»Home »Seminare » R

Termine Klicken Sie für eine Online-Buchung auf das gewünschte Datum.

training duration icon R - Data Mining mit R

Dauer: 2 Tage
Lieferart: Klassenraum
Zielgruppe: Datenanalysten
Kursnummer: 2024719
Methode: Vortrag mit Beispielen und Übungen.

Mehr: Genaue Adresse, Hotel und Reiseinformation.

  • Themen
  • Ziele
  • Übersicht
  • Dozent
  • Download
  • Buchung/Service

Tab 1

Topicsss
Schlüsselthemen:
  • Data Mining-Ansatz und Philosophie verstehen
  • Assoziationsanalyse für einfache Mustererkennung nutzen
  • Daten klassifizieren mit Entscheidungsbäumen, Naïve Bayes und Bayes Netzen
  • Daten klassifizieren mit Künstlichen Neuronalen Netzen und Support Vector Machines
  • Cluster-Analyse für Segmentierung von Daten nutzen

A. Data Mining-Grundlagen

[Dauer: 0.5 Tage] Statistik, multivariate Statistik und Data Mining – Data Mining-Kreislauf - Daten-Vorverarbeitung: Beschreibende Datenaggregation, Datenbereinigung, Datenintegration und –transformation – Datenreduktion – Diskretisierung und Konzept-Hierarchien – Data Mining und Business Intelligence: Datenbanken, Data Warehouses und OLAP als Basis für Data Mining

B. Data Mining mit der Assoziationsanalyse

[Dauer: 0.25 Tage] Suchen von häufigen Kombinationen (Frequent Itemset Mining) – Apriori-Algorithmus - Assoziationsregeln und Assoziationsanalyse - Warenkorbanalyse

C. Data Mining mit Entscheidungsbäumen

[Dauer: 0.25 Tage] Ableitung von Entscheidungsbäumen – Auswahl von Attributen – Beschneidung von Bäumen – Ableitung von Regeln - Gütemaße und Vergleich von Modellen

D. Data Mining mit Wahrscheinlichkeitstheorie

[Dauer: 0.25 Tage] Wahrscheinlichkeitstheorie und Bayes Theorem –Naïve Bayes-Algorithmus – Bayes Netze

E. Fortgeschrittene Data Mining-Verfahren für Klassifikation

[Dauer: 0.25 Tage] Künstliche neuronale Netze und der Backpropagation-Algorithmus - Support Vector Machines für linear und nicht-linear trennbare Daten – Klassifikation mit Assoziationsanalyse – Lazy und Eager Learners

F. Cluster-Analyse

[Dauer: 0.5 Tage] Einführung in die Cluster Analyse – Ähnlichkeits- und Distanzmessung - Varianten und grundlegende Techniken – Partitionierende Methoden: k-Means-Verfahren - Hierarchische Methoden: agglomerative und divisive Verfahren – Weitere Verfahren: Dichte- und Grid-basierte Methoden

Tab 2

Tab 3

Tab 4

Tab 5

Tab 6

Description
Sie haben zu den genannten Terminen keine Zeit?
Auf Anfrage besteht die Möglichkeit einen individuellen Termin auszumachen.
Description
Zur Anmeldung oder für allgemeine Fragen zum Seminar nutzen Sie bitte das Kontaktformular oder die folgenden Möglichkeiten: Kontaktformular oder die folgenden Möglichkeiten:
  • Telefon : +49.30.8145622.00
  • Fax : +49.30.8145622.10