Data mining – metody bez nauczyciela

Szkolenie prezentuje techniki należące do grupy metod bez nauczyciela, m.in. takie jak segmentacja opisowa oraz wyszukiwanie reguł (analiza koszykowa), których celem jest wykrywanie ukrytych zależności i nieznanych wcześniej wzorców w dużych zbiorach danych. Kontynuacja i rozwinięcie szkolenia „Data mining I – kurs podstawowy”.

Dla kogo?

• Dla wszystkich, którzy chcą bliżej poznać specjalistyczne metody data mining, aby móc wydobyć z danych maksymalnie dużo użytecznej wiedzy.

Co zyskasz?

• Dowiesz się, jak analizować zbiór danych nie mający konkretnej zmiennej zależnej
• Poznasz najczęściej wykorzystywane techniki data mining bez nauczyciela (unsupervised learning)
• Nauczysz się, w jaki sposób za pomocą wykresów wyciągać ciekawe wnioski z danych
• Dowiesz się, jak wydobyć kluczowe informacje ukryte w danych i poznać ich strukturę
• Nauczysz się redukcji wymiaru danych
• Samodzielnie zbudujesz reguły opisujące zależności i wzorce występujące w danych
• Zobaczysz, w jaki sposób grupować obiekty do siebie podobne
• Dostaniesz praktyczne wskazówki dotyczące interpretacji uzyskanych wyników
• Zdobędziesz podstawy do rozwijania umiejętności analitycznych w każdej branży
• Pogłębisz swoją wiedzę w zakresie obsługi i funkcjonalności programu Statistica

Program szkolenia

1. Wprowadzenie do metod uczenia bez nauczyciela
2. Wybrane elementy eksploracyjnej analizy graficznej
3. Analiza skupień uogólnioną metodą EM i k-średnich
   • Wprowadzenie
   • Skale pomiarowe, miary odległości i podobieństwa obiektów
   • Odległość i normalizacja
   • Algorytmy segmentacji
   • Metoda k-średnich
   • Analiza skupień metodą EM (Expectation Maximization)
   • Sieci Kohonena
4. Analiza koszykowa, sekwencji i połączeń
   • Wprowadzenie
   • Cel analizy koszykowej
   • Postać danych
   • Reguły asocjacyjne
   • Miary jakości reguł
   • Analiza sekwencji
5. Analiza składowych głównych
   • Idea, postać modelu, zastosowania
   • Techniki wyboru odpowiedniej liczby składowych
   • Omówienie wyników analizy na przykładzie
   • Interpretacja
6. Metoda składowych niezależnych (ICA)
   • Wprowadzenie
   • Przykłady zastosowań