Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Návrh Školení
Úvod do Data Science for Big Data Analytics
- Data Science Přehled Přehled velkých dat Datové struktury Ovladače a složitosti ekosystému velkých dat Big Data a nový přístup k analýze Klíčové technologie v procesu dolování velkých dat a problémy Asociace vzorové těžby dat Clustering odlehlých hodnot Detekce dat Klasifikace
Úvod do životního cyklu analýzy dat
- Discovery Příprava dat Plánování modelu Budování modelu Prezentace/Communication výsledků Operacionalizace Cvičení: Případová studie
Od tohoto okamžiku bude většina tréninkového času (80 %) věnována příkladům a cvičením v R a související technologii velkých dat.
Začínáme s R
- Instalace R a Rstudio Funkce objektů jazyka R v R Data v R Manipulace s daty Problémy s velkými daty Cvičení
Začínáme s Hadoop
- Instalace Hadoop Pochopení Hadoop režimů HDFS Architektura MapReduce Hadoop přehled souvisejících projektů Psaní programů v Hadoop Cvičení MapReduce
Integrace R a Hadoop s RHadoop
- Komponenty RHadoop Instalace RHadoop a připojení k Hadoop Architektura RHadoop Hadoop streamování s R Řešení problémů s analýzou dat pomocí RHadoop Cvičení
Předzpracování a příprava dat
- Kroky přípravy dat Extrakce prvků Čištění dat Integrace a transformace dat Redukce dat – vzorkování, výběr podmnožiny prvků, Redukce rozměrů Diskretizace a binning Cvičení a případová studie
Průzkumné metody analýzy dat v R
- Popisná statistika Průzkumná analýza dat Vizualizace – předběžné kroky Vizualizace jedné proměnné Zkoumání více proměnných Statistické metody pro hodnocení Testování hypotéz Cvičení a případová studie
Data Visualization s
- Základní vizualizace v R Balíčky pro vizualizaci dat ggplot2, lattice, plotly, lattice Formátování grafů v R Pokročilé grafy Cvičení
Regrese (odhad budoucích hodnot)
- Lineární regrese Případy použití Popis modelu Diagnostika Problémy s lineární regresí Metody smršťování, hřebenová regrese, laso Zobecnění a nelinearita Regresní splajny Lokální polynomiální regrese Zobecněné aditivní modely Regrese s RHadoop Cvičení a případová studie
Klasifikace
- Problémy související s klasifikací Bayesian refresher Naivní Bayes Logistická regrese K-nejbližší sousedé Algoritmus rozhodovacích stromů Neuronové sítě Podporované vektorové stroje Diagnostika klasifikátorů Porovnání klasifikačních metod Scalable klasifikační algoritmy Cvičení a případová studie
Posouzení výkonu a výběru modelu
- Zkreslení, odchylka a složitost modelu Přesnost vs. interpretovatelnost Hodnocení klasifikátorů Měření výkonu modelu/algoritmu Metoda vydržování ověřování Křížová validace Ladění algoritmů strojového učení pomocí balíčku stříšky Vizualizace výkonu modelu pomocí křivek Profit ROC a Lift
Ensemble Methods
- Bagging Random Forests Boosting Cvičení na posílení gradientu a případová studie
Podpora vektorových strojů pro klasifikaci a regresi
- Klasifikátory maximální marže Klasifikátory podpůrných vektorů Podporované vektorové stroje SVM pro klasifikační problémy SVM pro regresní problémy
Výběr vlastností pro shlukování Reprezentativní algoritmy: k-means, k-medoids Hierarchické algoritmy: aglomerativní a dělící metody Pravděpodobnostní základní algoritmy: EM Algoritmy založené na hustotě: DBSCAN, DENCLUE Ověřování clusterů Pokročilé koncepty shlukování a R[5ses Clustering] Clustering
- Objevování spojení s analýzou odkazů
Koncepty analýzy odkazů Metriky pro analýzu sítí Algoritmus Pagerank Hyperlink-Induced Topic Search Cvičení predikce odkazů a případová studie
- Sdružení Pattern Mining
Model častého dolování vzorů Scalaproblémy se schopností při častém dolování vzorů Algoritmy hrubé síly Apriori algoritmus Přístup FP růstu Hodnocení pravidel kandidáta Aplikace pravidel asociace Validace a testování Diagnostika Pravidla asociace s cvičeními R a Hadoop a případová studie
- Konstrukce motorů doporučení
Porozumění doporučovacím systémům Techniky dolování dat používané v doporučovacích systémech Systémy doporučování s balíčkem doporučujících laboratoří Hodnocení doporučovacích systémů Doporučení s RHadoop Cvičení: Sestavení motoru doporučení
- Analýza textu
Kroky analýzy textu Sběr surového textu Pytlík slov Frekvence termínu – Inverzní frekvence dokumentu Určování pocitů Cvičení a případová studie
35 hodiny
Reference (2)
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Kurz - Data Science for Big Data Analytics
The example and training material were sufficient and made it easy to understand what you are doing.
