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