DM2

Opis kursu

Ideą kursu jest przekazanie umiejętności zaawansowanej pracy z danymi tym analitykom, którzy chociaż raz musieli wyrzucić swoje modele predykcyjne, bo popełnili błąd na początku analizy. Na szkoleniu uczymy nie tyle, jak skrócić czas pracy z danymi, ale jak uczynić tę pracę bardziej skuteczną. Kurs jest więc adresowany do osób, którym zależy na „bezproblemowym” przejściu do modelowania po fazie przygotowania danych. Dane w analizach data mining i data science mają zwykle swoje źródło w systemach transakcyjnych, które podlegały wielu transformacjom i przekształceniom, na które analityk nie ma wpływu. Z drugiej strony, tworząc modele predykcyjne interesuje nas zrozumienie zachowań osób, których dane transakcyjne są tylko pewnym odzwierciedleniem. Z tego zderzenia potrzeb analityków a stanu danych faktycznie dostępnych, wynika szereg nietrywialnych zagadnień i problemów. Jak podejść do tych danych, aby zdecydować, czy będą one dla nas przydatne? Czy pozwolą nam lepiej zrozumieć modelowane zjawisko? Czy ich jakość jest wystarczająca, aby je uwzględniać w analizach? Jak to ocenić? Czy użycie wielowymiarowych metod imputacji może nam w tym pomóc? Jak na końcu przekształcić te dane w plik przydatnych danych analitycznych? Czy te zagadnienia są praktyczne? Przypuszczalnie każdy praktyk powie, że tak. Czy są fascynujące? Raczej nie, ale są krytycznie ważne, aby dobrze przejść projekt data mining.

Profil uczestnika

Szkolenie jest przeznaczone dla praktyków, zajmujących się lub chcących się zajmować modelowaniem w ramach projektów data mining i data science, którzy uznają umiejętność odpowiedniego podejścia do danych za krytyczną.

Umiejętności zdobywane podczas kursu

• Wiedza na temat sposobów podejścia do oceny przydatności danych do modelowania,
• Umiejętność oceny jakości danych i jej wpływu na budowane modele,
• Wiedza z zakresu eksploracji danych i pułapek, jakie zwykle pojawiają się w danych,
• Zapoznanie z praktycznymi sposobami podnoszenia jakości danych,
• Przygotowanie danych poprzez przekształcanie dostępnych informacji.

Program zajęć

1. Zrozumienie i przygotowanie danych – wprowadzenie,
2. Ocena znaczenia danych i ich dobór,
3. Wykorzystanie technik eksploracyjnej analizy danych w zrozumieniu danych,
4. Ocena jakości danych,
5. Sposoby podnoszenia jakości danych,
6. Przetwarzanie danych,
7. Przygotowanie danych do modelowania, kryteria dodatkowe,
8. Postprocessing.

Czas trwania

• Szkolenie trwa 16 godzin lekcyjnych (2 dni po 8h)

Wykorzystywane oprogramowanie

• PS CLEMENTINE PRO / IBM SPSS Modeler

Polecane kursy uzupełniające

Dla zainteresowanych budową modeli klasyfikacyjnych typujących klientów do kampanii marketingowych:

MC 2b - Analityczny wybór grup docelowych do kampanii marketingu bezpośredniego