Prädiktive Analysen: fortgeschritten Predictive Analytics (2019)
Kompetenzniveau:
Technologie:
- 1 Kurs | 43m 8s
- 6 Kurse | 8h 5m 2s
- 3 Kurse | 4h 33m 25s
Erfahren Sie, wie Sie mit prädiktiven Analysen Daten identifizieren, analysieren und dazu verwenden, Trends und Muster vorherzusagen.
ERSTE SCHRITTE
Prädiktive Modellierung: Prädiktive Analytik und explorative Datenanalyse
-
1m 57s
-
8m 19s
ERSTE SCHRITTE
Prädiktive Analytik: Fallstudien für KI in der Landwirtschaft
-
2m 6s
-
9m 27s
ERSTE SCHRITTE
Prädiktive Analytik: Fallstudien über prädiktive Analytik im Bereich Gesundheitswesen
-
2m 26s
-
12m 44s
ENTHALTENE KURSE
Prädiktive Modellierung: Prädiktive Analytik und explorative Datenanalyse
Entdecken Sie in diesem Kurs mit 9 Videos das maschinelle Lernen, prädiktive Analysen, explorative Datenanalysen und verschiedene Arten von Datensätzen und Variablen. Entdecken Sie, wie man mithilfe von Python-Frameworks Vorhersagemodelle implementiert und fehlende Werte und Ausreißer verwaltet. Zu den in diesem Kurs behandelten Schlüsselkonzepten gehören die prädiktive Analyse, ein Zweig der fortgeschrittenen Analyse, und ihr Prozessablauf sowie das Erlernen, wie analytische Basistabellen zur Erstellung und Bewertung von Analysemodellen verwendet werden können. Anschließend erfahren Sie, welche geschäftlichen Probleme mithilfe der prädiktiven Modellierung gelöst werden können und wie Sie prädiktive Modelle mit dem Python-Framework erstellen. Zudem lernen Sie die wesentlichen Funktionen der explorativen Datenanalyse kennen. Dann erfahren Sie etwas über Datensätze, Datensammlungen, die dem Inhalt einer einzelnen Datenbank oder einer einzelnen statistischen Datenmatrix entsprechen, und lernen die Variablen der verschiedenen Datensatztypen kennen, einschließlich univariater, bivariater und multivariater Daten und analytischer Ansätze, die mit ihnen umgesetzt werden können. Abschließend lernen Sie Methoden kennen, mit denen Sie fehlende Werte und Ausreißer in Datensätzen verwalten können.
9 Videos |
43m
Abzeichen
ENTHALTENE KURSE
Prädiktive Analytik: Fallstudien für KI in der Landwirtschaft
Das Bevölkerungswachstum, der Klimawandel und die volatilen Rohstoffpreise sind Risikofaktoren, die das landwirtschaftliche System heutzutage belasten. Der Einsatz von künstlicher Intelligenz (KI) in der Landwirtschaft kann dazu beitragen, diese Belastung in Bereichen wie der Ertragsvorhersage und der Erkennung von Krankheiten in der Landwirtschaft abzumildern. In diesem Kurs erkunden Sie eine Studie, die Modelle des maschinellen Lernens (ML) für landwirtschaftliche Anwendungsfälle einsetzt. Anschließend untersuchen Sie eine konkrete Fallstudie, in der versucht wird, den Ertrag von Mais- und Sojabohnenkulturen auf verschiedenen amerikanischen Farmen vorherzusagen. Schließlich untersuchen Sie eine Studie, die maschinelles Lernen zur Schädlingserkennung einsetzt. Nach Abschluss des Kurses werden Sie in der Lage sein, akademische Arbeiten über maschinelles Lernen in der Landwirtschaft zu sammeln und zu analysieren, Problemkategorien und Lösungskonzepte zu identifizieren und sich an häufig wiederkehrende Themen in der Forschung zu erinnern.
