595608_ko-KR
"JMP® Pro: 예측 모델링" 과정 홈페이지
요약: 이 과정에서는 JMP Pro 소프트웨어를 사용하여 예측 모델을 개발, 평가, 조정, 비교 및 점수화하는 데 필요한 기술을 다룹니다.
이 과정에서는 일반화 회귀 모델, k-최근접 이웃, 나이브 베이즈, 지원 벡터 머신, 의사 결정 트리 및 신경망과 같은 기계 학습 기술을 사용하여 예측 모델을 구축하고 이해하는 방법을 설명합니다. 또한 교차 검증, 홀드백 검증 및 정보 이론 기준을 사용하여 예측 모델을 검증하는 방법을 배웁니다.
지속: 14시간 분량의 콘텐츠.
양식:
- 강사와 함께 온라인 라이브 -- 이 과정은 당사에서 주기적으로 제공됩니다. 공개 과정 일정 . 공개 과정은 이 콘텐츠를 라이브 강사 , 그러나 현재 영어로만 제공되며 미국 청중에게 가장 편리한 시간에 제공됩니다(대부분의 강사가 미국 시간대에 있기 때문). 찾고 있는 내용이 보이지 않습니까?알려주세요 .
- 제3자 교육 공급업체를 통해 -- JMP 커리큘럼의 모든 과정은 귀사의 교육 부서를 포함하여 면허가 있는 교육 공급업체에서 가르칠 수 있습니다. 자세한 내용은 JMP 담당자에게 문의하십시오.
전제 조건: 이 과정을 수강하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: ANOVA 및 회귀 분석을 사용한 통계적 결정 코스 또는 동등한 경험이 있습니다.
학습 목표:
- 복잡한 모델을 개발, 비교 및 설명합니다.
- 배깅, 부트스트랩 포레스트, 부스트 트리를 포함한 예측 모델링에 파티션 플랫폼을 사용하십시오.
- k-Fold 교차 검증, 다층 신경망 및 부스팅을 포함한 예측 모델링에 신경망을 사용합니다.
- 예측 모델을 조정합니다.
- JMP에서 새 데이터의 점수를 매기고 다른 소프트웨어에서 사용할 점수 코드를 생성합니다.
- 프로덕션에 예측 모델을 배포합니다.
강의 개요:
예측 모델링 소개
- 예측 모델링은 어떻게 다릅니까?
- 데이터 가져오기 및 정리.
- 일반화 및 정직한 평가.
예측 모델링 플랫폼 개요
파티션 플랫폼을 사용한 예측 모델링
- 재귀적 파티셔닝.
- 포장.
- 부트스트랩 숲.
- 향상된 트리 모델.
- 동조,
신경망을 사용한 예측 모델링
- 신경망 모델 피팅.
- 신경망 아키텍처.
- k-Fold 교차 검증.
- 향상된 신경망.
- 동조.
예측 모델 선택 및 배포
예측 모델링 및 기계 학습
Comments
There are no comments yet
