Data Mining with Excel Träningskurs

Kunskap upptäckt i databaser (KDD) är processen att upptäcka användbar kunskap från en insamling av data. Verkliga applikationer för denna data mining teknik inkluderar marknadsföring, bedrägeri upptäckt, telekommunikation och tillverkning.

I denna instruktörledda, levande kurs introducerar vi de processer som är inblandade i KDD och utför en serie övningar för att öva genomförandet av dessa processer.

Publiken

• Dataanalytiker eller någon som är intresserad av att lära sig hur man tolkar data för att lösa problem

Format för kursen

• Efter en teoretisk diskussion om KDD kommer instruktören att presentera verkliga fall som kräver tillämpningen av KDD för att lösa ett problem. Deltagarna kommer att förbereda, välja och rengöra provdata uppsättningar och använda sina tidigare kunskaper om data för att föreslå lösningar baserat på resultaten av sina observationer.

Go al:

Lära sig att arbeta med SPSS på självständighetsnivå

Adressaterna:

Analytiker, forskare, forskare, studenter och alla de som vill skaffa sig förmågan att använda SPSS-paketet och lära sig populär datateknik.

Kursen kan förses med alla verktyg, inklusive gratis programvara och applikationer för öppen källkodsutvinning

Publik

Om du försöker skapa mening med de data du har tillgång till eller vill analysera ostrukturerade data som finns tillgängliga på nätet (som Twitter, Länkade in osv ...) är den här kursen för dig.

Det riktar sig mest till beslutsfattare och människor som behöver välja vilka data som är värda att samla in och vad som är värt att analysera.

Det är inte riktat till personer som konfigurerar lösningen, men dessa människor kommer dock att dra nytta av den stora bilden.

Leveransläge

Under kursen kommer delegaterna att presenteras med fungerande exempel på mestadels open source-teknik.

Korta föreläsningar följs av presentation och enkla övningar av deltagarna

Innehåll och programvara som används

All mjukvara som används uppdateras varje gång kursen körs, så vi kontrollerar de senaste versionerna som möjligt.

Det täcker processen från att skaffa, formatera, bearbeta och analysera data, för att förklara hur man automatiserar beslutsfattande med maskininlärning.

R är ett fritt programmeringsspråk med öppen källkod för statistisk beräkning, dataanalys och grafik. R används av ett växande antal chefer och dataanalytiker inom företag och akademi. R har ett brett utbud av paket för data mining.

Målet med kursen är att göra det möjligt för deltagarna att få en behärskning av hur man arbetar med SQL språket i Oracle databasen för datauttag på mellannivå.

Mål: Delegater kan analysera stora dataset, extrahera mönster, välja rätt variabel som påverkar resultaten så att en ny modell prognostiseras med prediktiva resultat .

R är ett fritt programmeringsspråk med öppen källkod för statistisk beräkning, dataanalys och grafik. R används av ett växande antal chefer och dataanalytiker inom företag och akademi. R har också hittat följare bland statistiker, ingenjörer och forskare utan datorprogrammeringsfärdigheter som tycker det är lätt att använda. Dess popularitet beror på den ökande användningen av data mining för olika mål såsom fastställda annonspriser, snabbare hitta nya läkemedel eller finjustera finansiella modeller. R har ett brett utbud av paket för data mining.

R  är en öppen källkod fri programmeringsspråk för statistisk databehandling, dataanalys och grafik. Forskning används av ett växande antal chefer och dataanalytiker inom företag och akademier. R har ett brett utbud av paket för data mining.

Kursen är avsedd för ingenjörer och beslutsfattare som arbetar med data mining och knoweldge-upptäckt.

Du kommer att lära dig att skapa effektiva tomter och sätt att presentera och representera dina data på ett sätt som tilltalar beslutsfattarna och hjälper dem att förstå dold information.

Big data är datauppsättningar som är så omfattande och komplexa att traditionell applikationsprogramvara för databehandling är otillräcklig för att hantera dem. Stora datautmaningar inkluderar fånga data, datalagring, dataanalys, sökning, delning, överföring, visualisering, fråga, uppdatering och informationssekretess.

process Mining, eller Automated Business Process Discovery (ABPD), är en teknik som använder algoritmer för att händelse loggar för att analysera affärs processer. Process brytning går utöver data lagring och data analys; den överbryggar data med processer och ger insikter om trender och mönster som påverkar process effektiviteten.  

format för kursen

• kursen inleds med en översikt över de vanligaste teknikerna för process utvinning. Vi diskuterar de olika processidentifieringsalgoritmerna och verktygen som används för att upptäcka och modellera processer baserade på rå händelse data. Fallstudier i verkliga livet unders öks och data uppsättningar analyseras med hjälp av ProM Open-Source Framework.

I denna instruktörsledda, liveutbildning i Sverige kommer deltagarna att lära sig hur man bygger en Data Vault.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå arkitekturen och designkoncepten bakom Data Vault 2.0, och dess interaktion med Big Data, NoSQL och AI.
• Använd datavalvtekniker för att möjliggöra granskning, spårning och inspektion av historiska data i ett datalager.
• Utveckla en konsekvent och repeterbar ETL-process (extrahera, transformera, ladda).
• Bygg och distribuera mycket skalbara och repeterbara lager.

MonetDB är en opensource-databas som pionjerar kolumnteknologin I denna instruktionsledda, levande träning kommer deltagarna att lära sig hur man använder MonetDB och hur man får mest ut av det Vid slutet av denna utbildning kommer deltagarna att kunna: Förstå MonetDB och dess funktioner Installera och börja med MonetDB Utforska och utför olika funktioner och uppgifter i MonetDB Accelerera leveransen av sitt projekt genom att maximera MonetDB-kapacitet Publik utvecklare Tekniska experter Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Målet med kursen är att göra det möjligt för deltagarna att få en behärskning av grundläggande för R och hur man arbetar med data.