دوره آموزشی عناصر اساسی تجزیه و تحلیل پیش بینی و داده کاوی

یک پروژه تجزیه و تحلیل پیش بینی مناسب و داده کاوی می تواند افراد زیادی و هفته های زیادی را درگیر کند. همچنین بسیاری از خطاهای احتمالی وجود دارد که باید از آنها اجتناب کرد. یک چشم انداز "تصویر بزرگ" برای ادامه پروژه در مسیر ضروری است. این دوره از دیدگاه یک پزشک باسابقه که ده ها پروژه دنیای واقعی را تکمیل کرده است، این دیدگاه را ارائه می دهد. کیث مک کورمیک یک داده پرداز و نویسنده مستقل است که در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی، از جمله درختان طبقه بندی، تجزیه خوشه ای و قوانین ارتباط تخصص دارد. در اینجا او دانش خود را با شما به اشتراک می گذارد. هر مرحله از یک پروژه معمولی را از تعریف مشکل و جمع آوری داده ها و منابع تا عملی کردن راه حل طی کنید. کیت همچنین یک نمای کلی از CRISP-DM (روش داده کاوی عملاً) و نه قانون داده کاوی ارائه می دهد که به شما در تمرکز بر استراتژی و ارزش کسب و کار کمک می کند.

اهداف یادگیری
چه چیزی باعث موفقیت یک پروژه تجزیه و تحلیل پیش بینی می شود؟
تعریف مشکل
انتخاب داده ها
به دست آوردن منابع: تیم، بودجه و شرکتهای کوچک و متوسط
برخورد با داده های مفقود شده
یافتن راه حل
راه حل را به کار انداختن
مروری بر CRISP-DM