Data Mining with Weka Kurzusok

A tudás felfedezése az adatbázisokban (KDD) a hasznos tudás felfedezésének folyamata az adatok gyűjtéséből. Az adatbányászat technikájának valós életű alkalmazásai közé tartozik a marketing, a csalás kimutatása, a távközlés és a gyártás.

Ebben az oktató által vezetett, élő tanfolyamon bemutatjuk a KDD-ben részt vevő folyamatokat, és számos gyakorlatot végzünk az ilyen folyamatok végrehajtásának gyakorlására.

közönség

• Adatelemzők vagy bárki, aki érdekli, hogy megtanulják, hogyan kell értelmezni az adatokat a problémák megoldására

A kurzus formája

• A KDD elméleti megbeszélése után az oktató bemutatja a valós élet eseteit, amelyek felkérik a KDD alkalmazását a probléma megoldására. A résztvevők előkészítik, kiválasztják és tisztítják a minta adatkészleteket, és az adatokkal kapcsolatos előzetes ismereteiket használják fel, hogy a megfigyeléseik eredményei alapján megoldásokat javasoljanak.

Go :

Az SPSS-vel való együttműködés a függetlenség szintjén

A címzettek:

Az elemzők, kutatók, tudósok, diákok és mindazok, akik meg akarják szerezni az SPSS csomag használatát, és népszerű adatgyűjtési technikákat tanulnak.

A kurzus bármely eszközzel, beleértve az ingyenes nyílt forrású adatbányászati ​​szoftvereket és alkalmazásokat is biztosítja

Közönség

Ha megpróbálja megérteni az adatokból, amelyekhez hozzáférhet, vagy elemezni kívánja a net strukturált adatokat (például Twitter, Linked in, stb.), Ez a kurzus az Ön számára.

Leginkább a döntéshozóknak és azoknak az embereknek szól, akiknek ki kell választaniuk, hogy milyen adatokat érdemes gyűjteni és mit érdemes elemezni.

Nem a megoldást konfiguráló emberekre irányul.

Szállítási mód

A tanfolyam során a küldöttek többnyire nyílt forráskódú technológiákkal foglalkozó példákat mutatnak be.

A rövid előadásokat előadások és egyszerű gyakorlatok követik a résztvevők

Tartalom és szoftver

Minden használt szoftver frissül minden alkalommal, amikor a kurzust futtatják, így ellenőrizzük a legújabb verziókat.

Ez az adatgyűjtés, -formázás, -feldolgozás és -elemzés folyamatát foglalja magában, hogy elmagyarázza, hogyan automatizálható a döntéshozatali folyamat a gépi tanulással.

R egy nyílt forráskódú programozási nyelv a statisztikai számításokhoz, az adatok elemzéséhez és a grafikákhoz. Az R-t egyre nagyobb számú vezető és adatelemző használja a vállalatokon és az egyetemeken. R sokféle csomagot tartalmaz az adatbányászathoz.

A kurzus célja, hogy a résztvevők elsajátítsák, hogyan dolgozzanak az SQL nyelvvel az Oracle adatbázisban az adatgyűjtéshez közepes szinten.

R egy nyílt forráskódú programozási nyelv a statisztikai számításokhoz, az adatok elemzéséhez és a grafikákhoz. Az R-t egyre nagyobb számú vezető és adatelemző használja a vállalatokon és az egyetemeken. R a statisztikusok, a mérnökök és a tudósok között is találnak követőket számítógépes programozási készségek nélkül, akik könnyen használhatók. A népszerűsége annak köszönhető, hogy az adatbányászat egyre növekvő mértékben használja a különböző célokat, például a hirdetési árakat, az új gyógyszerek gyorsabb felkutatását vagy a pénzügyi modellek finomhangolását. R sokféle csomagot tartalmaz az adatbányászathoz.

R  egy nyílt forráskódú ingyenes programozási nyelv a statisztikai számítástechnika, az adatok elemzése és a grafika. A kutatást egyre több menedzser és adatelemző használja a vállalatok és az akadémia területén. Az R-nek számos adatbányászati csomagja van.

Ez a kurzus mérnökök és döntéshozók számára készült, akik az adatbányászatban és a tudásmegismerésben dolgoznak.

Megtanulhatja, hogyan hozhat létre hatékony telkeket, és hogyan jelenítheti meg és jelenítheti meg adatait oly módon, hogy a döntéshozókhoz forduljon, és segítsen nekik megérteni a rejtett információkat.

A nagy adat olyan adatkészletek, amelyek annyira terjedelmesek és összetettek, hogy a hagyományos adatfeldolgozó alkalmazásszoftverek nem megfelelőek ezek kezelésére. A nagy adat kihívások között szerepel az adatok rögzítése, az adatok tárolása, az adatok elemzése, a keresés, a megosztás, az átvitel, a megjelenítés, a lekérdezés, a frissítés és az adatvédelem.

A folyamatbányászat (Automated Business Process Discovery, ABPD) egy olyan módszer, amely algoritmusokat alkalmaz az eseménynaplókra az üzleti folyamatok elemzése céljából. A folyamatbányászat túlmutat az adattároláson és az elemzésen; áthidalja az adatokat a folyamatokkal, és betekintést nyújt a folyamatok hatékonyságát befolyásoló tendenciákba és mintákba.

A tantárgy formátuma

• A tanfolyam a folyamatbányászatban leggyakrabban használt technikák áttekintésével kezdődik. Megvizsgáljuk a folyamatok felderítéséhez és modellezéséhez használt, a nyers eseményadatok alapján alkalmazott különféle algoritmusokat és eszközöket. A valós esettanulmányokat megvizsgáljuk és az adatkészleteket a ProM nyílt forráskódú keretrendszerével elemezzük.

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megtanulják, hogyan kell Data Vault-et építeni.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Data Vault 2.0 mögött meghúzódó architektúrát és tervezési koncepciókat, valamint annak interakcióját a Big Data, NoSQL és AI között.
• Használjon adattároló technikákat, hogy lehetővé tegye az adattárházban lévő előzményadatok auditálását, nyomon követését és ellenőrzését.
• Konzisztens és megismételhető ETL (Extract, Transform, Load) folyamat kialakítása.
• Építsen és telepítsen nagymértékben méretezhető és megismételhető raktárakat.

A MonetDB egy nyílt forráskódú adatbázis, amely úttörő szerepet töltött be az oszlop-áruház-technológiai megközelítésben.

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan kell használni a MonetDB-t, és hogyan lehet a legtöbbet kihozni belőle.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a MonetDB-t és annak jellemzőit
• Telepítse és kezdje el a MonetDB használatával
• Fedezze fel és hajtsa végre a MonetDB különböző funkcióit és feladatait
• A MonetDB képességeinek maximalizálásával gyorsítsa fel projektje megvalósítását

Közönség

• Fejlesztők
• Műszaki szakértők

A tantárgy formátuma

• Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

A kurzus célja, hogy lehetővé tegye a résztvevők számára az R alapjai és az adatokkal való munka megismerését.