masem training | Wiesbaden
Alle, die mit modernen Verfahren des Data Mining Muster und Beziehungen in Daten erkennen wollen. Mit diesen können Entscheidungsfindungen unterstützt sowie Ergebnisse aussagekräftig und messbar verbessert werden. Lernziele: Einblick in typische Data-Mining-Fragestellungen; Überblick über die Methoden der Data-Mining und deren; Umsetzung in die Praxis mit IBM SPSS Modeler. Inhalt: IBM SPSS Modeler unterstützt den gesamten Data-Mining-Prozess, dessen einzelne Phasen – vom Datenzugriff und der Datenaufbereitung über die Bildung verschiedener Modelle bis hin zur Modellierung – anhand realer Fragestellungen besprochen werden. Agenda: Überblick Data Mining mit IBM SPSS Modeler; Aufbau IBM SPSS Modeler; Typische Fragestellung des Data Mining; Einführung in den Prozess-Standard CRISP-DM; Datenimport; Zugriff auf strukturierte, ODBC-fähige Datenquellen; Import von Textdateien; Einlesen proprietärer Datenformate (IBM SPSS Statistics, SAS); Aufbereitungsoptionen; Möglichkeiten zu Auswahl, Aufbau und Zusammensetzung von Datensätzen (Verbinden, Anhängen, Balancieren); Datenvalidierung, Datenexploration und automatische Prüfung der Datenqualität; Ableitung, Neuberechnung von Variablen bzw. Ersetzen von Variablen; Umkodieren, Klassieren und Dichotomisieren; Visualisierung (Diagramme), Modellbildung und Evaluation; Modellbildung: Übersicht der verfügbaren Verfahren und Hinweise zu Anwendungsgebieten; Fallbeispiel: Kundenklassifikation mit Hilfe unterschiedlicher Klassifizierungsverfahren; Modellevaluation (Gain Charts) und Vergleich verschiedener Modelle (Fehlerklassifizierung, Trefferquoten); Speichern und Exportieren von Klassifikations- und Scoring-Ergebnissen; Wiederverwendung der Analysen in Folgeprojekten. ‒
mehr erfahren Heute veröffentlicht