Programa del Curso
Introducción
- Descripción general de RapidMiner Studio
- Orientación a RapidMiner interfaz de usuario y características
Metodología CRISP-DM en RapidMiner
- Descripción del marco CRISP-DM
- Aplicación en estimación y proyección de valores
Comprensión y preparación de datos
- Importación y exploración de datos
- Técnicas de preprocesamiento y limpieza
- Métodos avanzados de transformación de datos
Modelado de datos con RapidMiner
- Introducción al modelado de datos
- Selección y aplicación de algoritmos de aprendizaje automático
- Algoritmos de aprendizaje supervisado
- Algoritmos de aprendizaje no supervisado
Evaluación e implementación de modelos
- Técnicas para la evaluación de modelos
- Estrategias para la implementación de modelos
- Realineación y optimización de modelos
Análisis de series temporales y Forecasting
- Fundamentos del análisis de series temporales
- Aplicación de modelos de medias móviles
- Preprocesamiento de series temporales y agregación de datos
Técnicas Avanzadas de Series Temporales
- Análisis de descomposición
- Proyección con ventanas de tiempo
- Proyección con generación de características
Modelado ARIMA
- Descripción de los modelos ARIMA
- Aplicación práctica en RapidMiner
Resumen y próximos pasos
Requerimientos
-
Comprensión básica de los conceptos de análisis de datos y aprendizaje automático
Audiencia
-
Analistas de datos
Business Analistas
Científicos de datos
Testimonios (4)
The details and the presentation style.
Cristian Mititean - Accenture Industrial SS
Curso - Azure Machine Learning (AML)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
That it was applying real company data. Trainer had a very good approach by making trainees participate and compete
Jimena Esquivel - Zakład Usługowy Hakoman Andrzej Cybulski
Curso - Applied AI from Scratch in Python
Manteniéndolo corto y simple. Creación de intuición y modelos visuales alrededor de los conceptos (gráfico de árbol de decisión, ecuaciones lineales, cálculo y_pred manualmente para probar cómo funciona el modelo).
Nicolae - DB Global Technology
Curso - Machine Learning
Traducción Automática