آموزش تحلیل پیش‌بینانه با SAS: ساخت و پیاده‌سازی مدل‌ها - آخرین آپدیت

دانلود Predictive Analytics with SAS: Build & Deploy Models

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در پایان این دوره، فراگیران قادر خواهند بود با استفاده از SAS Enterprise Miner، مدل‌های پیش‌بینانه را شناسایی، تحلیل، ارزیابی و constructing کنند. آن‌ها مهارت‌های عملی در آماده‌سازی داده‌ها، انتخاب متغیر، ساخت مدل، ارزیابی عملکرد و استقرار مدل‌ها برای کاربردهای واقعی کسب‌وکار را کسب خواهند کرد. این دوره به فراگیران قدرت می‌دهد تا با اعتماد به نفس داده‌های خام را به بینش‌های عملی تبدیل کنند، مدل‌ها را مقایسه و بهینه سازند و جریان‌های کاری تحلیلی آماده برای تصمیم‌گیری را پیاده‌سازی کنند. شرکت‌کنندگان با شروع از مبانی SAS Enterprise Miner، در مسیر آماده‌سازی داده‌ها، تغییرات متغیرها، مدل‌سازی درخت تصمیم، کاربردهای شبکه عصبی و تکنیک‌های پیشرفته رگرسیون پیش می‌روند. هر ماژول شامل تمرینات ساختاریافته و آزمون‌های نمره‌گذاری شده است که یادگیری را تقویت کرده و تسلط بر مفاهیم مدل‌سازی پیش‌بینانه را تضمین می‌کند. آنچه این دوره را منحصر‌به‌فرد می‌کند، رویکرد گام‌به‌گام و ماژول‌محور آن است که با طبقه‌بندی بلوم همسو شده و تئوری را با تمرینات تعاملی، سناریوهای واقعی و ابزارهای خودکار SAS مانند Auto Neural و Dmine Regression ترکیب می‌کند. برخلاف آموزش‌های سنتی، این برنامه نمودارهای جریان عملی، مدل‌سازی مجموعه‌ای (Ensemble) و روش‌های ارزیابی عملکرد را ادغام می‌کند و فراگیران را برای ایفای نقش‌های تحلیل پیش‌بینانه در صنایعی مانند مالی، بهداشت و درمان و بازاریابی آماده می‌سازد.

سرفصل ها و درس ها

شروع کار با SAS Enterprise Miner Getting Started with SAS Enterprise Miner

  • معرفی SAS Enterprise Miner Introduction of SAS Enterprise Miner

  • انتخاب جدول SAS Select a SAS Table

  • ایجاد نود داده‌های ورودی Creating Input Data Node

  • گزینه‌های مشاور متاداده (Metadata Advisor) Metadata Advisor Options

  • افزودن منابع داده بیشتر Add More Data Sources

  • آمار نمونه‌ها Sample Statistics

  • گزارش آزمایشی Trial report

آماده‌سازی و درک داده‌ها Preparing and Understanding Data

  • ویژگی‌های نود خوشه (Cluster Node) Properties of Cluster Node

  • انتخاب متغیر Variable Selection

  • متغیر ورودی Input Variable

  • ادامه متغیرهای ورودی Input Variable Continues

  • مقادیر R Square Values of R-Square

  • بیشتر درباره انتخاب متغیر More on Variable Selection

  • متغیر هدف باینری Binary Target Variable

  • خلاصه متغیرها و اثرات Variable and Effect Summary

  • انتخاب متغیر و شناسه‌های متغیر Variable Selection - Variable ID's

  • جدول فراوانی متغیرها Variable Frequency Table

  • به‌روزرسانی مقایسه مدل‌ها Variable S - Updating Model Comparison

  • اجرای نود تقسیم داده‌ها (Data Partition) Run Data Partition Node

  • انتخاب متغیر و آمارهای برازش Variable Selection - Fit Statistics

تغییرات متغیرها و ساخت مدل Transformations and Model Building

  • درک تغییر شکل متغیرها Understanding Transformation of Variables

  • نتایج هم‌پوشانی رتبه‌بندی امتیاز Score Ranking Overlay Res

  • به‌روزرسانی تغییرات متغیرها Update Transformation of Variables

  • ترکیب مدل‌های مختلف Combination of Different Models

  • ویژگی‌های شبکه عصبی Properties of Neural Network

  • تحلیل متغیر خروجی Analyzing the Output Variable

  • ترکیب مدل رگرسیون Combination of Regression Model

  • نتیجه نود رگرسیون ترکیبی Combination - Result of Regression Node

  • نمودار تکرار ترکیبی Combination Iteration Plot

  • نمودار زیرمجموعه Subseries Plot

  • ایجاد نمودار مجموعه‌ای (Densemble) Creating Densemble Diagram

  • کدهای SAS SAS Code

درخت‌های تصمیم و شبکه‌های عصبی Decision Trees and Neural Networks

  • مدل درخت تصمیم Decision Tree Model

  • اجرا و به‌روزرسانی مدل درخت تصمیم Run and Upadate Decision Tree Model

  • ایجاد نود امتیازدهی (Dscore) Creating Dscore Node

  • نتیجه مقایسه مدل‌های درخت تصمیم DT - Resulf of Model Comparison

  • آمار برگ‌ها و نقشه درخت Leaf Statistics and Tree Map

  • کار با درخت‌های تصمیم به صورت تعاملی Interactively Decision Trees

  • داده‌های نود نتیجه تقسیم‌بندی Result Node Data Partition

  • پنجره تعاملی درخت‌ها Interactively Trees Window

  • ساخت درخت‌های تصمیم Building a Decision Trees

  • مدل شبکه عصبی Neural Network Model

  • خروجی مدل شبکه عصبی Neural Network Model Output

  • تاریخچه وزن‌های مدل Model Weight History

  • وزن نهایی شبکه عصبی Neural Network - Final Weight

  • نمودار ROC ROC Chart

ارزیابی و استقرار مدل Model Evaluation and Deployment

  • نمودار تکرار شبکه عصبی Neural Network -Iteration Plot

  • کدهای SAS در شبکه عصبی Neural Network - SAS Code

  • بالای تجمعی (Cumulative Lift) در شبکه عصبی Neural Network - Cumulative Lift

  • پردازش تصمیمات Decision Processing

  • نتایج نود Auto Neural Results of Auto Neural Node

  • اجرای مقایسه مدل Run Model Comparison

  • شناسه‌های متغیر DEX DEX - Variable ID's

  • میانگین خطای مربعات Average Square Error

  • هم‌پوشانی رتبه‌بندی امتیاز رویداد Score Rating overlay - Event

  • اجرای نود Dmine Regression Run Dmine Regression Node

  • رگرسیون با هدف باینری Regression with Binary Target

  • نمودارهای اثرات جدول رگرسیون Regression - Table Effect Plots

  • نتیجه مدل رگرسیون Result of Regression Model

  • به‌روزرسانی نود رگرسیون Update Regression Node

  • ایجاد نمودار جریان (Flow Diagram) Creating Flow Diagram

نمایش نظرات

آموزش تحلیل پیش‌بینانه با SAS: ساخت و پیاده‌سازی مدل‌ها
جزییات دوره
15h 31m
61
(آخرین آپدیت)
24
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده