Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione
- Panoramica su RapidMiner Studio
- Conoscenza dell’interfaccia utente e delle funzionalità di RapidMiner
La metodologia CRISP-DM in RapidMiner
- Descrizione generale del framework CRISP-DM
- Sua applicazione nello stimare e proiettare valori
Comprensione e preparazione dei dati
- Importazione ed esplorazione dei dati
- Tecniche di pre-elaborazione e pulizia dei dati
- Metodi avanzati di trasformazione dati
Modellizzazione dei dati con RapidMiner
- Introduzione alla modellizzazione dei dati
- Selezione e applicazione degli algoritmi di machine learning
- Algoritmi di apprendimento supervisionato
- Algoritmi di apprendimento non supervisionato
Valutazione e distribuzione dei modelli
- Tecniche per valutare i modelli
- Strategie per la loro implementazione pratica
- Rielaborazione e ottimizzazione dei modelli
Analisi delle serie temporali e previsione
- Nozioni fondamentali sull’analisi delle serie temporali
- Applicazione di modelli a media mobile
- Pre-elaborazione dei dati e aggregazione nelle serie temporali
Tecniche avanzate per le serie temporali
- Analisi della decomposizione delle componenti temporali
- Proiezioni basate su finestre temporali definite
- Generazione di feature aggiuntive per la previsione
Modellizzazione ARIMA
- Nozioni fondamentali sui modelli ARIMA
- Applicazioni pratiche in RapidMiner
Sintesi e prossimi passi da intraprendere
Requisiti
- Conoscenze di base riguardo all’analisi dei dati e ai concetti fondamentali dell’apprendimento automatico
Destinatari
- Analisti di dati
- Analisti aziendali
- Data scientist
14 ore
