|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/knime-analytics-platform-per-data-scientists-intermediate/
课程评论：没有评论
课程名称：KNIME分析平台面向数据科学家的中级课程 课程概述：本课程旨在帮助那些在其工作中处理数据（如学生和专业人士）的人士，借助机器学习算法进行数据挖掘，而无需学习编程语言（如R或Python）。幸运的是，有些工具允许在无需编写代码的情况下实现相同的目标，其中KNIME Analytics Platform（简称KNIME®）是该领域中最著名和广泛使用的工具之一。KNIME®是一个全面的开源数据分析和机器学习环境，它通过视觉工作台中的软件组件（称为节点），使用户能够处理各种数据集。 本课程为中级水平，涵盖了KNIME的一些高级特性，共分为10个部分： 1. 流变量：使工作流的执行根据内部信息的变化而动态调整。 2. 日期和时间管理：介绍处理日期和时间的节点，计算持续时间以及移动平均数据的管理。 3. 控制流程：涵盖循环、条件判断、案例、断开和错误管理等。 4. 数据库管理系统中的数据管理：无需或可使用SQL连接数据库，创建或修改表格，并在表中插入、修改和删除行。 5. 机器学习的高级主题：包括集成方法（如袋装、引导和提升）、交叉验证以及前馈神经网络、卷积神经网络、递归神经网络等。 6. 组件：在KNIME服务器中创建和使用组件。 7. 数据可视化：使用Plotly和KNIME视图（实验室）的可视化节点。 8. 数据导出：将KNIME处理出的数据发送到Power BI®。 9. 实施RAG（增强检索生成）解决方案，使用本地的大型语言模型（LLM）在KNIME中实现。 10. KNIME社区中心：为KNIME用户提供一个空间，协作项目数据分析、执行工作流程并发布成果。 每个部分将主要使用KNIME®进行演示，展示来自KNIME Hub的公共数据挖掘实现和多个例子。 注意：KNIME®是注册商标，其标志和OPEN FOR INNOVATION®品牌由KNIME AG根据KNIME GmbH的许可使用，并在美国和德国注册。课程的开发受到KNIME网站上英文的自我节奏课程的启发。示例大多可在KNIME Hub网站上获取。 本课程使用的KNIME主要版本为4.6或4.7，涉及LLM实施的课程使用5.2.3版本，该版本实现了生成性AI节点，社区中心的版本为1.12，用于KNIME Server的示例创建于4.5版本。
Questo corso di rivolge alle persone che manipolano i dati per la loro attività (studenti, professionisti) e vorrebbero utilizzare gli algoritmi di machine learning per il data mining ma non hanno voglia o tempo di imparare un linguaggio di programmazione, come R o Python.Fortunatamente ci sono strumenti che permettono di raggiungere gli stessi obiettivi, senza utilizzare una riga di codice (a meno che non si voglia proprio farlo). Tra questi, sicuramente, KNIME Analytics Platform, o più semplicemente KNIME® è il più conosciuto e utilizzato in questo ambito.KNIME® è un ambiente completo e Open Source per l'analisi dei dati e il machine learning, che permette l'uso degli algoritmi di data mining più diffusi all'interno di un Workbench visuale, grazie all'utilizzo di componenti software, detti nodi, che combinati in maniera opportuna, permettono di elaborare qualsiasi base di dati.Il corso, di livello intermedio, copre aspetti avanzati di KNIME, che consentono di migliorare l'esperienza di uso e di utilizzo e si compone di 10 sezioni:Flow variables: consentono di rendere dinamica l'esecuzione di un workflow sulla base di come evolvono certe informazioni al suo internoGestione di Date & Time: verranno trattati i nodi che permettono la manipolazione di data e ora, il calcolo di durate, la gestione dei dati su medie mobiliControllo del flusso: Loop, If, Case, Break, gestione degli errori.Gestire i dati in un DBMS: collegarsi ad un DBMS, creare o modificare tabelle, inserire, modificare, cancellare righe su una tabella tutto senza conoscere l'SQL (ma anche conoscendolo)Aspetti avanzati di Machine Learning: Ensemble (Bagging, Bootstrap, Boosting), Cross Validation), Reti Neurali FFNN, CNN, RNNComponent: creare ed adoperare un Component all'interno di KNIME ServerVisualizzazione dei dati: utilizzare i nodi di visualizzazione Plotly e KNIME views (Labs)Esportare i dati: inviare i dati di un'elaborazione da KNIME a Power BI®Implementare una soluzione RAG (Retrieval Augmented Generation), con un LLM (Large Language Model) locale, all'interno di KNIMEKNIME Community Hub, lo spazio dove diversi utenti di KNIME possono collaborare ad un progetto di data analysis, eseguire i propri workflow e pubblicare i risultatiIn tutte le sezioni si utilizzerà prevalentemente KNIME®, mostrando alcune implementazioni di data mining con dati pubblici e fornendo numerosi esempi tratti dal sito Hub di KNIME.NOTE dell'autore: KNIME® è un marchio registrato e il logo e il marchio OPEN FOR INNOVATION® sono utilizzati da KNIME AG su licenza di KNIME GmbH e sono registrati negli Stati Uniti. KNIME® è anche registrato in Germania. L'autore non é collegato in alcun modo all'azienda. Il corso è stato sviluppato sulle tracce dei corsi self paced [L2-DS] KNIME Analytics Platform for Data Scientists: Advanced e [L2-DW] KNIME Analytics Platform for Data Wranglers: Advanced, disponibili, in lingua inglese, sul sito di KNIME. Gli esempi mostrati durante le lezioni sono per lo più disponibili sul sito KNIME Hub, cui si rimanda nelle risorse presenti alla fine di ogni lezione del corso. La main version di KNIME utilizzata negli esempi è la 4.6 o 4.7 , le lezioni della sezione che spiega come implementare soluzioni che utilizzano i LLM, in KNIME, sono state create utilizzando la versione 5.2.3, che implementa i nodi per l'AI generativa. La versione di KNIME Community Hub utilizzata nella sezione relativa è la 1.12.Gli esempi che utilizzano KNIME Server sono stati creati con la versione 4.5
