Modele predykcyjne wykorzystuje się w optymalizacji działań firm od lat. Najbardziej powszechne zastosowania to modele prognozujące zachowanie klientów (application scoring, behavioral scoring, churn). Jest wiele mniej standardowych zastosowań, choćby przewidywanie na podstawie scenariusza, ile zarobi nakręcony na jego podstawie film.

Niezależnie od przewidywanego zjawiska, sposób budowy modeli jest podobny. Próbując prognozować zjawiska z wykorzystaniem modeli predykcyjnych, spotykamy się jednak z wieloma trudnościami. Uczestnicy dowiedzą się, jakie to trudności, jak je pokonać oraz co jest ważne w modelowaniu predykcyjnym.

Przynajmniej od dekady darmowe oprogramowanie wykorzystywane jest coraz chętniej w biznesie. Często wypiera też drogie rozwiązania komercyjne. Podczas szkolenia skorzystamy właśnie z darmowego oprogramowania KNIME (https://www.knime.org/)[https://www.knime.org/]. Zdobyte wiedza i umiejętności będą wartościowe, niezależnie od wykorzystywanego w firmie oprogramowania.

Warsztaty będą przeprowadzone w sposób interaktywny, a uczestnicy dzięki pracy na własnych komputerach będą mogli wypróbować różne możliwości. Skorzystamy z ciekawych rzeczywistych danych.

Wymagane jest tylko jakiekolwiek doświadczenie w pracy z danymi, w dowolnym narzędziu. Zapraszamy do zabrania ze sobą laptopa z zainstalowaną najnowszą wersją KNIME (KNIME + all free extensions): https://www.knime.org/downloads/overview?quicktabs_knimed=1#quicktabs-knimed (do ściągnięcia bezpłatnie).

Modele predykcyjne często buduje się z wykorzystaniem R czy Pythona. Ale rozwiązanie polegające na pisaniu kodu nie zawsze jest najlepsze. Często dużo wygodniej jest widzieć cały workflow. Właśnie w taki sposób buduje się modele w KNIME.

Użytkownicy innych narzędzi też skorzystają z umiejętności pracy w KNIME.


Czego się nauczysz?

  • Po szkoleniu będziesz w stanie zbudować model predykcyjny. Nawet, jeśli zaczniesz szkolenie bez wiedzy z tej dziedziny.
  • Poznasz etapy procesu budowy modelu predykcyjnego: od zebrania danych, poprzez wybór cech, ocenę jakości, aż do zastosowania modelu.
  • Nauczysz się przygotowywać dane do budowy modeli predykcyjnych.
  • Poznasz odpowiednie metody statystyczne.
  • Jak wybrać cechy, zbudować model i ocenić jego jakość.
  • Poznasz podstawy wygodnego i darmowego narzędzia, jakim jest KNIME.
  • Wszystko przećwiczysz w praktyce na komputerze.
  • Otrzymasz obszerne ułatwiające późniejszą samodzielną pracę.


Dla kogo jest to szkolenie?

Pracownicy dowoolnych firm i instytucji zajmujących się analizą danych i modelowaniem, na przykład departamentów CRM, ryzyka kredytowego, controllingu, audytu, IT oraz innych.


Skrót programu szkolenia

  • Wprowadzenie do KNIME
  • Preprocessing
  • Klasyfikacja
  • Regresja
  • Analiza i prognozowanie szeregów czasowych
  • Redukcja wymiaru
  • Analiza skupień
  • Ważne operacje pomocnicze


WordPress database error: [You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near 'ORDER BY sortorder' at line 1]
SELECT * FROM wp_ngg_pictures WHERE galleryid = ORDER BY sortorder

Program szkolenia

  1. Wprowadzenie do KNIME
    • przegląd funkcjonalności
    • praca z bloczkami
    • budowa i obsługa workflow
  2. Preprocessing
    • wczytywanie danych
    • analiza eksploracyjna pojedynczych zmiennych
    • zmienne pochodne
    • binning / przedziałowanie
    • filtrowanie
    • usuwanie zmiennych, np. zależnych
    • obsługa NA i obserwacji odstających
    • podział na zbiór uczący i testowy
  3. Klasyfikacja
    • wprowadzenie: cykl życia modelu, przygotowanie danych, określenie targetu do modelowania
    • różne modele: regresja logistyczna, drzewa klasyfikacyjne, random forest, SVM, sieci neuronowe
    • różne metody wyboru cech do budowy modelu
    • bardziej złożony wybór cech, metody krokowe i inne
    • confusion matrix
    • krzywa ROC, współczynnik AUROC, dobór punktu odcięcia
    • cross validation
    • porównywanie modeli
  4. Regresja
    • budowa modelu i ocena jego jakości
    • regresja liniowa jednokrotna
    • regresja liniowa wielokrotna
    • regresja nieliniowa
  5. Analiza i prognozowanie szeregów czasowych
    • zasady prognozowania w KNIME
    • poszukiwanie i eliminacja trendu
    • wykorzystanie trendu w prognozie
    • korekta sezonowości
    • auto prediction: sieci neuronowe i regresja
  6. Redukcja wymiaru
    • PCA
  7. Analiza skupień
    • idea metody
    • normalizacja
    • k-means
    • k-medoids
  8. Ważne operacje pomocnicze
    • łączenie tabel
    • eksport w PMML
    • metanodes

Spróbuj ponownie