Schulungsübersicht

    Datenvorverarbeitung Data Cleaning Datenintegration und -transformation Datenreduktion Diskretisierung und Konzepthierarchiegenerierung
Statistische Inferenz, Wahrscheinlichkeitsverteilungen, Zufallsvariablen, Zentraler Grenzwertsatz
  • Probenahme
  • Vertrauensintervalle
  • Statistische Inferenz
  • Hypothesentest
  • Multivariate lineare Regressionsspezifikation
  • Teilmengenauswahl
  • Einschätzung
  • Validierung
  • Vorhersage
  • Klassifizierungsmethoden Logistische Regression
  • Lineare Diskriminanzanalyse
  • K-nächste Nachbarn
  • Naiver Bayes
  • Vergleich der Klassifizierungsmethoden
  • Neural Networks Anpassen neuronaler Netze
  • Probleme beim Training neuronaler Netze
  • Entscheidungsbäume Regressionsbäume
  • Klassifizierungsbäume
  • Bäume versus lineare Modelle
  • Absacken, Random Forests, Absacken steigern
  • Random Forests
  • Erhöhen
  • Unterstützt Vektormaschinen und den flexiblen Disct-Maximum-Margin-Klassifikator
  • Unterstützt Vektorklassifikatoren
  • Support-Vektor-Maschinen
  • 2 und mehr Klassen SVMs
  • Zusammenhang mit logistischer Regression
  • Hauptkomponentenanalyse
  • Clustering K-bedeutet Clustering
  • Clusterbildung von K-Medoiden
  • Hierarchisches Clustering
  • Dichtebasiertes Clustering
  • Modellbewertung und Auswahlverzerrung, Varianz und Modellkomplexität
  • Vorhersagefehler in der Stichprobe
  • Der Bayes'sche Ansatz
  • Kreuzvalidierung
  • Bootstrap Methoden
  •   28 Stunden
     

    Teilnehmerzahl


    Beginnt

    Endet


    Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
    Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

    Erfahrungsberichte (1)

    Kombinierte Kurse

    Verwandte Kategorien