10 Videos |
57m
Bewertung
Abzeichen
Prädiktive Analytik: Klassifizierung anhand maschinellem Lernen durchführen
Die Identifizierung von Arten ist ein wichtiger Schritt in vielen landwirtschaftlichen Prozessen. Mit der Globalisierung der Lieferketten und den strengen Sortiervorschriften, die von den Importländern bezüglich der Zusammensetzung von Sendungen festgelegt wurden, werden Techniken des maschinellen Lernens (ML), die auf die Klassifizierung ausgerichtet sind, in der Landwirtschaft immer wichtiger. In diesem Kurs erfahren Sie, wie Sie eine explorative Datenanalyse von Daten über Bohnen durchführen können. Als Nächstes erfahren Sie, wie Sie die Daten visualisieren, um ein Gefühl für die Beziehungen zwischen den Attributen zu bekommen, die Bohnen anhand einer logistischen Regression klassifizieren und die Ergebnismetriken des Modells untersuchen. Schließlich üben Sie die Auswahl von Features und die Verwendung anderer Arten von Machine-Learning-Modellen. Nach Abschluss des Kurses werden Sie wissen, wie Sie landwirtschaftliche Daten analysieren, Beziehungen zwischen Attributen erkennen und Daten nach ihrer Art klassifizieren.
13 Videos |
1h 20m
Bewertung
Abzeichen
Prädiktive Analytik: Anwendung von Clustering auf Bodeneigenschaften und -bedingungen
Die Frage, welche Pflanzen pro Vegetationsperiode auf einem bestimmten Stück Land angebaut werden sollten, ist äußerst wichtig. Eine wichtige Frage in diesem Zusammenhang ist, welche Pflanzenart am besten zu den Boden- und Klimabedingungen passt. Modelle des maschinellen Lernens (ML) wie das Clustering können helfen, diese Frage anhand von Daten anderer Farmen zu beantworten. In diesem Kurs arbeiten Sie mit Bodendaten, die aus Klimabedingungen im Feld bestehen. Sie lernen als Nächstes, wie Sie Diagramme verwenden können, um univariate Informationen und die Beziehungen zwischen Attributen anzuzeigen. Darüber hinaus erfahren Sie, wie Sie k-means und agglomeratives Clustering mit Daten durchführen können. Nach dem Kurs sind Sie in der Lage, Clustering auf Daten anzuwenden, Zusammenhänge zwischen von ML-Algorithmen identifizierten Clustern und den darin angebauten Kulturen zu erkennen und zwischen k-means und agglomerativem Clustering zu unterscheiden.
12 Videos |
1h 22m
Bewertung
Abzeichen
Prädiktive Analytik: Vorhersage mittels Regression durchführen
In der Landwirtschaft kann die genaue Einschätzung der Ernteerträge im Voraus den Landwirten helfen, effektiv zu planen, Arbeit und Kapital zuzuweisen und die Logistik für den Transport der Ernte zu planen. Maschinelles Lernen (ML) kann dazu genutzt werden, die vielen Faktoren zu berücksichtigen, die die Erträge beeinflussen. In diesem Kurs arbeiten Sie mit Daten, die aus Informationen über Blaubeerpflanzen und Klimafaktoren bestehen, um den Ertrag vorherzusagen. Anschließend lernen Sie, wie Sie univariate Beziehungen und bivariate Korrelationen visualisieren und eine lineare Regression durchführen können. Zum Schluss üben Sie die Auswahl von Merkmalen für das Regressionsmodell und sehen sich das Ergebnis der Wichtigkeit und des Modells für eine Teilmenge verschiedener Datenattribute an. Nach Abschluss dieses Kurses sind Sie in der Lage, Regressionstechniken zur Vorhersage von landwirtschaftlichen Erträgen anzuwenden, reale und statistische Zusammenhänge in den Daten zu erkennen und zwischen verschiedenen Regressionsmodellen zu unterscheiden.
