Uczenie Maszynowe w Business Intelligence

Szkolenie przeznaczone dla osób chcących w praktyce poznać zasady wdrażania i wykorzystywania Uczenia Maszynowego (Machine Learning, ML).

Odkryjesz reguły, zastosowania, a także ograniczenia ML, poznając jego rolę w uniwersum Sztucznej Inteligencji. Naucz się rozumieć projekty zaawansowanej analityki danych (Data Science) z wykorzystaniem modeli predykcyjnych. Dzięki konkretnym ćwiczeniom w środowisku Qlik, zdobędziesz umiejętności efektywnego stosowania technik uczenia maszynowego na różnorodnych zestawach danych, zarządzając jednocześnie wieloma modelami predykcyjnymi.

Najbliższe terminy
30 lipca 2024
Zapisz się
24 września 2024
Zapisz się
Szkolenie AutoML Qlik
Czas trwania 16 godzin (2 dni)
Poziom średnio-zaawanasowany
Typ szkolenia online
Cena 7200 zł

Czego nauczysz się w trakcie szkolenia?

  • Rozumieć istotę uczenia maszynowego.
  • Rozpoznawać potrzeby biznesowe i formułować kluczowe pytania.
  • Decydować o możliwościach zastosowania uczenia maszynowego na Twoich danych.
  • Stosować w praktyce automatyczne uczenie maszynowe (AutoML).
  • Interpretować wyniki eksperymentów z uczenia maszynowego.
  • Modelować dane wsadowe dla optymalizacji wyników predykcyjnych.

Tematyka szkolenia

  • Czym jest Uczenie Maszynowe w uniwersum Sztucznej Inteligencji
  • Automatyczne Uczenie Maszynowe w Qlik
  • Analityka predykcyjna
  • Składniki eksperymentu AutoML
  • Feature Engineering, Feature Design, Data Leaks

 

LAB 1: Przewidywanie zamiarów klienta – pierwszy projekt, krok po kroku:

  • Określenie kluczowych cech, wybór optymalnego algorytmu.
  • Dostrajanie modelu, poprawa wydajności uczenia.
  • Wdrażanie modelu na nowych danych w praktyce.

LAB 2: Prognozowanie produktywności  

  • Radzenie sobie z błędami w trakcie wykonywania prognoz.
  • Wdrożenie modelu na nowych danych za pomocą skryptu ładowania danych.

LAB 3: Przewidywanie awarii maszyny  

  • Rozpoznawanie wycieku w danych.
  • Wykonywanie predykcji w czasie rzeczywistym.

LAB 4: Prognozowanie zużycia energii elektrycznej

  • Wykonanie dekompozycji szeregu czasowego za pomocą funkcjonalności Insight Advisor.
  • Prognozowanie dla szeregu czasowego dla różnych okresów.

Zalety Uczenia Maszynowego w Qlik Sense

  • Nie wymaga pisania kodu.
  • Przeznaczony dla zespołów analitycznych.
  • Łatwe wdrażanie modelu.
  • Nie wymaga zaangażowania specjalistycznego Data Scientist’a.
  • Nielimitowane eksperymenty uczenia maszynowego.
  • Całkowite wyjaśnienie badanego problemu.
  • Uczenie Maszynowe w Business Intelligence
    Rozpoczęcie szkolenia: 30.07.2024
    Długość: 16 godzin (2 dni)
  • Uczenie Maszynowe w Business Intelligence
    Rozpoczęcie szkolenia: 24.09.2024
    Długość: 16 godzin (2 dni)