Jasa Pembuatan KNIME | End to End Data Science Practicum Menggunakan Knime

Kursus ini dimulai dengan pendekatan top-down terhadap proyek ilmu data. Langkah pertama mencakup teknik manajemen proyek ilmu data dan kami mengikuti metodologi CRISP-DM dengan 6 langkah di bawah ini:

Pemahaman Bisnis :  Kami membahas jenis masalah dan proses bisnis dalam kehidupan nyata

Pemahaman Data:  Kami membahas tipe data dan masalah data. Kami juga mencoba memvisualisasikan data untuk ditemukan.

Pemrosesan Awal Data: Kami membahas masalah klasik pada data dan juga menangani masalah seperti data yang berisik atau kotor dan nilai yang hilang. Pemfilteran baris atau kolom , integrasi data dengan penggabungan dan gabungan . Kami membahas transformasi data seperti diskritisasi, normalisasi, atau pivoting .

Pembelajaran Mesin: kami membahas algoritma klasifikasi seperti Naive Bayes, Decision Trees, Logistic Regression atau K-NN. Kami juga membahas algoritma prediksi/regresi seperti regresi linier, regresi polinomial, atau regresi pohon keputusan. Kami juga membahas masalah pembelajaran tanpa pengawasan seperti pengelompokan dan pembelajaran aturan asosiasi dengan k-means atau pengelompokan hierarki, dan algoritma apriori. Akhirnya kami membahas teknik ansambel di Knime.

Evaluasi: Pada langkah terakhir ilmu data, kami mempelajari metrik keberhasilan melalui Confusion Matrix, Precision, Recall, Sensitivitas, Spesifisitas untuk klasifikasi; kemurnian, randindex untuk Clustering dan rmse, rmae, mse, mae untuk masalah Regresi / Prediksi dengan Knime.

Kami juga memiliki kelas bonus untuk jaringan saraf tiruan dan pembelajaran mendalam tentang masalah pemrosesan gambar.