Modelowanie predykcyjne z wykorzystaniem R - Plan Szkolenia

W tym szkoleniu prowadzonym przez instruktora uczestnicy nauczą się podejścia, z jakim należy podchodzić do technologii Big Data, ocenić ich wpływ na istniejące procesy i polityki oraz wdrożyć te technologie w celu identyfikacji działalności kryminalnej i zapobiegania przestępczości. Przeanalizujemy przypadki zastosowania przez organizacje policyjne na całym świecie, aby uzyskać wgląd w ich podejścia do wdrażania, wyzwania oraz wyniki.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Połączyć technologię Big Data z tradycyjnymi procesami gromadzenia danych, aby skonstruować opowieść podczas śledztwa.
• Wdrożyć przemysłowe rozwiązania do przechowywania i przetwarzania dużych zbiorów danych w celach analizy.
• Przygotować propozycję dotyczącą wdrożenia najbardziej odpowiednich narzędzi i procesów, umożliwiających podejście oparte na danych w śledztwie kryminalnym.

Uczestnicy

Jeśli próbujesz nadać sens danym, do których masz dostęp lub chcesz analizować nieustrukturyzowane dane dostępne w sieci (takie jak Twitter, LinkedIn itp.), ten kurs jest dla Ciebie.

Jest on skierowany głównie do decydentów i osób, które muszą wybrać, jakie dane warto gromadzić i co warto analizować.

Nie jest on skierowany do osób konfigurujących rozwiązanie, jednak osoby te skorzystają z szerszej perspektywy.

Tryb dostawy

Podczas kursu delegaci zostaną zapoznani z działającymi przykładami głównie technologii open source.

Po krótkich wykładach odbędzie się prezentacja i proste ćwiczenia dla uczestników.

Używana zawartość i oprogramowanie

Całe używane oprogramowanie jest aktualizowane za każdym razem, gdy kurs jest uruchamiany, więc sprawdzamy najnowsze możliwe wersje.

Obejmuje proces pozyskiwania, formatowania, przetwarzania i analizowania danych, aby wyjaśnić, jak zautomatyzować proces podejmowania decyzji za pomocą uczenia maszynowego.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla analityków danych i analityków danych, którzy chcą zautomatyzować, oceniać i zarządzać modelami predykcyjnymi przy użyciu możliwości uczenia maszynowego DataRobot.

Pod koniec tego szkolenia uczestnicy będą mogli

• Ładować zbiory danych w DataRobot, aby analizować, oceniać i sprawdzać jakość danych.
• Budować i trenować modele w celu identyfikacji ważnych zmiennych i osiągnięcia celów predykcyjnych.
• Interpretować modele w celu tworzenia cennych spostrzeżeń przydatnych w podejmowaniu decyzji biznesowych.
• Monitorowanie i zarządzanie modelami w celu utrzymania zoptymalizowanej wydajności przewidywania.

Ten szkolenie prowadzone przez instruktora, dostępne online lub na miejscu, jest przeznaczone dla analityków danych i profesjonalistów biznesowych o poziomie średnim, którzy chcą wykonywać prognozowanie szeregów czasowych oraz automatyzować przepływy danych za pomocą języka R.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy technik prognozowania w R.
• Zastosować metodę gładzenia eksponencjalnego i modele ARIMA do analizy szeregów czasowych.
• Wykorzystać pakiet ‘forecast’ do generowania dokładnych modeli prognozujących.
• Automatyzować procesy prognozowania dla zastosowań biznesowych i badawczych.

To szkolenie prowadzone przez instruktora w Polsce (online lub stacjonarnie) skierowane jest do pośrednio zaawansowanych developerów, którzy chcą tworzyć aplikacje zasilane sztuczną inteligencją, wykorzystując analitykę przewidywującą i generatywne modele.

Na zakończenie tego szkolenia uczestnicy będą mogli:

• Zrozumieć podstawy przewidywującej sztucznej inteligencji i generatywnych modeli.
• Wykorzystywać narzędzia zasilane sztuczną inteligencją do przewidywania kodowania, prognozowania i automatyzacji.
• Wdrożyć LLMs (Large Language Models) i transformatory do generowania tekstu i kodu.
• Zastosować prognozowanie czasowych szeregów danych i rekomendacje oparte na sztucznej inteligencji.
• Rozwijać i dopasowywać modele sztucznej inteligencji do rzeczywistych aplikacji.
• Ocenić etyczne aspekty i najlepsze praktyki w wdrażaniu sztucznej inteligencji.

To szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest skierowane do początkujących specjalistów IT, którzy chcą opanować podstawy Precyzyjnego AI.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawowe pojęcia Precyzyjnego AI i jego zastosowania.
• Zbierać, czyścić i przygotowywać dane do analizy precyzyjnej.
• Badanie i wizualizacja danych w celu odkrycia wniosków.
• Budowanie podstawowych modeli statystycznych do dokonywania prognoz.
• Oceniać wydajność modeli precyzyjnych.
• Zastosowanie koncepcji Precyzyjnego AI do rzeczywistych scenariuszy.

R to darmowy język programowania o otwartym kodzie źródłowym do obliczeń statystycznych, analizy danych i grafiki. R jest używany przez rosnącą liczbę menedżerów i analityków danych w korporacjach i środowiskach akademickich. R posiada szeroką gamę pakietów do eksploracji danych.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do średnio zaawansowanych profesjonalistów danych, którzy chcą stosować techniki uczenia maszynowego do problemów biznesowych opartych na danych, w tym prognozowania sprzedaży i modelowania przewidywania za pomocą sieci neuronowych.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawowe pojęcia i typy uczenia maszynowego.
• Zastosować kluczowe algorytmy do klasyfikacji, regresji, grupowania i analizy powiązań.
• Wykonawać eksploracyjną analizę danych i przygotowywanie danych za pomocą Pythona.
• Używać sieci neuronowych do zadań modelowania nieliniowego.
• Wdrażać analizę przewidywania do prognozowania biznesowego, w tym danych sprzedaży.
• Ocenić i optymalizować wydajność modelu za pomocą technik wizualnych i statystycznych.

