Opis szkolenia Dane o szkoleniu Program
Transkrypt
Opis szkolenia Dane o szkoleniu Program
BDO - informacje o szkoleniu Opis szkolenia Dane o szkoleniu Kod szkolenia: 190211 Temat: Data Mining - praktyczne warsztaty komputerowe 26 - 27 Maj Warszawa, Centrum miasta, Kod szkolenia: 190211 Koszt szkolenia: 1840.00 + 23% VAT Program W typowym przedsiębiorstwie czy instytucji finansowej dysponujemy ogromnymi ilościami danych. Standardowym podejściem do ich analizy są raporty lub tabele przestawne. Takie metody jednak nie zawsze wystarczają do odkrycia potencjalnie użytecznych zależności występujących danych. Konieczna staje się eksploracja danych bardziej zaawansowanymi metodami. Celem szkolenia jest zrozumienie metodologii eksploracji danych metodami data miningu, poznanie wybranych metod / algorytmów, zrozumienie sposobów oceny jakości ich działania oraz zdobycie podstawowych, praktycznych umiejętności w tej dziedzinie. Szkolenie przydatne jest wszystkim, którzy chcą wyciągać wnioski i odkrywać prawidłowości w dużych ilościach danych. Charakter szkolenia: Szkolenie podzielone jest na części prezentacyjne oraz praktyczne warsztaty komputerowe. Części wykładowe są bogato ilustrowane przykładami analizy danych rzeczywistych. Podczas warsztatów analizujemy również dane rzeczywiste. Analizujemy także praktyczne case studies. Znaczną część czasu szkolenia zajmują dyskusje z jego uczestnikami. Uczestnicy szkolenia otrzymują materiały oraz wskazówki pozwalające na dalsze samodzielne pogłębianie wiedzy zdobytej na szkoleniu. 1. Wprowadzenie do data miningu - czym jest data mining (DM)? - przegląd zastosowań DM: zastosowania w bankowości i w przemyśle, text mining, web mining - data mining z punktu widzenia potrzeb biznesowych firmy: analiza klientów i ich zachowania,CRM, wspomaganie podejmowania decyzji, możliwe korzyści - główne etapy w procesie odkrywania wiedzy w danych (Knowledge Discovery in Data) - różnice pomiędzy DM, OLAP i analiza wyników zapytań bazodanowych - DM a statystyka 2. Przegląd rodzajów zadań DM BDO - informacje o szkoleniu - klasyfikacja - analiza skupień - odkrywanie reguł asocjacyjnych - redukcja wymiaru 3. Przygotowanie danych do analiz metodami data mining - analiza jakości danych - obserwacje brakujące i nietypowe - czyszczenie danych - przekształcenia wstępne 4. Przegląd metod stosowanych w DM - klasyfikacja metod/algorytmów; uczenie z nadzorem i uczenie bez nadzoru - metody klasyfikacji (drzewa klasyfikacyjne, metoda najbliższego sąsiada (k-NN)) - algorytmy analizy skupień (metoda k-średnich, metody hierarchiczne) - techniki redukcji wymiaru (metoda składowych głównych (PCA), skalowanie wielowymiarowe(MDS)) - metody odkrywania reguł asocjacyjnych (algorytm apriori) 5. Wybrane metody wizualizacji i eksploracyjna analiza danych (EDA) - analiza graficzna jednowymiarowa i wielowymiarowa - podstawowe wykresy analizy opisowej - zaawansowane algorytmy stosowane w wizualizacji danych wielowymiarowych - czym jest EDA? - metody stosowane w EDA6. Wybór najlepszych cech i optymalnego modelu/algorytmu - wybór istotnych cech (atrybutów) - ogólne reguły związane z wyborem modelu - problem przeuczenia (overfitting) - kompromis pomiędzy złożonością struktury modelu, a jego efektywnością - ocena efektywności zastosowanej metody/algorytmu 7. Prowadzenie projektów DM - popularne metodologie prowadzenia projektów DM: - Virtuous Cycle of Data Mining BDO - informacje o szkoleniu - CRISP-DM - wskazówki praktyczne 8. Case studies - przykłady typowych zadań DM na bazie wybranych problemów praktycznych 9. Dyskusja: możliwe korzyści biznesowe związane z zastosowaniem analiz data mining - dyskusja z uczestnikami szkolenia na temat przydatności i możliwości zastosowania metod dataminingu w analizie problemów spotykanych w ich praktyce zawodowej Prowadzący Informacje organizacyjne Kalendarz zajęć: Informacje i zgłoszenia