Workshopok

NOSTRADAMUS

NOSTRADAMUS 2022 MájusMáj 04 09:00Online
Esemény kezdési dátuma Befejezési dátum elrejtése Lejárt
  • 999

    days

  • 23

    hours

  • 59

    minutes

  • 59

    seconds

// DÍJ

-

// MIKOR ÉS HOL?

2022.05.04. szerda

A kurzus IIR-el közös szervezésben kerül megtartásra.

// KÉPZÉS CÉLJA

"Nehéz jósolni, főleg a jövővel kapcsolatban" (Berri jógi)

Vajon mennyire lehet előrejelezni  a jövőt? Emberiség egyik ősi kérdése. A modern adatelemzési módszertanok segítségével egyre több cég készít ún. prediktív modellt, azaz olyan modellt melynek segítségével előrejelezhető valamilyen mértékben a jövő.

Rengeteg elemző eszköz áll rendelkezésünkre ilyen modellek elkészítésére, de önmagában a technológia ismerete nem garancia arra, hogy az elkészült prediktív modell tényleg alkalmas üzleti célú hasznosításra. 

A kurzus célja a prediktív modellezés lépéseinek részletes bemutatása különböző esettanulmányokon keresztül:
- Hogyan jelezzük előre egy értékesítő felmondását?
- Hogyan jelezzük előre egy mérkőzés eredményét? És hogy lehet ezzel pénzt keresni? Lehetünk okosabb, mint a fogadási iroda?
- Miért nehéz a csalásokat detektálni? Mit tegyünk, ha a célváltozó “zajos”?
- Hogyan detektálhatók az “alvó oroszlánok”? (nehogy felébresszük őket!)

// KÉPZÉS TEMATIKÁJA

Az előadások tartalmaznak elméleti és gyakorlati blokkokat, ahol a gyakorlatok IBM Watsonban/Modelerben és Pythonban készülnek.

A résztvevők a kurzus alatt bemutatott demonstrációs célú Python kódokat megkapják. 

Elméleti blokk
A kurzus első napja a felügyelt tanítás alapjait mutatja be:
- Felügyelt tanítások (prediktív modellezés) célja – téveszmék és valóság összehasonlítása
- Felügyelt algoritmusok bemutatása, hol és hogyan alkalmazzák ezeket az üzleti életben
- Tanító és tesztadatbázis létrehozásának alapelvei és csapdái.
- Hogyan csökkentsük a túltanulás valószínűségét vs,  hogyan növelhető egy modell időbeli stabilitása?
- Mit tehetünk ha a célváltozó zajos? (fraud detektálás)
- Hogyan értékeljük ki a modelleket (Lift, AUC és társai)?
- Hogyan lehet a üzletileg hasznosítani a kapott modelleket?
- Uplift modellek elméleti háttere és ezek alkalmazása kampányokban.

Gyakorlati blokk
- Algoritmusok bemutatása: (i) felügyelt algoritmusok (C5.0, Chaid döntési fa, Random Trees, Gradinet boosting, ...) és (ii) nem felügyelt algoritmusok (K-Means, Twos-step, ...)
- Tanító és tesztadatbázis létrehozása
- Modellezés, algoritmusok paraméterezése, néhány modellezési példa: (i) értékesítők elvándorlásának előrejelzése, (ii) csalás detektálás, (iii) x-sell modell készítése (IBM Modeler, Python)
- Kiértékelő függvények (Gains, Lift, AUC) programozása és alkamazása tanító és teszt adatokon.

// KIKNEK AJÁNLOM?

Adatelemzőknek, adatmérnököknek, BI szakértőknek, de végül is mindenkinek, aki szereti az adatok világát!

Cégek kérhetnek kihelyezett tréninget minimum 3 fős létszámtól. Ebben az esetben az időpont és helyszín közös egyeztetés alapján kerül véglegesítésre.

    Regisztráció