// IDŐPONT

 2021.11.23

// JELENLÉTI képzés

Clementine, Budapest, Bartók Béla út 105-113 I/B., 1115

// DÍJ

Early Birds (2021.10.30-ig): 119.000 Ft 

Standard: 139.000 Ft 

// NOSTRADAMUS

Prediktív adatelemzés A-től Z-ig

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!) 

Nostradamus talán az egyik legrejtélyesebb ember, aki valaha élt: előre kell bocsátanom, hogy Nostradamus nem volt csillagjós. Ámbár tudományosan képzett csillagász volt, a számításokat úgyszólván csak keretként használta fel, és kitöltötte hozzájuk kapcsolódó látomásaival.”  (Ráth-Végh István)

// KURZUS PROGRAMJA

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

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
– Információ tömörítő eljárások megvalósítása IBM Watsonban (aggregálás lépései)
– Információ bővítő lépések megvalósítása IBM Watsonban és Pythonban (új mezők létrehozása, kategorizálás, hiányzó érték pótlása)
– Tanító és tesztadatbázis létrehozása Pythonban
– Modellezés, algoritmusok paraméterezése, néhány modellezési példa: (i) értékesítők elvándorlásának előrejelzése, (ii) csalás detektálás, (iii) x-sell modell készítése (IBM Modeler, Python)
– Kiértékelő függvények programozása és alkamazása tanító és teszt adatokon.  
// KIKNEK AJÁNLOM?

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

// MIKOR ÉS HOL?

Kurzus személyes tréning keretében kerül megtartásra.

Kurzus időpontja: 2011.11.19

Regisztráció