Read the Official Description

Laajenna ohjelmistosi kaivos skenaarioita ja tekniikoita

Tämä kurssi vie sinut tietojenkäsittelytieteen taitotasolle, joka seuraa Data Miningin kanssa Weka ja More Data Mining kanssa Weka, esittämällä käyttämään suosittuja paketteja, jotka laajentavat Wekan toimintoja. Saat lisätietoja aikasarjan ja kaivosdatavirtojen ennustamisesta. Liität suosittu R-tilastollinen paketti ja opit käyttämään Wekan laajoja visualisointi- ja esikäsittelytoimintoja. Voit kirjoittaa Wekaa Pythonissa - kaikki Weka-liittymän sisällä. Ja opit jakamaan tiedonsiirto työpaikkoja useilla tietokoneilla Apache SPARKin avulla.

Mitä aiheita käsitellään?

  • Aikasarjan analyysi
  • Tietovirran louhinta
  • Lisääntyvät luokittelijat
  • Tietovirtojen kehittyminen
  • Tuki vektori koneita
  • Tietojen etsimisen käyttö R: ssä
  • Distributed data mining
  • Kartta-vähentää kehyksiä
  • Scripting data mining Python ja Groovy
  • Sovellukset * Maaperän analyysi * Sentimentin analyysi * Bioinformatiikka * MRI neuroimaging * Kuvan luokittelu

Mitä saavutat?

Kurssin loppuun mennessä voit ...

  • Keskustele viivästettyjen muuttujien käytöstä aikasarjojen ennusteissa
  • Tutki päällekkäisten tietojen käyttöä aikasarjan ennusteissa
  • Tunnista useat erilaiset tiedonhankintaohjelmistot Wekalla
  • Vertaa luokittimien inkrementaalisia ja ei-inkrementaalisia toteutuksia
  • Arvioi luokittelijoiden suorituskykyä konseptin ajoradan olosuhteissa
  • Luokitella tweetejä eri tekniikoilla
  • Laske optimaaliset parametriarvot epälineaarisille tukivektorikoneille
  • Osoita R-luokittelijoiden käyttöä Wekassa
  • Kehitä R-komentoja ja R-skriptejä Wekalta
  • Selitä, miten jakelija Weka toimii Wekan klusterilla
  • Kokeile Weka-luokittelijoiden ja klusterien hajautettuja toteutuksia
  • Selitä, miten Wekaa jakaa "kartta" ja "vähentää" tehtäviä
  • Suunnittele Python- ja Groovy-skriptejä Wekan toiminnoille
  • Käytä Pythen kirjastoja Weka-tuotoksen hienostuneiden visualisointien tuottamiseen
  • Kuvaile, kuinka Weka voidaan kutsua python-ympäristössä
Program taught in:
Englanti
FutureLearn
Tämä kurssi on Online
Alkamispäivämäärä
Tammi 2019
Toukokuu 2019
Duration
5 viikkoa
Part-time
Hinta
Free
Deadline
By locations
By date
Alkamispäivämäärä
Tammi 2019
Päättymispäivämäärä
Application deadline
Alkamispäivämäärä
Toukokuu 2019
Päättymispäivämäärä
Application deadline

Tammi 2019

Location
Application deadline
Päättymispäivämäärä

Toukokuu 2019

Location
Application deadline
Päättymispäivämäärä