JMP data visualization illustration - clades

JMP®-Bildung

FORTGESCHRITTENE THEMEN UND JMP PRO

JMP® Pro: Vorhersagemodelle

Dieser Kurs vermittelt Teilnehmenden die erforderlichen Fähigkeiten, um Vorhersagemodelle mithilfe der JMP-Pro-Software zu entwickeln, zu evaluieren, zu optimieren, zu vergleichen und Scores zuzuweisen.

In diesem Kurs erfahren Sie, wie Sie mithilfe von Machine-Learning-Techniken wie Modellen der verallgemeinerten Regression, K nächste Nachbarn, naive Bayes, Stützvektormaschinen, Entscheidungsbäumen und neuronalen Netzwerken Vorhersagemodelle erstellen und interpretieren. Sie werden auch lernen, wie man Vorhersagemodelle mithilfe der Kreuzvalidierung, Holdback-Validierung und informationstheoretischen Kriterien validiert.

Dauer: 4 halbtägige Sitzungen

Registrierungsgebühr: 400 US-Dollar

Sie werden Folgendes lernen:
  • Entwicklung, Vergleich und Erläuterung komplexer Modelle.
  • Verwendung der Plattform „Partition“ für die Erstellung von Vorhersagemodellen, einschließlich Bagging, Bootstrap Forest und Boosted Trees.
  • Verwendung neuronaler Netzwerke für die Erstellung von Vorhersagemodellen, einschließlich k-facher Kreuzvalidierung, mehrschichtiger neuronaler Netzwerke und Boosting.
  • Tuning von Vorhersagemodellen.
  • Scoring neuer Daten in JMP und Generierung von Scorecode zur Verwendung in anderer Software.
  • Einsatz von Vorhersagemodellen in der Produktion.

Bevor Sie an diesem Kurs teilnehmen, wird empfohlen, die Kurse JMP®-Software: Explorative Datenanalyse anhand von Fallstudien und JMP®: Statistische Entscheidungen unter Einsatz von ANOVA und Regression zu absolvieren oder über entsprechende gleichwertige Vorkenntnisse zu verfügen.

Einführung in die Erstellung von Vorhersagemodellen
  • Was ist das Besondere an der Erstellung von Vorhersagemodellen?
  • Datenimport und -bereinigung.
  • Generalisierung und ehrliche Bewertung.
Überblick über Plattformen für die Erstellung von Vorhersagemodellen
    Erstellung von Vorhersagemodellen mit der Plattform „Partition“
    • Rekursive Partitionierung.
    • Bagging.
    • Bootstrap Forest.
    • Boosted-Tree-Modelle.
    • Tuning.
    Erstellung von Vorhersagemodellen mit neuronalen Netzwerken
    • Anpassung des Modells eines neuronalen Netzwerks.
    • Architekturen neuronaler Netzwerke.
    • K-fache Kreuzvalidierung.
    • Boosted Neural Networks.
    • Tuning.
    Auswahl und Einsatz von Vorhersagemodellen
    • Modellvergleiche.
    • Ensemble-Modelle.
    • Formeldepot.
    Kurstermine

    Dieser Kurs ist derzeit nicht verfügbar. Bitte schauen Sie zu einem späteren Zeitpunkt wieder vorbei.

    Dieser Kurs wird auf Englisch angeboten.

    Sie sehen einen bestimmten Kurs nicht zu den gewünschten Terminen? Möchten Sie benachrichtigt werden, wenn dieser Kurs das nächste Mal zum öffentlichen Schulungsplan hinzugefügt wird?

    Kurs anfordern

     

    Wenden Sie sich an JMP Education