Этот курс объединяет исследование данных, визуализацию, подготовку данных, создание предикторов, выделение подвыборки и разбиение данных, обучение модели, скоринг и оценку качества. Он охватывает различные методы статистики, интеллектуального анализа данных и машинного обучения, выполняемые в масштабируемой in-memory среде исполнения. Курс предоставляет теоретическое основы и практический опыт работы с SAS Visual Data Mining и Machine Learning через SAS Studio, пользовательский интерфейс для программирования SAS. Курс включает в себя методы прогнозного моделирования, такие как линейная и логистическая регрессия, дерево решений и ансамбль деревьев (случайный лес и градиентный бустинг), нейронные сети, метод опорных векторов и факторизационную машину.

Изучается

• создание сессии SAS Cloud Analytic Services (CAS), процесс подготовки и изучения данных для машинного обучения
• построение моделей линейной и логистической регрессии
• построение моделей дерева решений, случайного леса и градиентного бустинга
• построение моделей нейронных сетей
• построение модели методом опорных векторов
• построение модели факторизационной машины
• оценка и сравнение результатов работы модели
• скоринг выбранных моделей.

Аудитория

Аналитики данных, математики, специалисты в области статистики, специалисты по науке о данных, специалисты по качеству и другие, кто хочет познакомиться с методами машинного обучения с учителем для прогнозного моделирования.

Доступные форматы обучения	Продолжительность
Очный:	2.0 дня(ей)
Live Web курс:	4 по полдня
e-Learning:	14 часа(ов)/180 день доступ

Перед посещением данного курса Вы должны, как минимум, ознакомиться с основами статистики. Опыт использования продуктов SAS и опыт программирования будут полезны, но не обязательны.

Используется SAS Viya ПО

Используется SAS Viya ПО.

Введение в SAS Viya, подготовку и исследование данных

• введение в SAS Viya
• архитектура SAS Cloud Analytic Services
• сессии SAS Cloud Analytic Services
• библиотеки SAS Cloud Analytic Services
• среда разработки: SAS Studio
• подготовка и исследование данных

Регрессия

• концепции прогнозного моделирования
• введение в регрессию
• работа с пропущенными значениями
• отбор предикторов
• оптимизация сложности регрессии
• интерпретация регрессионных моделей
• преобразование предикторов
• категориальные предикторы
• полиномиальные регрессии

Дерево решений

• модели древовидной структуры
• рекурсивное разбиение
• обрезка
• ансамбль деревьев

Нейронная сеть

• введение
• архитектура сети
• обучение

Метод опорных векторов

• линейный классификатор с большим зазором
• методы решения
• нелинейный классификатор: преобразование с помощью ядра

Оценка модели и скоринг

• оценка модели и сравнение
• развертывание модели

Факторизационные машины (самостоятельное изучение)

• факторизационные машины