Data Mining with R Training Course

Η ανακάλυψη γνώσης σε βάσεις δεδομένων (KDD) είναι η διαδικασία της ανακάλυψης χρήσιμων γνώσεων από μια συλλογή δεδομένων. Οι εφαρμογές πραγματικής ζωής για αυτή την τεχνική εξόρυξης δεδομένων περιλαμβάνουν το μάρκετινγκ, την ανίχνευση απάτης, τις τηλεπικοινωνίες και την παραγωγή.

Σε αυτό το εκπαιδευτικό, ζωντανό μάθημα, εισάγουμε τις διαδικασίες που εμπλέκονται στο KDD και διεξάγουμε μια σειρά ασκήσεων για να ασκήσουμε την εφαρμογή αυτών των διαδικασιών.

Δημοσιογράφος

• Αναλυτές δεδομένων ή οποιοσδήποτε ενδιαφέρεται να μάθει πώς να ερμηνεύει τα δεδομένα για την επίλυση προβλημάτων

Η μορφή του μαθήματος

• Μετά από μια θεωρητική συζήτηση του KDD, ο εκπαιδευτής θα παρουσιάσει πραγματικές περιπτώσεις που απαιτούν την εφαρμογή του KDD για την επίλυση ενός προβλήματος. Οι συμμετέχοντες θα προετοιμάσουν, θα επιλέξουν και θα καθαρίσουν σύνολα δεδομένων δείγματος και θα χρησιμοποιήσουν τις προηγούμενες γνώσεις τους σχετικά με τα δεδομένα για να προτείνουν λύσεις με βάση τα αποτελέσματα των παρατηρήσεών τους.

Το Tidyverse είναι μια συλλογή από ευέλικτα πακέτα R για καθαρισμό, επεξεργασία, μοντελοποίηση και οπτικοποίηση δεδομένων. Μερικά από τα πακέτα που περιλαμβάνονται είναι: ggplot2, dplyr, tidyr, readr, purrr και tibble.

Σε αυτήν την καθοδηγούμενη από εκπαιδευτή, ζωντανή προπόνηση, οι συμμετέχοντες θα μάθουν πώς να χειραγωγήσουν και να απεικονίσουν δεδομένα χρησιμοποιώντας τα εργαλεία που περιλαμβάνονται στο Tidyverse .

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

• Εκτελέστε ανάλυση δεδομένων και δημιουργήστε ελκυστικές απεικονίσεις
• Σχεδιάστε χρήσιμα συμπεράσματα από διάφορα σύνολα δεδομένων των δειγματοληπτικών δεδομένων
• Φιλτράρετε, ταξινομήστε και συνοψίστε τα δεδομένα για να απαντήσετε σε διερευνητικές ερωτήσεις
• Μετατρέψτε τα επεξεργασμένα δεδομένα σε πληροφοριακά γραφήματα γραμμής, οικόπεδα, ιστογράμματα
• Εισαγωγή και φιλτράρισμα δεδομένων από διάφορες πηγές δεδομένων, συμπεριλαμβανομένων αρχείων Excel , CSV και SPSS

Κοινό

• Αρχάριοι στη γλώσσα R
• Αρχάριοι στην ανάλυση δεδομένων και την απεικόνιση δεδομένων

Μορφή του μαθήματος

• Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση

Go αλ:

Μάθηση για συνεργασία με το SPSS σε επίπεδο ανεξαρτησίας

Οι παραλήπτες:

Αναλυτές, ερευνητές, επιστήμονες, φοιτητές και όσοι επιθυμούν να αποκτήσουν τη δυνατότητα να χρησιμοποιήσουν το πακέτο SPSS και να μάθουν τις δημοφιλείς τεχνικές εξόρυξης δεδομένων.

