MATLAB for Financial Applications Treningskurs

Kunnskapsoppdagelse i databaser (KDD) er prosessen med å oppdage nyttig kunnskap fra en innsamling av data. Real-life applikasjoner for denne data mining teknikken inkluderer markedsføring, svindeldeteksjon, telekommunikasjon og produksjon.

I denne instruktørledede, levende kurset introduserer vi prosessene involvert i KDD og utfører en rekke øvelser for å praktisere implementeringen av disse prosessene.

Publikum

• Dataanalytikere eller noen som er interessert i å lære hvordan å tolke data for å løse problemer

Format av kurset

• Etter en teoretisk diskusjon om KDD, vil instruktøren presentere real-life tilfeller som krever at anvendelsen av KDD for å løse et problem. Deltakerne vil forberede, velge og rengjøre mønsterdata sett og bruke sin fortidige kunnskap om dataene for å foreslå løsninger basert på resultatene av sine observasjoner.

Go :

Lære å jobbe med SPSS på nivå med uavhengighet

Adressatene:

Analytikere, forskere, forskere, studenter og alle de som ønsker å tilegne seg muligheten til å bruke SPSS-pakken og lære populære data mining-teknikker.

Kurset kan leveres med alle verktøy, inkludert gratis programvare og applikasjoner for datautvinning med åpen kildekode

Publikum

Hvis du prøver å være fornuftig ut fra dataene du har tilgang til eller ønsker å analysere ustrukturerte data tilgjengelig på nettet (som Twitter, koblet inn osv.), Er dette kurset noe for deg.

Det er mest rettet mot beslutningstakere og personer som trenger å velge hvilke data som er verdt å samle inn og hva som er verdt å analysere.

Det er ikke rettet mot folk som konfigurerer løsningen, de menneskene vil dra nytte av det store bildet.

Leveringsmodus

I løpet av kurset vil delegatene bli presentert med fungerende eksempler på stort sett åpen kildekode-teknologier.

Korte forelesninger blir fulgt av presentasjon og enkle øvelser av deltakerne

Innhold og programvare brukt

All programvare som brukes oppdateres hver gang kurset kjøres, så vi sjekker de nyeste versjonene som er mulig.

Den dekker prosessen fra innhenting, formatering, behandling og analyse av dataene, for å forklare hvordan man kan automatisere beslutningsprosesser med maskinlæring.

R er et gratis programmeringsspråk med åpen kildekode for statistisk databehandling, dataanalyse og grafikk. R brukes av et økende antall ledere og dataanalytikere i selskaper og akademia. R har et bredt utvalg av pakker for data mining.

Målet med kurset er å gjøre det mulig for deltakerne å få en mestring av hvordan de kan jobbe med SQL språket i Oracle databasen for datautvinning på mellomnivå.

Objektiv:

Delegater kan analysere store datasett, trekke ut mønstre, velge riktig variabel som påvirker resultatene, slik at en ny modell forutses med prediktive resultater.

R er et gratis programmeringsspråk med åpen kildekode for statistisk databehandling, dataanalyse og grafikk. R brukes av et økende antall ledere og dataanalytikere i selskaper og akademia. R har også funnet tilhengere blant statistikere, ingeniører og forskere uten dataprogrammeringsevner som synes det er enkelt å bruke. Dens popularitet skyldes den økende bruken av data mining for forskjellige mål, for eksempel angitte annonsepriser, finne nye medisiner raskere eller finjustere økonomiske modeller. R har et bredt utvalg av pakker for data mining.

R  er et open-source gratis programmeringsspråk for statistisk databehandling, dataanalyse og grafikk. Forskning brukes av et økende antall ledere og dataanalytikere innenfor bedrifter og akademi. R har et bredt spekter av pakker for data mining.

Dette kurset er beregnet på ingeniører og beslutningstakere som arbeider innen data mining og knoweldge-funn.

Du lærer hvordan du lager effektive tomter og måter å presentere og representere dataene dine på på en måte som vil appellere til beslutningstakerne og hjelpe dem til å forstå skjult informasjon.

Big data er datasett som er så omfangsrike og komplekse at tradisjonell databehandlingsapplikasjonsprogramvare er utilstrekkelig til å håndtere dem. Store datautfordringer inkluderer innhenting av data, datalagring, dataanalyse, søk, deling, overføring, visualisering, spørring, oppdatering og informasjon om personvern.

Process mining, eller Automated Business Process Discovery (ABPD), er en teknikk som bruker algoritmer til hendelseslogger for å analysere forretningsprosesser. Prosessbryting går utover datalagring og dataanalyse; den broer mellom data med prosesser og gir innsikt i trender og mønstre som påvirker prosesseffektiviteten.

Kursets format

• Kurset starter med en oversikt over de mest brukte teknikkene for prosess gruvedrift. Vi diskuterer de forskjellige prosessoppdagelsesalgoritmer og verktøy som brukes for å oppdage og modellere prosesser basert på rå hendelsesdata. Real-case case-studier blir undersøkt og datasett blir analysert ved hjelp av ProM open source framework.

I denne instruktørledede liveopplæringen i Norge vil deltakerne lære hvordan man bygger en Data Vault.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå arkitekturen og designkonseptene bak Data Vault 2.0, og dets interaksjon med Big Data, NoSQL og AI.
• Bruk datahvelvteknikker for å aktivere revisjon, sporing og inspeksjon av historiske data i et datavarehus.
• Utvikle en konsistent og repeterbar ETL (Extract, Transform, Load) prosess.
• Bygg og distribuer svært skalerbare og repeterbare varehus.

MonetDB er en åpen kildekode-database som var banebrytende for kolonnebutikkteknologien.

I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de bruker MonetDB og hvordan de får mest mulig ut av det.

Ved slutten av denne opplæringen vil deltakerne kunne:

Forstå MonetDB og dets funksjoner Installer og kom i gang med MonetDB Utforsk og utfør forskjellige funksjoner og oppgaver i MonetDB Fremskynd leveringen av prosjektet deres ved å maksimere MonetDB evner

Publikum

Utviklere Tekniske eksperter

Format på kurset

Del forelesning, del diskusjon, øvelser og tung praktisk praksis

Målet med kurset er å gjøre det mulig for deltakerne å få en mestring av grunnleggende forhold i R og hvordan de kan jobbe med data.