Cursos de Data Mining en Pittsburgh

Esta capacitación en vivo dirigida por un instructor en Pittsburgh (en línea o presencial) está dirigida a analistas de datos y científicos de datos de nivel principiante a intermedio que deseen utilizar Weka para realizar tareas de minería de datos.

Al final de esta formación, los participantes serán capaces de:

• Instalar y configurar Weka.
• Comprender el entorno Weka y el entorno de trabajo.
• Realice tareas de minería de datos mediante Weka.

Esta capacitación en vivo dirigida por un instructor en Pittsburgh (en línea o en el sitio) está dirigida a analistas de datos o a cualquier persona que desee utilizar SPSS Modeler para realizar actividades de minería de datos.

Al final de esta capacitación, los participantes serán capaces de:

• Comprender los fundamentos de la minería de datos.
• Aprenda a importar y evaluar la calidad de los datos con el Modelador.
• Desarrolle, implemente y evalúe modelos de datos de manera eficiente.

Esta capacitación en vivo dirigida por un instructor en Pittsburgh (en línea o en el sitio) está dirigida a científicos de datos que desean utilizar Excel para la minería de datos.

• Al final de esta capacitación, los participantes serán capaces de:
• Explore datos con Excel para realizar minería y análisis de datos.
• Utilice Microsoft algoritmos para la minería de datos.
• Comprender los conceptos de la minería de datos de Excel.

El objetivo del curso es permitir que los participantes adquieran un dominio de cómo trabajar con el lenguaje SQL en la base de datos Oracle para la extracción de datos a un nivel intermedio.

Esta capacitación en vivo dirigida por un instructor en Pittsburgh (en línea o presencial) está dirigida a analistas de datos que deseen programar con R en SAS para el análisis de conglomerados.

Al final de esta capacitación, los participantes serán capaces de:

• Uso del análisis de clústeres para la minería de datos
• Sintaxis maestra de R para soluciones de agrupación en clústeres.
• Implemente agrupaciones jerárquicas y no jerárquicas.
• Tome decisiones basadas en datos para ayudar a mejorar las operaciones comerciales.

Audiencia

Si intentas dar sentido a los datos a los que tienes acceso o quieres analizar datos no estructurados disponibles en la red (como Twitter, Linked in, etc...) este curso es para ti.

Está dirigido principalmente a los responsables de la toma de decisiones y a las personas que necesitan elegir qué datos vale la pena recopilar y cuáles vale la pena analizar.

No está dirigido a las personas que configuran la solución, sin embargo, esas personas se beneficiarán del panorama general.

Modo de entrega

Durante el curso, se presentarán a los delegados ejemplos de trabajo de tecnologías de código abierto.

A las conferencias breves les seguirán una presentación y ejercicios sencillos por parte de los participantes

Contenido y software utilizado

Todo el software utilizado se actualiza cada vez que se ejecuta el curso, por lo que comprobamos las versiones más recientes posibles.

Abarca el proceso desde la obtención, formateo, procesamiento y análisis de los datos, hasta explicar cómo automatizar el proceso de toma de decisiones con machine learning.

Objetivo:

Los delegados podrán analizar conjuntos de datos grandes, extraer patrones, elegir la variable adecuada que impacta en los resultados, con el fin de predecir un nuevo modelo con resultados predictivos.

El curso se puede proporcionar con cualquier herramienta, incluido el software y las aplicaciones gratuitas de minería de datos de código abierto

este entrenamiento en vivo (in situ o remoto) dirigido por un instructor está dirigido a analistas de datos y científicos de datos que deseen implementar técnicas de análisis de datos más avanzadas para la minería de datos mediante python.

al final de esta formación, los participantes podrán:

• Comprender áreas importantes de la minería de datos, incluyendo la minería de reglas de asociación, el análisis de sentimientos en texto, la síntesis automática de texto y la detección de anomalías en datos.
• Comparar e implementar diversas estrategias para resolver problemas de minería de datos del mundo real.
• Comprender e interpretar los resultados.

Format del curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y prácticas.
• Implementación práctica en un entorno de laboratorio en vivo.

Course

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarlo.

R es un lenguaje de programación gratuito de código abierto para computación estadística, análisis de datos y gráficos. R es utilizado por un número cada vez mayor de gerentes y analistas de datos dentro de las corporaciones y el mundo académico. R tiene una amplia variedad de paquetes para la minería de datos.

En esta capacitación en vivo dirigida por un instructor en Pittsburgh, los participantes aprenderán cómo construir un Data Vault.

Al final de esta formación, los participantes serán capaces de:

• Comprender los conceptos de arquitectura y diseño detrás de Data Vault 2.0 y su interacción con Big Data, NoSQL e IA.
• Utilice técnicas de almacenamiento de datos para permitir la auditoría, el seguimiento y la inspección de datos históricos en un almacén de datos.
• Desarrolle un proceso ETL (Extracción, Transformación, Carga) coherente y repetible.
• Construya e implemente almacenes altamente escalables y repetibles.