Το μάθημα μπορεί να παρέχεται με οποιαδήποτε εργαλεία, συμπεριλαμβανομένων δωρεάν λογισμικού και εφαρμογών εξόρυξης δεδομένων ανοιχτού κώδικα

Κοινό

Αν προσπαθήσετε να κατανοήσετε τα δεδομένα στα οποία έχετε πρόσβαση ή θέλετε να αναλύσετε μη δομημένα δεδομένα που είναι διαθέσιμα στο διαδίκτυο (όπως το Twitter, το Linked in, κ.λπ.), αυτό το μάθημα απευθύνεται σε εσάς.

Στόχος είναι κυρίως οι υπεύθυνοι λήψης αποφάσεων και οι άνθρωποι που πρέπει να επιλέξουν ποια δεδομένα αξίζει να συλλέξουν και τι αξίζει να αναλύσουμε.

Δεν στοχεύει στους ανθρώπους να διαμορφώσουν τη λύση, αλλά αυτοί θα επωφεληθούν από τη μεγάλη εικόνα.

Λειτουργία παράδοσης

Κατά τη διάρκεια του μαθήματος οι εκπρόσωποι θα παρουσιαστούν με παραδείγματα εργασίας για τις περισσότερες τεχνολογίες ανοιχτού κώδικα.

Οι σύντομες διαλέξεις θα ακολουθούνται από παρουσίαση και απλές ασκήσεις από τους συμμετέχοντες

Το περιεχόμενο και το λογισμικό που χρησιμοποιήθηκαν

Όλο το λογισμικό που χρησιμοποιείται ενημερώνεται κάθε φορά που εκτελείται το μάθημα, έτσι ελέγχουμε τις πιο πρόσφατες εκδόσεις.

Καλύπτει τη διαδικασία από την απόκτηση, τη μορφοποίηση, την επεξεργασία και την ανάλυση των δεδομένων, για να εξηγήσει πώς αυτοματοποιείται η διαδικασία λήψης αποφάσεων με τη μηχανική μάθηση.

Ο στόχος του μαθήματος είναι να δώσει τη δυνατότητα στους συμμετέχοντες να αποκτήσουν την ικανότητα να δουλεύουν με τη γλώσσα SQL στη Oracle δεδομένων της Oracle για την εξαγωγή δεδομένων σε ενδιάμεσο επίπεδο.

Σκοπός:

Οι εκπρόσωποι μπορούν να αναλύσουν μεγάλα σύνολα δεδομένων, να εξάγουν μοτίβα, να επιλέξουν τη σωστή μεταβλητή που επηρεάζει τα αποτελέσματα, έτσι ώστε να προβλέπεται ένα νέο μοντέλο με προγνωστικά αποτελέσματα.

R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστικούς υπολογιστές, ανάλυση δεδομένων και γραφικά. R χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημαϊκούς κύκλους. Η R βρήκε επίσης οπαδούς μεταξύ των στατιστικολόγων, των μηχανικών και των επιστημόνων χωρίς δεξιότητες προγραμματισμού στον υπολογιστή, οι οποίοι βρίσκουν εύκολο στη χρήση. Η δημοτικότητά του οφείλεται στην αυξανόμενη χρήση της εξόρυξης δεδομένων για διάφορους στόχους, όπως η ρύθμιση των τιμών διαφήμισης, η ταχύτερη εύρεση νέων φαρμάκων ή η τελειοποίηση οικονομικών μοντέλων. Το R διαθέτει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.

R  είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστική υπολογιστική, ανάλυση δεδομένων και γραφικά. Η έρευνα χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημίες. R έχει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.

Αυτό το μάθημα προορίζεται για μηχανικούς και υπεύθυνους λήψης αποφάσεων που εργάζονται στην εξόρυξη δεδομένων και την ανακάλυψη γνώσεων.

Θα μάθετε πώς μπορείτε να δημιουργήσετε αποτελεσματικά οικόπεδα και τρόπους για να παρουσιάσετε και να εκπροσωπήσετε τα δεδομένα σας με τρόπο που θα προσελκύσει τους υπεύθυνους λήψης αποφάσεων και θα τους βοηθήσει να καταλάβουν τις κρυφές πληροφορίες.

