míry jako pokročilý analytický nástroj lze považovat za alternativu SAS.Od roku 2006 se KNIME používá ve farmaceutickém výzkumu a také v dalších oblastech, jako je analýza zákaznických dat (CRM), business intelligence (BI) a analýza finančních dat.

MATLAB je numerické výpočetní prostředí a programovací jazyk vyvinutý společností MathWorks.

MonetDB is an open-source database that pioneered the column-store technology approach. In this instructor-led, live training, participants will learn how to use MonetDB and how to get the most value out of it. By the end of this training, participants will be able to:

• Understand MonetDB and its features
• Install and get started with MonetDB
• Explore and perform different functions and tasks in MonetDB
• Accelerate the delivery of their project by maximizing MonetDB capabilities

Audience

• Developers
• Technical experts

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

R is an open-source free programming language for statistical computing, data analysis, and graphics. R is used by a growing number of managers and data analysts inside corporations and academia. R has also found followers among statisticians, engineers and scientists without computer programming skills who find it easy to use. Its popularity is due to the increasing use of data mining for various goals such as set ad prices, find new drugs more quickly or fine-tune financial models. R has a wide variety of packages for data mining.

Goal: Learning to work with SPSS at the level of independence The addressees: Analysts, researchers, scientists, students and all those who want to acquire the ability to use SPSS package and learn popular data mining techniques.

Process mining, or Automated Business Process Discovery (ABPD), is a technique that applies algorithms to event logs for the purpose of analyzing business processes. Process mining goes beyond data storage and data analysis; it bridges data with processes and provides insights into the trends and patterns that affect process efficiency.  Format of the Course

• The course starts with an overview of the most commonly used techniques for process mining. We discuss the various process discovery algorithms and tools used for discovering and modeling processes based on raw event data. Real-life case studies are examined and data sets are analyzed using the ProM open-source framework.