Este curso está dirigido a ingenieros y tomadores de decisiones que trabajan en minería de datos y descubrimiento de conocimientos.

Aprenderá cómo crear diagramas efectivos y formas de presentar y representar sus datos de una manera que atraiga a los tomadores de decisiones y les ayude a comprender la información oculta.

R es un lenguaje de programación gratuito de código abierto para computación estadística, análisis de datos y gráficos. R es utilizado por un número cada vez mayor de gerentes y analistas de datos dentro de las corporaciones y el mundo académico. R tiene una amplia variedad de paquetes para la minería de datos.

Big data son conjuntos de datos que son tan voluminosos y complejos que el software de aplicación de procesamiento de datos tradicional es inadecuado para manejarlos. Los grandes desafíos de datos incluyen la captura de datos, el almacenamiento de datos, el análisis de datos, la búsqueda, el intercambio, la transferencia, la visualización, la consulta, la actualización y la privacidad de la información.

Esta formación en vivo dirigida por un instructor en Pittsburgh (en línea o presencial) está destinada a profesionales principiantes que desean dominar los fundamentos de R y cómo trabajar con datos.

Al finalizar esta formación, los participantes podrán:

• Comprender el entorno de programación R e la interfaz de RStudio.
• Importar, manipular y explorar conjuntos de datos utilizando comandos y paquetes de R.
• Ejecutar análisis estadísticos básicos y resumir datos.
• Generar visualizaciones usando tanto R base como ggplot2.
• Gestionar espacios de trabajo, scripts y paquetes de manera efectiva.

KNIME Analytics Platform es una opción líder de código abierto para la innovación basada en datos, que le ayuda a descubrir el potencial oculto en sus datos, extraer información fresca o predecir nuevos futuros. Con más de 1000 módulos, cientos de ejemplos listos para ejecutar, una amplia gama de herramientas integradas y la más amplia selección de algoritmos avanzados disponibles, KNIME Analytics Platform es la caja de herramientas perfecta para cualquier científico de datos y analista de negocios.

Este curso para KNIME Analytics Platform es una oportunidad ideal para que los principiantes, los usuarios avanzados y los KNIME expertos conozcan KNIME, aprendan a utilizarlo de forma más eficaz y a crear informes claros y completos basados en KNIME flujos de trabajo

El curso de formación "Analytics Platform KNIME" ofrece una visión completa de esta plataforma gratuita de análisis de datos. El programa incluye una introducción al procesamiento y análisis de datos, instalación y configuración KNIME, creación de flujos de trabajo, metodología para la creación de modelos de negocio y modelado de datos. El curso también analiza herramientas avanzadas de análisis de datos, importación y exportación de flujos de trabajo, integración de herramientas, procesos ETL, minería de datos, visualización, extensiones e integraciones con herramientas como R, Java, Python, Gephi, Neo4j. La conclusión incluye una visión general de la presentación de informes, la integración con BIRT y KNIME WebPortal.

R es un lenguaje de programación libre de código abierto para computación estadística, análisis de datos y gráficos. R es utilizado por un número creciente de gerentes y analistas de datos dentro de las corporaciones y el mundo académico. R también ha encontrado seguidores entre los estadísticos, ingenieros y científicos sin habilidades de programación de computadoras que les resulta fácil de usar. Su popularidad se debe al uso cada vez mayor de la minería de datos para varios objetivos, como establecer precios de anuncios, encontrar nuevos medicamentos más rápidamente o ajustar los modelos financieros. R tiene una amplia variedad de paquetes para minería de datos.

Goal:

Aprender a trabajar con SPSS a nivel de independencia

Los destinatarios:

Analistas, investigadores, científicos, estudiantes y todos aquellos que quieran adquirir la capacidad de utilizar el paquete SPSS y aprender técnicas populares de minería de datos.

Process mining o Automated Business Process Discovery (ABPD) es una técnica que aplica algoritmos a los registros de eventos con el fin de analizar procesos comerciales. La minería de procesos va más allá del almacenamiento de datos y el análisis de datos; enlaza los datos con los procesos y proporciona información sobre las tendencias y patrones que afectan la eficiencia del proceso.

Formato del curso

     El curso comienza con una descripción general de las técnicas más comúnmente utilizadas para la minería de procesos. Discutimos los diversos algoritmos y herramientas de descubrimiento de procesos utilizados para descubrir y modelar procesos basados en datos de eventos brutos. Se examinan los casos de estudio de la vida real y se analizan los conjuntos de datos utilizando el marco de código abierto ProM.