План на курса

Въведение

  • Прогнозно анализиране в финансите, здравеопазването, фармацевтиката, автомобилния сектор, аерокосмическата индустрия и производството

Общ преглед на концепции за големи данни (Big Data)

Захващане на данни от различни източници

Какво са прогнозните модели, основани на данни?

Обобщение на статистически и методи на машинно обучение

Кейс студи: прогностично поддържане и планиране на ресурсите

Прилагане на алгоритми към големи набори данни с Hadoop и Spark

Прогнозен работен процес (workflow)

Достъп и разглеждане на данни

Предварителна обработка на данни

Разработване на прогнозен модел

Обучаване, тестване и валидация на набор от данни

Прилагане на различни подходи на машинно обучение (времеви редове, линейна регресия, и др.)

Интеграция на модела в съществуващи уеб приложения, мобилни устройства, вградени системи и т.н.

Интеграция на Matlab и Simulink с вградени системи и корпоративни IT работни процеси

Създаване на переносим C и C++ код от MATLAB кода

Разпространяване на прогнозни приложения към големи производствени системи, кластери и облаки

Действие върху резултатите от анализите

Следващи стъпки: автоматично реагиране на откритията чрез предписно анализиране (prescriptive analytics)

Заключителни бележки

Изисквания

  • Опит с Matlab
  • Не е необходим предходен опит със scientifichnite данни
 21 часа

Брой участници


Цена за участник

Отзиви от потребители (5)

Предстоящи Курсове

Свързани Kатегории