Course Outline

Εισαγωγή

    Προγνωστικά αναλυτικά στοιχεία στα οικονομικά, την υγειονομική περίθαλψη, τα φαρμακευτικά προϊόντα, την αυτοκινητοβιομηχανία, την αεροδιαστημική και την κατασκευή

Επισκόπηση των εννοιών Big Data

Λήψη δεδομένων από διαφορετικές πηγές

Τι είναι τα μοντέλα πρόβλεψης που βασίζονται σε δεδομένα;

Επισκόπηση τεχνικών στατιστικής και μηχανικής μάθησης

Μελέτη περίπτωσης: προγνωστική συντήρηση και σχεδιασμός πόρων

Εφαρμογή αλγορίθμων σε μεγάλα σύνολα δεδομένων με Hadoop και Spark

Predictive Analytics Ροή εργασιών

Accessδιερεύνηση και διερεύνηση δεδομένων

Προεπεξεργασία των δεδομένων

Ανάπτυξη ενός μοντέλου πρόβλεψης

Εκπαίδευση, δοκιμή και επικύρωση ενός συνόλου δεδομένων

Εφαρμογή διαφορετικών προσεγγίσεων μηχανικής μάθησης (παλίνδρομη χρονολογικής σειράς, γραμμική παλινδρόμηση κ.λπ.)

Ενσωμάτωση του μοντέλου σε υπάρχουσες διαδικτυακές εφαρμογές, κινητές συσκευές, ενσωματωμένα συστήματα κ.λπ.

Matlab και Simulink ενσωμάτωση με ενσωματωμένα συστήματα και εταιρικές ροές εργασιών πληροφορικής

Δημιουργία φορητού κώδικα C και C++ από τον κώδικα MATLAB

Ανάπτυξη προγνωστικών εφαρμογών σε συστήματα παραγωγής μεγάλης κλίμακας, συμπλέγματα και σύννεφα

Ενεργώντας με βάση τα αποτελέσματα της ανάλυσής σας

Επόμενα βήματα: Αυτόματη απόκριση στα ευρήματα χρησιμοποιώντας το Prescriptive Analytics

Τελευταία σχόλια

Requirements

  • Εμπειρία με το Matlab
  • Δεν απαιτείται προηγούμενη εμπειρία με την επιστήμη δεδομένων
  21 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Testimonials (5)

Related Courses

Big Data Business Intelligence for Telecom and Communication Service Providers

  35 Hours

From Data to Decision with Big Data and Predictive Analytics

  21 Hours

Big Data Business Intelligence for Criminal Intelligence Analysis

  35 Hours

RapidMiner for Machine Learning and Predictive Analytics

  14 Hours

DataRobot

  7 Hours

Related Categories