예측 분석 교육

 머신러닝 

이 강좌에서는 실제 문제 사례를 통해 데이터 분석 기술을 확장하여 변수 간의 관계를 조사 및 설명하는 방법을 알아봅니다. CART® 같은 지도(supervised) 머신러닝 기법을 사용해 과거 데이터에서 발견되는 패턴을 분석하여 더 나은 심층 정보를 얻고 잠재적인 위험을 파악하고 개선 기회를 찾아보고 미래에 대한 예측을 수행하는 방법을 배웁니다. 

Clustering 같은 자율형 머신러닝 도구를 사용하여 데이터의 자연스러운 분할을 감지하고 관측 또는 변수를 동질적인 집합으로 그룹화합니다. 또한 원본 데이터를 상관되지 않은 변수의 집합으로 변환하여 데이터의 차원수를 줄입

웨비나 주제:

• 판별 분석
• 테스트 세트 검증
• K-겹 검증
• CART® Classification
• 상관관계
• CART® Regression
• 군집 분석 

선수 강좌: 분석, 회귀 모형화 

고급 머신러닝

실제 문제와 관련된 데이터를 분석해 변수 간 관계를 탐구 및 설명하여 분석 수준을 한 단계 업그레이드하십시오. CART 트리는 복잡한 관계를 해석하기 위한 간단한 트리 구조를 제공합니다. 하지만 예측 능력은 여러 개의 간단한 모형(또는 트리)을 만들어 하나의 최종 모형으로 결합하는 보다 강력한 모형을 사용하여 종종 개선할 수 있습니다. MARS^®, TreeNet^® 및 Random Forests^®와 같은 고급 모형화 기법을 사용해 과거 데이터에서 발견되는 패턴을 분석하여 더 나은 심층 정보를 얻고 잠재적인 위험을 파악하고 개선 기회를 찾아보고 미래에 대한 예측을 수행하는 방법을 배웁니다. 참고: 이 강좌에서는 애드온 예측 분석 모듈을 구독해야 합니다.

강좌 주제:

• 검증
• CART^® Classification
• TreeNet^® Classification
• Random Forests^® Classification
• 상관
• MARS^® Regression
• CART^® Regression
• TreeNet^® Regression
• Random Forests^® Regression
• 주요 예측 변수 알아보기
• 자동화된 머신러닝 모형화

선수 강좌:  분석 기초, 회귀 모형화 및 예측, 머신 러닝