Τα μεγάλα δεδομένα είναι σύνολα δεδομένων που είναι τόσο ογκώδη και περίπλοκα που το παραδοσιακό λογισμικό εφαρμογών επεξεργασίας δεδομένων είναι ανεπαρκές για την αντιμετώπισή τους. Οι μεγάλες προκλήσεις δεδομένων περιλαμβάνουν τη συλλογή δεδομένων, την αποθήκευση δεδομένων, την ανάλυση δεδομένων, την αναζήτηση, την κοινή χρήση, τη μεταφορά, την οπτικοποίηση, την αναζήτηση, την ενημέρωση και την προστασία της ιδιωτικής ζωής των πληροφοριών.

Η εξόρυξη διαδικασιών ή η αυτοματοποιημένη διερεύνηση Business διεργασιών (ABPD) είναι μια τεχνική που εφαρμόζει αλγόριθμους σε αρχεία καταγραφής συμβάντων για τον σκοπό της ανάλυσης επιχειρηματικών διαδικασιών. Η εξόρυξη διεργασιών υπερβαίνει την αποθήκευση δεδομένων και την ανάλυση δεδομένων. γεφυρώνει δεδομένα με διαδικασίες και παρέχει πληροφορίες για τις τάσεις και τα πρότυπα που επηρεάζουν την αποδοτικότητα της διαδικασίας.

Μορφή του μαθήματος

• Το μάθημα ξεκινά με μια επισκόπηση των πιο κοινά χρησιμοποιούμενων τεχνικών εξόρυξης διεργασιών. Συζητάμε τους διάφορους αλγόριθμους και εργαλεία ανακάλυψης διεργασιών που χρησιμοποιούνται για την ανίχνευση και τη μοντελοποίηση διεργασιών που βασίζονται σε δεδομένα πρώτων συμβάντων. Οι περιπτωσιολογικές μελέτες πραγματικού βίου εξετάζονται και τα σύνολα δεδομένων αναλύονται με τη χρήση του πλαισίου ανοιχτού κώδικα ProM.

Το MATLAB είναι ένα περιβάλλον αριθμητικών υπολογιστών και μια γλώσσα προγραμματισμού που αναπτύχθηκε από την MathWorks.

Σε αυτή τη ζωντανή εκπαίδευση που καθοδηγείται από εκπαιδευτές στο Ελλάδα, οι συμμετέχοντες θα μάθουν πώς να δημιουργούν ένα Data Vault.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Κατανοήστε τις έννοιες της αρχιτεκτονικής και του σχεδιασμού πίσω από το Data Vault 2.0 και την αλληλεπίδρασή του με τα Big Data, NoSQL και AI.
• Χρησιμοποιήστε τεχνικές αποθήκευσης δεδομένων για να ενεργοποιήσετε τον έλεγχο, την ανίχνευση και την επιθεώρηση ιστορικών δεδομένων σε μια αποθήκη δεδομένων.
• Αναπτύξτε μια συνεπή και επαναλαμβανόμενη διαδικασία ETL (Extract, Transform, Load).
• Δημιουργία και ανάπτυξη αποθηκών υψηλής κλιμάκωσης και επαναλήψεων.

Το MonetDB είναι μια βάση δεδομένων ανοιχτού κώδικα που πρωτοστάτησε στην προσέγγιση της τεχνολογίας αποθήκευσης στηλών.

Σε αυτή την καθοδηγούμενη από εκπαιδευτές, ζωντανή προπόνηση, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιούν το MonetDB και πώς να αποκομίζουν τη μέγιστη αξία από αυτό.

Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:

• Κατανοήστε το MonetDB και τα χαρακτηριστικά του
• Εγκαταστήστε και ξεκινήστε με το MonetDB
• Εξερευνήστε και εκτελείτε διάφορες λειτουργίες και εργασίες στο MonetDB
• Επιταχύνετε την παράδοση του έργου σας μεγιστοποιώντας τις δυνατότητες του MonetDB

Κοινό

• Προγραμματιστές
• Τεχνικοί ειδικοί

Μορφή του μαθήματος

• Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση