友情鏈接:
|
>工業(yè)機(jī)器人仿真培訓(xùn) |
R語言大數(shù)據(jù)分析培訓(xùn)課程 |
Ansys Workbench模擬培訓(xùn)
曙海教學(xué)優(yōu)勢(shì)
本課程面向企事業(yè)項(xiàng)目實(shí)際需要,秉承二十一年積累的教學(xué)品質(zhì)，SPSS Modeler高級(jí)培訓(xùn)-以項(xiàng)目實(shí)現(xiàn)為導(dǎo)向,老師將會(huì)與您分享設(shè)計(jì)的全流程以及工具的綜合使用經(jīng)驗(yàn)、技巧。線上/線下/上門皆可,SPSS Modeler高級(jí)培訓(xùn)-專家,課程可定制,熱線:4008699035。
曙海的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。曙海的課程在業(yè)內(nèi)有著響亮的知名度。大批企業(yè)和曙海
建立了良好的合作關(guān)系,20多年來，合作企事業(yè)單位以達(dá)30多萬。
培訓(xùn)目標(biāo)：
本課程結(jié)束后，受培訓(xùn)人員將能熟練使用Modeler軟件，能夠根據(jù)常見的不同種類的數(shù)據(jù)挖掘研究需要進(jìn)行方案設(shè)計(jì)、數(shù)據(jù)分析、建模和報(bào)告的撰寫。在培訓(xùn)中將安排一系列討論會(huì)和實(shí)際數(shù)據(jù)練習(xí)，以保證學(xué)員有足夠的實(shí)踐機(jī)會(huì)實(shí)際操作Modeler軟件。
Modeler培訓(xùn)課程內(nèi)容：
1 統(tǒng)計(jì)分析方法與數(shù)據(jù)挖掘基本原理培訓(xùn)
|
?課程描述 |
?介紹數(shù)據(jù)挖掘方法論以及CRISP-DM的6個(gè)步驟 |
|
?培訓(xùn)對(duì)象 |
?戰(zhàn)略規(guī)劃部、市場(chǎng)研究部、數(shù)據(jù)分析部等相關(guān)研究人員 |
|
?必要技能 |
?統(tǒng)計(jì)方法基礎(chǔ)知識(shí)、數(shù)據(jù)挖掘基本原理 |
|
?培訓(xùn)內(nèi)容 |
?統(tǒng)計(jì)分析方法與數(shù)據(jù)挖掘基本原理 |
|
?第一講 ?如何從掌握統(tǒng)計(jì)方法到掌握數(shù)據(jù)挖掘 |
?與傳統(tǒng)的統(tǒng)計(jì)分析方法相比而言： ?什么是數(shù)據(jù)挖掘？ ?數(shù)據(jù)挖掘能做什么？ ?數(shù)據(jù)挖掘在協(xié)助企業(yè)業(yè)務(wù)的分類、預(yù)測(cè)、聚類和模型可視化方面的特點(diǎn)； ?數(shù)據(jù)挖掘在其他商業(yè)領(lǐng)域的應(yīng)用，如完善客戶關(guān)系管理、贏得市場(chǎng)營(yíng)銷戰(zhàn)役； ?如何從掌握統(tǒng)計(jì)分析方法到掌握數(shù)據(jù)挖掘？ |
|
?第二講 ?數(shù)據(jù)挖掘基本原理和實(shí)踐操作方法論 |
?數(shù)據(jù)挖掘的基本原理 ?數(shù)據(jù)挖掘?qū)嵺`中所要求的數(shù)據(jù)結(jié)構(gòu)、衍生變量和數(shù)據(jù)轉(zhuǎn)換 ?數(shù)據(jù)挖掘的模型建構(gòu)方法、模型的評(píng)估、模型的檢驗(yàn)和修訂 ?目前主流的數(shù)據(jù)挖掘工具軟件比較 ?如何在實(shí)踐操作中運(yùn)用CRISP-DM數(shù)據(jù)挖掘程序 ?如何從商業(yè)角度和數(shù)據(jù)角度了解數(shù)據(jù)挖掘解決問題的類型和思路 ?CRISP-DM的6個(gè)步驟以及每個(gè)步驟應(yīng)該完成的工作和產(chǎn)生的結(jié)果 |
?
2、 Modeler軟件操作基礎(chǔ)及數(shù)據(jù)處理使用培訓(xùn)
|
?培訓(xùn)對(duì)象 |
?客戶企業(yè)所指派的Modeler實(shí)際使用人員 |
|
?涉及產(chǎn)品 |
?Modeler |
|
?培訓(xùn)內(nèi)容 |
?Modeler軟件操作基礎(chǔ)培訓(xùn) ?Modeler的數(shù)據(jù)處理技術(shù) |
|
?第一講 ?操作概述 |
?基礎(chǔ)界面介紹： ?Modeler?14.2所包含的功能模塊 ?與Modeler先前版本的比較 ?基礎(chǔ)操作之?dāng)?shù)據(jù)準(zhǔn)備 ?讀取數(shù)據(jù)文件 ?數(shù)據(jù)質(zhì)量評(píng)估 ?數(shù)據(jù)處理 ?尋找數(shù)據(jù)中的關(guān)系 |
|
?第二講 ?建模概述 |
?Modeler中所包含的數(shù)據(jù)建模概述 ?神經(jīng)網(wǎng)絡(luò)技術(shù)建模 ?決策樹技術(shù)建模 ?模型比較與模型合并 ?Kohonen神經(jīng)網(wǎng)絡(luò) ?關(guān)聯(lián)規(guī)則 ?時(shí)序發(fā)現(xiàn) ?模型的發(fā)布 |
|
?第三講 ?數(shù)據(jù)處理技術(shù) ? |
?合并多個(gè)數(shù)據(jù)源數(shù)據(jù) ?抽取樣本，選擇和緩存數(shù)據(jù) ?處理缺失數(shù)據(jù) ?處理日期 ?處理時(shí)序數(shù)據(jù) ?文件操作 ?數(shù)據(jù)聚合 ?附錄:?通過ODBC讀取數(shù)據(jù) ?附錄:?Modeler的數(shù)據(jù)庫(kù)連接 |
?
?
3 Modeler的高級(jí)建模
|
?課程描述 |
?介紹Modeler的建模技術(shù)以及Meta?Modeling技術(shù) |
|
?培訓(xùn)對(duì)象 |
?完成第二、三課學(xué)習(xí)的學(xué)員 |
|
?必要技能 |
?第二、三課學(xué)習(xí)的技能 |
|
?培訓(xùn)內(nèi)容 |
?利用神經(jīng)網(wǎng)絡(luò)完成分群（Neural?networks?for?classification） ?高級(jí)規(guī)則歸納（Advanced?rule?induction） ?聚類技術(shù)（clustering） ?高級(jí)關(guān)聯(lián)規(guī)則（Advanced?association?rules） ?線性回歸（Linear?Regression） ?邏輯回歸（Logistic?Regression） ?濃縮數(shù)據(jù)：基本組件（Data?Reduction:?Principal?Components） ?從模型中獲取數(shù)據(jù)(meta?models,?error?modeling) |
