Advanced Machine Learning Models Using IBM SPSS Modeler (V18.2) (0A039G) Schulung
Fortgeschrittene Modelle im IBM SPSS Modeler
In diesem Kurs werden fortgeschrittene Modelle vorgestellt, die in IBM SPSS Modeler verfügbar sind. Der Teilnehmer wird zunächst in eine Technik namens PCA/Factor eingeführt, mit der die Anzahl der Felder auf eine Anzahl von Kernfaktoren, die als Komponenten oder Faktoren bezeichnet werden, reduziert wird. Die nächsten Themen konzentrieren sich auf überwachte Modelle, einschließlich Support Vector Machines, Random Trees und XGBoost. Es werden Methoden zur Analyse von Textdaten, zur Kombination einzelner Modelle zu einem einzigen Modell und zur Erweiterung der Leistungsfähigkeit von IBM SPSS Modeler durch Hinzufügen externer Modelle, die in Python oder R entwickelt wurden, zur Modellierungspalette behandelt.
IBM Global Training Provider
Mit einem Training von IBM erweiterst du das Know-how deiner Mitarbeiter – ein klarer Wettbewerbsvorteil für dein Unternehmen. Mit unseren Services und der neuesten Technologie für verteiltes Lernen aktualisierst du die Fähigkeiten deiner IT-Mitarbeiter.
Inhalte Advanced Machine Learning Models Using IBM SPSS Modeler Schulung
Introduction to advanced machine learning models
Taxonomy of models
Overview of supervised models
Overview of models to create natural groupings
Group fields: Factor Analysis and Principal Component Analysis
Factor Analysis basics
Principal Components basics
Assumptions of Factor Analysis
Key issues in Factor Analysis
Improve the interpretability
Factor and component scores
Predict targets with Nearest Neighbor Analysis
Nearest Neighbor Analysis basics
Key issues in Nearest Neighbor Analysis
Assess model fit
Explore advanced supervised models
Support Vector Machines basics
Random Trees basics
XGBoost basics
Introduction to Generalized Linear Models
Generalized Linear Models
Available distributions
Available link functions
Combine supervised models
Combine models with the Ensemble node
Identify ensemble methods for categorical targets
Identify ensemble methods for flag targets
Identify ensemble methods for continuous targets
Meta-level modeling
Use external machine learning models
IBM SPSS Modeler Extension nodes
Use external machine learning programs in IBM SPSS Modeler
Analyze text data
Text Mining and Data Science
Text Mining applications
Modeling with text data
Wir schulen auch bei dir vor Ort!
Diese Advanced Machine Learning Models Using IBM SPSS Modeler Schulung führen wir auch bei dir im Unternehmen als individualisierte Advanced Machine Learning Models Using IBM SPSS Modeler-Firmenschulung durch.
Zielgruppe Advanced Machine Learning Models Using IBM SPSS Modeler Schulung
Datenwissenschaftler
Unternehmensanalysten
Erfahrene Benutzer von IBM SPSS Modeler, die sich mit fortgeschrittenen Techniken der Software vertraut machen möchten
Voraussetzungen Advanced Machine Learning Models Using IBM SPSS Modeler Schulung
Wissen über deine Geschäftsanforderungen
Erforderlich: Kurs IBM SPSS Modeler Foundations (V18.2) (0A069G/0E069G) oder gleichwertige Kenntnisse über das Importieren, Erkunden und Aufbereiten von Daten mit IBM SPSS Modeler v18.2 sowie Kenntnisse der Grundlagen der Modellierung.
Empfohlen: Kurs Einführung in Modelle des maschinellen Lernens mit IBM SPSS Modeler (V18.2) (0A079G/0E079G) oder gleichwertige Kenntnisse oder Erfahrungen mit dem Produkt über überwachte Modelle des maschinellen Lernens (CHAID, C&R Tree, Regression, Random Trees, Neural Net, XGBoost), unüberwachte Modelle des maschinellen Lernens (TwoStep Cluster) und Modelle des maschinellen Lernens für Assoziationen wie APriori.
4.4
(32)
Advanced Machine Learning Models Using IBM SPSS Modeler (V18.2) (0A039G) Schulung
Fortgeschrittene Modelle im IBM SPSS Modeler
In diesem Kurs werden fortgeschrittene Modelle vorgestellt, die in IBM SPSS Modeler verfügbar sind. Der Teilnehmer wird zunächst in eine Technik namens PCA/Factor eingeführt, mit der die Anzahl der Felder auf eine Anzahl von Kernfaktoren, die als Komponenten oder Faktoren bezeichnet werden, reduziert wird. Die nächsten Themen konzentrieren sich auf überwachte Modelle, einschließlich Support Vector Machines, Random Trees und XGBoost. Es werden Methoden zur Analyse von Textdaten, zur Kombination einzelner Modelle zu einem einzigen Modell und zur Erweiterung der Leistungsfähigkeit von IBM SPSS Modeler durch Hinzufügen externer Modelle, die in Python oder R entwickelt wurden, zur Modellierungspalette behandelt.
Advanced Machine Learning Models Using IBM SPSS Modeler (V18.2) (0A039G) Schulung