Uczestnicy

Business właściciele (kierownicy ds. marketingu, kierownicy ds. produktu, kierownicy ds. bazy klientów) i ich zespoły; specjaliści ds. analizy klientów.

Przegląd

Kurs śledzi cykl życia klienta od pozyskiwania nowych klientów, zarządzania istniejącymi klientami w celu uzyskania rentowności, utrzymania dobrych klientów i wreszcie zrozumienia, którzy klienci nas opuszczają i dlaczego. Będziemy pracować z prawdziwymi (jeśli anonimowymi) danymi z różnych branż, w tym telekomunikacji, ubezpieczeń, mediów i zaawansowanych technologii.

Format

Szkolenie prowadzone przez instruktora w trakcie pięciu półdniowych sesji z ćwiczeniami w klasie oraz zadaniami domowymi. Szkolenie może być prowadzone w klasie lub na odległość (online).

To szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest przeznaczone dla profesjonalistów DevOps na poziomie średnim, którzy chcą zintegrować przewidywalną sztuczną inteligencję w swoich praktykach DevOps.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Wdrożyć modele analizy przewidywalnej do przewidywania i rozwiązywania problemów w łańcuchu dostaw DevOps.
• Wykorzystywać narzędzia oparte na AI do poprawy monitorowania i operacji.
• Zastosować techniki uczenia maszynowego w celu poprawy przepływu dostaw oprogramowania.
• Projektować strategie AI dla proaktywnego rozwiązywania problemów i optymalizacji.
• Nawigować w etycznych aspektach stosowania AI w DevOps.

RapidMiner to platforma oprogramowania do nauki o danych typu open source do szybkiego prototypowania i rozwoju aplikacji. Obejmuje zintegrowane środowisko do przygotowywania danych, uczenia maszynowego, głębokiego uczenia, eksploracji tekstu i analizy predykcyjnej.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy dowiedzą się, jak korzystać z RapidMiner Studio do przygotowywania danych, uczenia maszynowego i wdrażania modeli predykcyjnych.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zainstalować i skonfigurować RapidMiner
• Przygotowywać i wizualizować dane za pomocą RapidMiner
• Walidować modele uczenia maszynowego
• Mashup danych i tworzenie modeli predykcyjnych
• Operacjonalizować analitykę predykcyjną w ramach procesu biznesowego
• Rozwiązywanie problemów i optymalizacja RapidMiner

Odbiorcy

• Naukowcy zajmujący się danymi
• Inżynierowie
• Programiści

Format kursu

• Wykład częściowy, dyskusja częściowa, ćwiczenia i ciężka praktyka praktyczna

Uwaga

• Aby poprosić o niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

Uczestnicy

• menedżerowie
• deweloperzy
• naukowcy
• studenci

Format kursu

instruktaż i dyskusja online LUB warsztaty bezpośrednie

R to darmowy język programowania o otwartym kodzie źródłowym do obliczeń statystycznych, analizy danych i grafiki. R jest używany przez rosnącą liczbę menedżerów i analityków danych w korporacjach i środowiskach akademickich. R znalazł również zwolenników wśród statystyków, inżynierów i naukowców bez umiejętności programowania komputerowego, którzy uważają go za łatwy w użyciu. Jego popularność wynika z rosnącego wykorzystania eksploracji danych do różnych celów, takich jak ustalanie cen reklam, szybsze znajdowanie nowych leków lub dostrajanie modeli finansowych. R posiada szeroką gamę pakietów do eksploracji danych.

Ten kurs obejmuje manipulowanie obiektami w R, w tym odczytywanie danych, uzyskiwanie dostępu do pakietów R, pisanie funkcji R i tworzenie wykresów informacyjnych. Kurs uczy, jak korzystać z oprogramowania R (https://www.r-project.org) zarówno w wierszu poleceń, jak i w graficznym interfejsie użytkownika (GUI).

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do analityków, badaczy i profesjonalistów o poziomie początkowym do średniozaawansowanym, którzy chcą używać SPSS do przygotowania danych, analizy statystycznej i modelowania predykcyjnego.

Grupa docelowa

Format kursu

Po zakończeniu tego szkolenia uczestnicy będą mogli:

W tym szkoleniu prowadzonym przez instruktora uczestnicy nauczą się manipulowania i wizualizacji danych za pomocą narzędzi zawartych w Tidyverse.

Tidyverse to zbiór wszechstronnych pakietów R służących do czyszczenia, przetwarzania, modelowania i wizualizacji danych. Niektóre z pakietów zawartych w zbiorze to: ggplot2, dplyr, tidyr, readr, purrr oraz tibble.

• Początkujący w języku R
• Początkujący w analizie danych i wizualizacji danych

• Część wykładu, część dyskusji, ćwiczenia i intensywne praktyczne ćwiczenia

• Wykonanie analizy danych i stworzenie przyjemnych wizualizacji
• Wnioskowanie użytecznych wniosków z różnych zestawów danych próbek
• Filtrowanie, sortowanie i podsumowywanie danych w celu odpowiedzi na pytania eksploracyjne
• Przekształcanie przetworzonych danych w informacyjne wykresy liniowe, wykresy słupkowe i histogramy
• Importowanie i filtrowanie danych z różnych źródeł danych, w tym Excel, CSV i plików SPSS