1. Einführung in Data Sience
- Nennen Sie zwei Anwendungen der Datenwissenschaft
- Erklären Sie die Phasen der CRISP-DM-Methodik
- Beschreibe die für die Datenwissenschaft erforderlichen Fähigkeiten
2. Einführung in IBM SPSS Modeler
- Beschreiben der Benutzeroberfläche von IBM SPSS Modeler
- Arbeiten mit Knoten und Streams
- Generieren von Knoten aus der Ausgabe
- Verwenden von Superknoten
- Ausführen von Streams
- Öffnen und Speichern von Streams
- Verwenden von Help
3. Einführung in die Datenwissenschaft mit IBM SPSS Modeler
- Erklären Sie das Grundgerüst eines Datenwissenschaftsprojekts
- Erstellen Sie ein Modell
- Stellen Sie ein Modell bereit
4. Sammeln von Anfangsdaten
- Erklären der Konzepte „Datenstruktur“, „Analyse“, „Feldspeicherung“ und „Feldmessniveau“
- Importieren Sie Microsoft Excel-Dateien
- Importieren Sie IBM SPSS Statistics-Dateien
- Importieren Sie Textdateien
- Importieren Sie aus Datenbanken
- Exportieren Sie Daten nach verschiedene Formate
5. Die Daten verstehen
- Die Daten prüfen
- Auf ungültige Werte prüfen
- Bei ungültigen Werten Maßnahmen ergreifen
- Leerzeichen definieren
6. Festlegen der Analyse
- Entfernen doppelter Datensätze
- Aggregiere Datensätze
- Erweitere ein kategorisches Feld in eine Reihe von Flag-Feldern
- Transponiere Daten
7. Integrieren von Daten
- Datensätze aus mehreren Datensätzen anhängen
- Felder aus mehreren Datensätzen zusammenführen
- Beispieldatensätze
8. Ableiten und Reklassifizieren von Feldern
- Verwenden Sie die Control Language for Expression Manipulation (CLEM)
- Ableiten neuer Felder
- Reklassifizieren von Feldwerten
9. Beziehungen erkennen
- Untersuchen der Beziehung zwischen zwei kategorialen Feldern
- Untersuchen der Beziehung zwischen einem kategorialen Feld und einem stetigen Feld
- Untersuchen der Beziehung zwischen zwei stetigen Feldern
10. Einführung in die Modellierung
- Nennen Sie drei Arten von Modellen
- Verwenden Sie ein überwachtes Modell
- Verwenden Sie ein Segmentierungsmodell