آموزش تجزیه و تحلیل پیش بینی و مدل سازی با SAS

Predictive Analytics & Modeling with SAS

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: یادگیری و کسب تخصص در تجزیه و تحلیل پیش‌بینی‌کننده و مدل‌سازی با SAS این دوره به شما کمک می‌کند تا در تجزیه و تحلیل و تبدیل شدن به یک متخصص در مدیریت داده‌ها و پلت فرم sas باشید. می‌توانید استفاده از ابزار رگرسیون را با جزئیات جدول رگرسیون، نتیجه مدل رگرسیون و ایجاد نمودارهای جریان و غیره به ایجاد پایه ای برای سایر تحلیل های آماری کمک کرده است.

مدل‌سازی تحلیل پیش‌بینی‌کننده را می‌توان فرآیند ایجاد، آزمایش و اعتبارسنجی یک مدل دانست. از مفاهیم آمار در پیش بینی نتایج استفاده می کند. مدل‌سازی تحلیل پیش‌بینی‌کننده شامل مجموعه‌ای از روش‌ها مانند یادگیری ماشین، آمار، هوش مصنوعی و غیره است. این مدل‌ها از چندین پیش‌بینی‌کننده تشکیل شده‌اند که ویژگی‌هایی نیز نامیده می‌شوند که احتمالاً بر نتایج آینده تأثیر می‌گذارند. مدل‌سازی پیش‌بینی در حال حاضر بیشترین کاربرد را در حوزه علوم کامپیوتر، فناوری اطلاعات و خدمات اطلاعاتی دارد.

این دوره آموزشی مدلسازی تجزیه و تحلیل پیش بینی کننده با هدف ارائه مهارت های مدل سازی پیش بینی کننده همانطور که در بالا به بخش ها/دامنه های تجاری اشاره شد، می باشد. روش‌های کمی و مفاهیم مدل‌سازی پیش‌بینی‌کننده از این دوره مدل‌سازی پیش‌بینی‌کننده را می‌توان به طور گسترده در بسیاری از زمینه‌ها برای درک رفتار فعلی مشتری، رضایت مشتری، روندهای بازار مالی، مطالعه اثرات دارو در بخش‌های دارویی پس از توسعه و مدیریت داروها مورد استفاده قرار داد.

Minitab یا SAS و SPSS از جمله توسعه دهندگان پیشرو در جهان در زمینه ساخت نرم افزار تجزیه و تحلیل آماری هستند. در سراسر جهان، هزاران شرکت از این نرم افزارها استفاده می کنند. اینها همچنین توسط بیش از 10000 دانشگاه و کالج برای تحقیق و تدریس استفاده می شود. به عنوان مثال، برخی از مشتریان عمده Minitab شامل Pfizer، Royal Bank of Scotland، Nestle، Boeing، Toshiba و DuPont هستند.

بسیاری از مطالعات مستقل انجام شده توسط شرکت‌هایی مانند مکینزی، گارتنر و دیگران پیش‌بینی کرده‌اند که علم داده، یادگیری ماشین و مدل‌سازی پیش‌بینی‌کننده بزرگ‌ترین مشاغل قرن بیست و یکم خواهند بود و این حرفه‌ای‌ها بهترین پاداش را دریافت خواهند کرد. آن.

این دوره مهارت های ملموس بسیاری را پوشش می دهد که دانش آموزان می توانند برای شغل و تغییر شغل روی آنها حساب کنند. این مهارت‌ها در اینجا توضیح داده شده‌اند تا به دانش‌آموزان کمک کند تا ارزش این دوره آموزشی مدل‌سازی تحلیل پیش‌بینی‌کننده را درک کنند.

  • مهارت تجزیه و تحلیل داده‌ها و دیدن یک الگوی پیچیده: درک داده‌ها و استخراج الگو یک مهارت کلیدی برای مدل‌سازی پیش‌بینی‌کننده است و یک فرد موفق در این حوزه باید بتواند در کوتاه‌مدت داده‌ها را درک کند. در این دوره نحوه انجام این کار را خواهید آموخت. انواع مختلف توزیع داده ها، الگوهای داده و تکنیک های درک داده به شما آموزش داده خواهد شد. این مهارت‌ها به شما در تصمیم‌گیری بهتر و شهودی‌تر در تمام زمینه‌های کاری مادام‌العمر کمک می‌کند.

  • مهارت کدنویسی عملی: - دوره مدلسازی تحلیل پیشگو سه ابزار Minitab، SAS و SPSS را آموزش می دهد. برای آن، این دوره مدل سازی پیش بینی بسیار خوب است. برای دوره مدل‌سازی پیش‌بینی‌کننده و یادگیری ماشین، باید با کدنویسی راحت باشید و از این رو داشتن درک دقیق از اجرای عملی بسیار مهم است. این دوره همه این مهارت ها را آموزش می دهد تا دانش آموز آماده صنعت باشد و بتواند به راحتی در موارد استفاده واقعی کار کند.

  • درک قوی از مفاهیم: - مفاهیم یادگیری ماشینی مانند رگرسیون، طبقه‌بندی، ماشین‌های بردار پشتیبان، شبکه عصبی، منحنی ROC و بسیاری از مفاهیم دیگر آموزش داده می‌شوند که اغلب در مصاحبه‌ها پرسیده می‌شوند و درک یک نامزد از مدل‌سازی پیش‌بینی را قضاوت می‌کنند.


