Struttura del corso

Introduzione

  • Panoramica di RapidMiner Studio
  • Orientamento all'interfaccia utente e alle funzionalità RapidMiner

Metodologia CRISP-DM in RapidMiner

  • Comprendere il framework CRISP-DM
  • Applicazione nella stima e proiezione dei valori

Comprensione e preparazione dei dati

  • Importazione ed esplorazione dei dati
  • Tecniche di pre-lavorazione e pulizia
  • Metodi avanzati di trasformazione dei dati

Modellazione dei dati con RapidMiner

  • Introduzione alla modellazione dei dati
  • Selezione e applicazione di algoritmi di machine learning
  • Algoritmi di apprendimento supervisionato
  • Algoritmi di apprendimento non supervisionato

Valutazione e distribuzione del modello

  • Tecniche per la valutazione del modello
  • Strategie per la distribuzione del modello
  • Riallineamento e ottimizzazione del modello

Analisi delle serie temporali e Forecasting

  • Fondamenti di analisi delle serie storiche
  • Applicazione di modelli a media mobile
  • Pre-elaborazione delle serie temporali e aggregazione dei dati

Tecniche avanzate per le serie temporali

  • Analisi di decomposizione
  • Proiezione con finestre temporali
  • Proiezione con generazione di feature

Modellazione ARIMA

  • Informazioni sui modelli ARIMA
  • Applicazione pratica in RapidMiner

Riepilogo e prossime tappe

Requisiti

    Conoscenza di base dei concetti di analisi dei dati e machine learning

Pubblico

    Analisti di dati Business Analisti Scienziati dei dati
 14 ore

Numero di Partecipanti



Prezzo per Partecipante

Recensioni (4)

Corsi relativi

Categorie relative