RapidMiner & Data Science: Advanced

Classroom Schulung | Deutsch | Anspruch

Schulungsdauer: 2 Tage

Ziele

In diesem Seminar befassen sich die Teilnehmer schwerpunktmäßig mit Data Mining und Predictive Analytics mit RapidMiner Studio. Das Seminar vertieft die Inhalt von "RapidMiner & DataScience: Foundations" und zeigt den Teilnehmern auf, wie Sie ein ausgefeilteres Analysemodell erstellen und gleichzeitig ihr Wissen über die grafische Benutzeroberfläche sowie alle wichtigen Produktfunktionen vertiefen.

Zielgruppe

  • Fortgeschrittene Analysten
  • Data Scientists

Voraussetzungen

  • Grundlegende Computerprogramm- und Mathematikkenntnisse
  • RapidMiner & DataScience: Foundations

Agenda

EDA: Exploratory Data Analysis

  • Mehrere Quellen
  • Joins & Set Theory
  • Neue Attribute verstehen

Datenaufbereitung

  • Erweiterte Daten-ETL (Extract, Transform, and Load)
  • Aggregation & mehrstufige Aggregation
  • Pivot & De-Pivot
  • Berechnete Werte
  • Reguläre Ausdrücke
  • Werttypen ändern
  • Feature-Generierung und Feature-Engineering
  • Loops
  • Makros

Predictive Modeling Algorithms

  • Unterstützung von Vektor-Maschinen
  • Neuronale Netze
  • Logistische Regression

Modellbau und -bewertung

  • Erweiterte Leistungskriterien
  • ROC-Plots
  • Gegenüberstellung von Modellen
  • Sampling
  • Gewichtung
  • Auswahl der Merkmale: Forward Selection
  • Auswahl der Merkmale: Backward Elimination
  • Validierung der Vorverarbeitung und von Vorverarbeitungsmodellen
  • Optimierung & Protokollierung der Ergebnisse

Zusätzliche Workshops

  • Analyse der Hauptkomponenten
  • Logistische Regression
  • Performance (Cost) Model Optimization

Ziele

In diesem Seminar befassen sich die Teilnehmer schwerpunktmäßig mit Data Mining und Predictive Analytics mit RapidMiner Studio. Das Seminar vertieft die Inhalt von "RapidMiner & DataScience: Foundations" und zeigt den Teilnehmern auf, wie Sie ein ausgefeilteres Analysemodell erstellen und gleichzeitig ihr Wissen über die grafische Benutzeroberfläche sowie alle wichtigen Produktfunktionen vertiefen.

Zielgruppe

  • Fortgeschrittene Analysten
  • Data Scientists

Voraussetzungen

  • Grundlegende Computerprogramm- und Mathematikkenntnisse
  • RapidMiner & DataScience: Foundations

Agenda

EDA: Exploratory Data Analysis

  • Mehrere Quellen
  • Joins & Set Theory
  • Neue Attribute verstehen

Datenaufbereitung

  • Erweiterte Daten-ETL (Extract, Transform, and Load)
  • Aggregation & mehrstufige Aggregation
  • Pivot & De-Pivot
  • Berechnete Werte
  • Reguläre Ausdrücke
  • Werttypen ändern
  • Feature-Generierung und Feature-Engineering
  • Loops
  • Makros

Predictive Modeling Algorithms

  • Unterstützung von Vektor-Maschinen
  • Neuronale Netze
  • Logistische Regression

Modellbau und -bewertung

  • Erweiterte Leistungskriterien
  • ROC-Plots
  • Gegenüberstellung von Modellen
  • Sampling
  • Gewichtung
  • Auswahl der Merkmale: Forward Selection
  • Auswahl der Merkmale: Backward Elimination
  • Validierung der Vorverarbeitung und von Vorverarbeitungsmodellen
  • Optimierung & Protokollierung der Ergebnisse

Zusätzliche Workshops

  • Analyse der Hauptkomponenten
  • Logistische Regression
  • Performance (Cost) Model Optimization

Tags

Diese Seite weiterempfehlen