Geavanceerde analytische technieken met RapidMiner Training Cursus

Inleiding

• Overzicht van RapidMiner Studio
• Introductie tot de gebruikersinterface en functies van RapidMiner

Toepassing van de CRISP-DM-methodologie in RapidMiner

• Inzicht in het CRISP-DM-raamwerk
• Hoe deze methodologie wordt toegepast bij het schatten en projecteren van waarden

Data-analyse en -voorbereiding

• Importeren en verkennen van data
• Technieken voor pre-processing en data-opschoning
• Gevorderde methoden voor data-transformatie

Modelleren met RapidMiner

• Inleiding tot data-modelleren
• Het selecteren en toepassen van machine learning-algoritmen
• Supervised learning-algoritmen
• Unsupervised learning-algoritmen

Modelbeoordeling en -implementatie

• Tekniken voor modelevaluatie
• Strategieën voor implementatie van modellen
• Het optimaliseren en aanpassen van modellen

Tijdreeksanalyse en -voorspelling

• Grondbeginselen van tijdreeksanalyse
• Toepassing van gemiddelde-modellen bij voorspellingen
• Voorbereiding en aggregatie van tijdreeksdata

Gevorderde technieken voor tijdreeksvoorspellingen

• Decompositieanalyse van tijdreeksen
• Voorspellen met behulp van tijdframewindows
• Voorspellen door het genereren van relevante kenmerken

ARIMA-modellering

• Inzicht in ARIMA-modellen
• Praktische toepassing ervan binnen RapidMiner

Samenvatting en vervolgstappen