595608_ja-JP
「JMP® Pro: 予測モデリング」コースのホームページ
まとめ：このコースでは、JMP Pro ソフトウェアを使用して予測モデルを開発、評価、調整、比較、および採点するために必要なスキルについて説明します。
このコースでは、一般化回帰モデル、k 最近傍、ナイーブ ベイズ、サポート ベクター マシン、デシジョン ツリー、ニューラル ネットワークなどの機械学習手法を使用して、予測モデルを構築および理解する方法について説明します。 また、交差検証、ホールドバック検証、および情報理論的基準を使用して予測モデルを検証する方法も学習します。
間隔： 14時間のコンテンツ。
モダリティ:
- インストラクターと一緒にオンラインでライブ -- このコースは、公開講座スケジュール. 公開コースは、このコンテンツを一緒に学ぶ機会です。ライブインストラクター、しかし、それらは現在英語でのみ提供されており、米国の聴衆にとって最も便利な場合があります (ほとんどのインストラクターは米国のタイムゾーンにいるため)。 お探しのものが見つかりませんか?我々に教えてください.
- サードパーティのトレーニング ベンダーを通じて -- 当社の JMP カリキュラムのすべてのコースは、自社のトレーニング部門を含め、認可を受けたトレーニング ベンダーによって教えることができます。 詳細については、JMP の担当者にお問い合わせください。
前提条件:このコースに参加する前に、以下を完了することをお勧めします。 JMP® ソフトウェア: データ探索へのケース スタディ アプローチとJMP®: ANOVA と回帰を使用した統計的決定コースまたは同等の経験をお持ちの方。
学習目標：
- 複雑なモデルを開発、比較、説明します。
- バギング、ブートストラップ フォレスト、ブースティング ツリーなどの予測モデリングにはパーティション プラットフォームを使用します。
- k-Fold 交差検証、多層ニューラル ネットワーク、ブースティングなどの予測モデリングにニューラル ネットワークを使用します。
- 予測モデルを調整します。
- JMP で新しいデータをスコアリングし、他のソフトウェアで使用するスコア コードを生成します。
- 予測モデルを本番環境にデプロイします。
コース概要：
予測モデリングの概要
- 予測モデリングはどのように違うのですか?
- データのインポートとクリーンアップ。
- 一般化と正直な評価。
予測モデリング プラットフォームの概要
Partition Platform による予測モデリング
- 再帰的パーティショニング。
- バギング。
- ブートストラップ フォレスト。
- ブーストされたツリー モデル。
- チューニング、
ニューラル ネットワークによる予測モデリング
- ニューラル ネットワーク モデルのフィッティング。
- ニューラル ネットワーク アーキテクチャ。
- k 分割交差検証。
- 強化されたニューラル ネットワーク。
- チューニング。
予測モデルの選択と展開
- モデル比較。
- アンサンブル モデル。
- フォーミュラデポ。
予測モデリングと機械学習
Comments
There are no comments yet
