|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/machine-learning-con-knime/
课程评论:没有评论
**课程名称:** 面向非程序员和管理者的 KNIME 机器学习课程 **课程概述:** 近年来,机器学习已成为企业决策的关键工具,并在商业到科学等各个领域得到广泛应用。它使计算机能够通过发现变量之间的模式和相关性来执行复杂任务,从而利用统计推断实现基于数据的预测。这有助于在各个领域创造竞争优势,通过利用公司或企业的历史信息输入来发现模式和相关性,从而识别未来的潜在结果。 在本课程中,我们将遵循监督学习的范式,应用线性回归的概念,通过直线方程预测结果值与预测变量和因变量之间的关系。机器学习能够识别每个参与变量的重要性权重、它们与需要预测的感兴趣变量的关系,甚至确定是否可以剔除系统中的某些变量,以创建一个具有高度统计可靠性的模型,从而为管理决策过程做出贡献。 最后,本课程的目标之一是理解数据可视化对于更深入地理解模型结果的重要性,从而能够识别模型评估所选真实结果的接近程度。 **课程大纲:** 无
En los últimos años, el machine learning se ha convertido en una herramienta fundamental para la toma de decisiones en el mundo corporativo, así como también ampliamente utilizado en diferentes áreas, que abarcan desde los negocios hasta la más pura ciencia, permitiendo que la computadora realice las tareas más difíciles encontrando patrones y correlaciones entre variables que permitan mediante la estadística inferencial el hacer predicciones basadas en datos, lo cual permite crear ventajas competitivas en diversos campos, aprovechando los insumos de información histórica de la empresa o negocio para encontrar patrones y correlaciones que nos permitan identificar posibles resultados futuros. bajo el paradigma del aprendizaje supervisado aplicaremos el concepto de regresión lineal para proyectar mediante la ecuación de la recta, los posibles valores resultados con relación a variables predictoras y a variables dependientes, en el cual el Machine Learning sea capaz de identificar los pesos de importancia para cada una de las variables participantes, su relación con la variable de interés a predecir e incluso determinar si alguna variable del sistema puede ser descartada, con el fin de crear un modelo con un alto nivel de confiabilidad estadística que contribuya en el proceso de toma de decisiones gerencial, finalmente uno de los objetivos del curso es entender también la importancia de la visualización de datos para lograr una mayor comprensión sobre los resultados del modelo y así identificar que tal lejos o cerca de los resultados reales seleccionados para evaluar el modelo nos encontramos