سرفصل ها و درس ها

PM SAS EM Intro PM SAS EM INTRO

  • معرفی SAS Enterprise Miner Introduction of SAS Enterprise Miner

  • یک جدول SAS را انتخاب کنید Select a SAS Table

  • ایجاد گره داده ورودی Creating Input Data Node

  • گزینه های مشاور فراداده Metadata Advisor Options

  • اضافه کردن منابع داده بیشتر Add More Data Sources

  • نمونه آمار Sample Statistics

  • گزارش آزمایشی Trial report

  • ویژگی های Cluster Node Properties of Cluster Node

  • انتخاب متغیر Variable Selection

انتخاب متغیر PM SAS EM PM SAS EM VARIABLE SELECTION

  • متغیر ورودی Input Variable

  • متغیر ورودی ادامه دارد Input Variable Continues

  • مقادیر R-Square Values of R-Square

  • اطلاعات بیشتر در مورد انتخاب متغیر More on Variable Selection

  • متغیر هدف باینری Binary Target Variable

  • خلاصه متغیر و اثر Variable and Effect Summary

  • انتخاب متغیر - شناسه متغیر Variable Selection - Variable ID's

  • جدول فرکانس متغیر Variable Frequency Table

  • متغیر S - به روز رسانی مقایسه مدل Variable S - Updating Model Comparison

  • گره پارتیشن داده را اجرا کنید Run Data Partition Node

  • انتخاب متغیر - آمار تناسب Variable Selection - Fit Statistics

  • درک تبدیل متغیرها Understanding Transformation of Variables

  • نتایج همپوشانی رتبه بندی امتیاز Score Ranking Overlay Res

  • به روز رسانی تبدیل متغیرها Update Transformation of Variables

SAS PM EM COMBINATION SAS PM EM COMBINATION

  • ترکیبی از مدل های مختلف Combination of Different Models

  • ویژگی های شبکه عصبی Properties of Neural Network

  • تجزیه و تحلیل متغیر خروجی Analyzing the Output Variable

  • ترکیب مدل رگرسیون Combination of Regression Model

  • ترکیب - نتیجه گره رگرسیون Combination - Result of Regression Node

  • طرح تکرار ترکیبی Combination Iteration Plot

  • طرح زیر مجموعه Subseries Plot

  • ایجاد نمودار متراکم Creating Densemble Diagram

  • کد SAS SAS Code

  • مدل درخت تصمیم Decision Tree Model

  • مدل درخت تصمیم را اجرا و به روز کنید Run and Upadate Decision Tree Model

  • ایجاد گره Dscore Creating Dscore Node

  • DT - نتیجه مقایسه مدل DT - Resulf of Model Comparison

  • آمار برگ و نقشه درختی Leaf Statistics and Tree Map

  • درختان تصمیم گیری تعاملی Interactively Decision Trees

  • پارتیشن داده های گره نتیجه Result Node Data Partition

  • پنجره درختان تعاملی Interactively Trees Window

  • ساخت درختان تصمیم Building a Decision Trees

شبکه عصبی SAS PM EM SAS PM EM NEURAL NETWORK

  • مدل شبکه عصبی Neural Network Model

  • خروجی مدل شبکه عصبی Neural Network Model Output

  • تاریخچه وزن مدل Model Weight History

  • شبکه عصبی - وزن نهایی Neural Network - Final Weight

  • نمودار ROC ROC Chart

  • شبکه عصبی - طرح تکرار Neural Network -Iteration Plot

  • شبکه عصبی - کد SAS Neural Network - SAS Code

  • شبکه عصبی - لیفت تجمعی Neural Network - Cumulative Lift

  • پردازش تصمیم Decision Processing

  • نتایج گره عصبی خودکار Results of Auto Neural Node

  • اجرای مقایسه مدل Run Model Comparison

  • DEX - شناسه متغیر DEX - Variable ID's

  • میانگین مربع خطا Average Square Error

  • همپوشانی رتبه بندی امتیاز - رویداد Score Rating overlay - Event

  • گره رگرسیون Dmine را اجرا کنید Run Dmine Regression Node

SAS PM رگرسیون EM SAS PM EM REGRESSION

  • رگرسیون با هدف باینری Regression with Binary Target

  • رگرسیون - نمودارهای اثر جدول Regression - Table Effect Plots

  • نتیجه مدل رگرسیون Result of Regression Model

  • به روز رسانی گره رگرسیون Update Regression Node

  • ایجاد نمودار جریان Creating Flow Diagram

نمایش نظرات

نظری ارسال نشده است.

آموزش تجزیه و تحلیل پیش بینی و مدل سازی با SAS
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
9.5 hours
61
Udemy (یودمی) udemy-small
16 آبان 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
2,413
4.9 از 5
ندارد
دارد
دارد
EDU CBA

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

EDU CBA EDU CBA

مهارت های دنیای واقعی را بصورت آنلاین بیاموزید EDUCBA یک ارائه دهنده جهانی آموزش مبتنی بر مهارت است که نیازهای اعضا را در بیش از 100 کشور برطرف می کند. ما بزرگترین شرکت فناوری پیشرفته در آسیا با نمونه کارهای 5498+ دوره آنلاین ، 205+ مسیر یادگیری ، 150+ برنامه شغل محور (JOPs) و 50+ بسته دوره حرفه ای شغلی هستیم که توسط متخصصان برجسته صنعت آماده شده است. برنامه های آموزشی ما برنامه های مبتنی بر مهارت شغلی است که توسط صنعت در سراسر امور مالی ، فناوری ، تجارت ، طراحی ، داده و فناوری جدید و آینده مورد نیاز صنعت است.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.