Introduction to Machine Learning Models Using IBM SPSS Modeler (V18.2) [0A079G]

Durée totale
Localisation
En ligne
Date et lieu de début

Introduction to Machine Learning Models Using IBM SPSS Modeler (V18.2) [0A079G]

Global Knowledge Belgium BV
Logo Global Knowledge Belgium BV
Note du fournisseur: starstarstar_halfstar_borderstar_border 4,5 Global Knowledge Belgium BV a une moyenne de 4,5 (basée sur 2 avis)

Astuce: besoin de plus d'informations sur la formation? Téléchargez la brochure!

Dates et lieux de début

computer En ligne: VIRTUAL TRAINING CENTER
9 nov. 2022 jusqu'au 10 nov. 2022
computer En ligne: VIRTUAL TRAINING CENTER
15 mai 2023 jusqu'au 16 mai 2023
computer En ligne: VIRTUAL TRAINING CENTER
2 nov. 2023 jusqu'au 3 nov. 2023

Description

Vrijwel iedere training die op een onze locaties worden getoond zijn ook te volgen vanaf huis via Virtual Classroom training. Dit kunt u bij uw inschrijving erbij vermelden dat u hiervoor kiest.

OVERVIEW

This course provides an introduction to supervised models, unsupervised models, and association models. This is an application-oriented course and examples include predicting whether customers cancel their subscription, predicting property values, segment customers based on usage, and market basket analysis.

OBJECTIVES

Please refer to course overview

AUDIENCE

  • Data scientists
  • Business analysts
  • Clients who want to learn about machine learning models

CONTENT

Introduction to machine learning models • Taxonomy of machine learning models • Identify measurement levels • Taxonomy of supervised models • Build and apply models in IBM SPSS Modeler Supervised models: Decision trees - CHAID • …

Lisez la description complète ici

Foire aux questions (FAQ)

Il n'y a pour le moment aucune question fréquente sur ce produit. Si vous avez besoin d'aide ou une question, contactez notre équipe support.

Vous n'avez pas trouvé ce que vous cherchiez ? Voir aussi : IBM, Intelligence Artificielle, IBM Cognos, IBM Lotus Notes et IBM WebSphere.

Vrijwel iedere training die op een onze locaties worden getoond zijn ook te volgen vanaf huis via Virtual Classroom training. Dit kunt u bij uw inschrijving erbij vermelden dat u hiervoor kiest.

OVERVIEW

This course provides an introduction to supervised models, unsupervised models, and association models. This is an application-oriented course and examples include predicting whether customers cancel their subscription, predicting property values, segment customers based on usage, and market basket analysis.

OBJECTIVES

Please refer to course overview

AUDIENCE

  • Data scientists
  • Business analysts
  • Clients who want to learn about machine learning models

CONTENT

Introduction to machine learning models • Taxonomy of machine learning models • Identify measurement levels • Taxonomy of supervised models • Build and apply models in IBM SPSS Modeler Supervised models: Decision trees - CHAID • CHAID basics for categorical targets • Include categorical and continuous predictors • CHAID basics for continuous targets • Treatment of missing values Supervised models: Decision trees - C&R Tree • C&R Tree basics for categorical targets • Include categorical and continuous predictors • C&R Tree basics for continuous targets • Treatment of missing values Evaluation measures for supervised models • Evaluation measures for categorical targets • Evaluation measures for continuous targets Supervised models: Statistical models for continuous targets - Linear regression • Linear regression basics • Include categorical predictors • Treatment of missing values Supervised models: Statistical models for categorical targets - Logistic regression • Logistic regression basics • Include categorical predictors • Treatment of missing values Supervised models: Black box models - Neural networks • Neural network basics • Include categorical and continuous predictors • Treatment of missing values Supervised models: Black box models - Ensemble models • Ensemble models basics • Improve accuracy and generalizability by boosting and bagging • Ensemble the best models Unsupervised models: K-Means and Kohonen • K-Means basics • Include categorical inputs in K-Means • Treatment of missing values in K-Means • Kohonen networks basics • Treatment of missing values in Kohonen Unsupervised models: TwoStep and Anomaly detection • TwoStep basics • TwoStep assumptions • Find the best segmentation model automatically • Anomaly detection basics • Treatment of missing values Association models: Apriori • Apriori basics • Evaluation measures • Treatment of missing values Association models: Sequence detection • Sequence detection basics • Treatment of missing values Preparing data for modeling • Examine the quality of the data • Select important predictors • Balance the data

Rester à jour sur les nouveaux avi

Pas encore d'avis.

Partagez vos avis

Avez-vous participé à cours? Partagez votre expérience et aider d'autres personnes à faire le bon choix. Pour vous remercier, nous donnerons 1,00 € à la fondation Stichting Edukans.

Il n'y a pour le moment aucune question fréquente sur ce produit. Si vous avez besoin d'aide ou une question, contactez notre équipe support.

Recevoir une brochure d'information (gratuit)

(optionnel)
(optionnel)
(optionnel)
(optionnel)
(optionnel)
(optionnel)

Vous avez des questions?

(optionnel)
Nous conservons vos données personnelles dans le but de vous accompagner par email ou téléphone.
Vous pouvez trouver plus d'informations sur : Politique de confidentialité.