Process Mining 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.

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megértik a Fintech stratégia megvalósításához szükséges technológiákat, módszereket és gondolkodásmódot.

Ez a képzés azoknak a menedzsereknek szól, akiknek meg kell érteniük a Fintech-t, le kell törniük a hype-ot és a zsargont, és meg kell tenniük az első kézzelfogható lépéseket a pénzügyi vállalkozásokra és szolgáltatásokra alkalmazható új technológiák bevezetése felé.

A képzés végére a résztvevők képesek lesznek

• Mutasson be működőképes Fintech stratégiákat szervezetük számára.
• Megérteni és elmagyarázni a kulcsfontosságú technológiák szerepét és funkcióit.
• Készítsen cselekvési tervet az új technológiák lépésről lépésre történő bevezetésére.

A receptív elemzés az üzleti elemzés egyik ága, a leíró és prediktív elemzéssel együtt. Prediktív modelleket használ az optimális eredmények eléréséhez szükséges intézkedések javaslására, az optimalizálásra és a szabályokon alapuló technikákra támaszkodva a döntéshozatal alapjául.

Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan lehet a Matlab segítségével elvégezni a receptív analitikát a mintaadatok halmazán.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a vényköteles elemzésben használt kulcsfogalmakat és kereteket
• Használja a MATLAB és annak eszköztárait az adatok megszerzéséhez, tisztításához és feltárásához
• Használjon szabályokon alapuló technikákat, beleértve következtetési motorokat, eredménykártyákat és döntési fákat, hogy különböző üzleti forgatókönyvek alapján hozzon döntéseket
• Használja a Monte Carlo szimulációt a bizonytalanságok elemzéséhez és a megalapozott döntéshozatal biztosításához
• Prediktív és előíró modellek telepítése a vállalati rendszerekbe

Közönség

• Business elemzők
• Műveleti tervezők
• Funkcionális vezetők
• BI ( Business Intelligence ) csapat tagjai

A tantárgy formátuma

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

Az IREB fontos szerepet játszik a követelmények mérnöki gyakorlatának szabványosításában, segíti a területen dolgozó szakembereket készségeik fejlesztésében és a szoftverfejlesztési folyamatok minőségi színvonalának emelésében. Az IREB-tanúsítványokat az iparban nagyra értékelik a menedzsment és követelménymérnöki magas szakmai kompetenciák megerősítéseként.

Ez a kurzus gyakorlati gyakorlatokon keresztül mutatja be a szoftverfejlesztés alapjait és alkalmazását, a követelménytervezést és a tesztelést.

A modell alapú fejlesztés (MBD) olyan szoftverfejlesztési módszertan, amely dinamikus rendszerek gyorsabb, költséghatékonyabb kifejlesztését teszi lehetővé, mint például a vezérlőrendszerek, a jelfeldolgozás és a kommunikációs rendszerek A hagyományos szövegalapú programozás helyett grafikai modellezésre támaszkodik Ebben az oktatott, élő képzés résztvevői megtanulják, hogyan alkalmazzák az MBD módszertanokat a fejlesztési költségek csökkentése és a beágyazott szoftver termékek piacra jutásának felgyorsítása érdekében A képzés végére a résztvevők képesek lesznek Válassza ki és használja ki a megfelelő eszközöket az MBD megvalósításához Használja az MBD-t a beágyazott szoftverprojekt korai szakaszában történő gyors fejlődéshez Rövidítse be a beágyazott szoftverek piacra juttatását Közönség Beágyazott rendszerek mérnökei Fejlesztők és programozók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a személyeknek szól, akik meg akarják érteni a követelményelemzést, és hatékonyan és pontosan kívánják elvégezni a követelmények elemzését projektjeik elemzési technikáinak használatával.

A képzés végére a résztvevők képesek lesznek:

• azonosítani a különböző típusú követelményeket.
• megérteni a követelményelemzés átfogó fogalmait és az azon belüli tevékenységeket.
• ismernie kell a követelményelemzés módszertanát.
• különböző követelményelemzési technikákat használnak előnyükre.
• szerkezeti követelményeket annak érdekében, hogy hatékonyan kommunikálhassanak az építészekkel és a fejlesztőkkel egy iteratív követelménygyűjtési folyamaton keresztül.

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.

Célkitűzés: A küldöttek képesek nagy adatkészletek, kivonatminta elemzésére, az eredményt befolyásoló megfelelő változó kiválasztására, hogy egy új modell előrejelzett eredményekkel előrejelezhető legyen .

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.