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
10 kwietnia 2024
Zapisz się
5 czerwca 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: 10.04.2024
    Długość: 16 godzin (2 dni)
  • Uczenie Maszynowe w Business Intelligence
    Rozpoczęcie szkolenia: 05.06.2024
    Długość: 16 godzin (2 dni)