8 Videos |
53m
Bewertung
Abzeichen
Prädiktive Analytik: Fallstudien zu Cybersicherheit
Unter Cybersicherheit versteht man den Schutz von Anwendersoftware vor böswilligen Akteuren und Gruppen. Cyberangriffe richten sich in der Regel gegen kritische Infrastrukturen wie Kraftwerke, Ölraffinerien und Gasleitungen. Aus geopolitischen Gründen wird die Cybersicherheit solcher Anlagen immer wichtiger. In diesem Kurs lernen Sie die Verwendung von Klassifikationsmodellen bei der Modellierung von Cyberangriffen und die Bewertungsmetriken für Klassifikationsmodelle kennen. Im Folgenden beschäftigen Sie sich mit einer Fallstudie über maschinelles Lernen und Cybersicherheit, bei der versucht wurde, einen Angriff auf eine Gasleitung zu erkennen. Abschließend betrachten wir eine Fallstudie, bei der Modelle des maschinellen Lernens zur Erkennung und Bekämpfung von Malware eingesetzt werden. Nach Abschluss des Kurses kennen Sie die Notwendigkeit von KI in der Cybersicherheit und können geeignete Bewertungsmetriken für Klassifikationsmodelle beschreiben.
10 Videos |
1h 27m
Bewertung
Abzeichen
Prädiktive Analytik: Identifizierung von Netzwerkangriffen
Beim Thema Cybersicherheit ist es wichtig, zu bestimmen, ob eine Benutzerinteraktion oder -aktion einen Angriff darstellt, und anschließend den spezifischen Angriffstyp und die Signatur zu erkennen. Modelle des maschinellen Lernens (ML) und verwaltete ML-Lösungen wie Microsoft Azure Machine Learning können dabei helfen. In diesem Kurs lernen Sie, wie Sie einen Azure Machine Learning-Arbeitsbereich erstellen, Daten einlesen und die verschiedenen Arten von Angriffen kategorisieren. Als Nächstes erfahren Sie, wie Sie ein Random Forest-Klassifizierungsmodell mit der scikit-learn-Bibliothek trainieren und anhand der Validierungsdaten in der Stichprobe testen können. Zum Schluss üben Sie die Klassifizierung in mehrere Klassen, um die spezifische Art des Angriffs zu identifizieren. Nach Abschluss des Kurses sind Sie in der Lage, Eindringlinge mithilfe von Daten zu erkennen, Klassifizierungsmodelle zu trainieren und zu bewerten und eine Multiklassen-Klassifizierung durchzuführen.
18 Videos |
2h 3m
Bewertung
Abzeichen
MEHR ANZEIGEN
KOSTENLOSER ZUGRIFF
ENTHALTENE KURSE
Prädiktive Analytik: Fallstudien über prädiktive Analytik im Bereich Gesundheitswesen
Das Gesundheitswesen zielt darauf ab, die Gesundheit des Einzelnen zu verbessern, aber im Allgemeinen sind die Gesundheitssysteme extrem belastet. Der Einsatz von künstlicher Intelligenz (KI) im Gesundheitswesen könnte diese Belastung des Systems möglicherweise mildern. In diesem Kurs erfahren Sie, wie die KI im Gesundheitswesen eingesetzt wird, wie Klassifizierungsmodelle bewertet werden und welche Metriken in Krankheitsdiagnosemodellen von Bedeutung sind. Als Nächstes erfahren Sie, wie wichtig der Recall oder die Sensitivität eines Modells ist und wie die ROC-Kurve und die AUC-Metriken berechnet werden. Schließlich lernen Sie die Zusammenstellung von Datensätzen, das Training und die Bewertung von Modellen anhand von Forschungsarbeiten kennen, die einen allgemeinen Blick auf die Anwendung der KI bei der Diagnose von Krankheiten und spezifischen Beschwerden werfen. Nach Abschluss des Kurses werden Sie in der Lage sein, Anwendungsfälle der KI im Gesundheitswesen und deren Grenzen zu erkennen.
11 Videos |
1h 35m
Bewertung
Abzeichen
Prädiktive Analytik: Erkennung von Nierenerkrankungen mithilfe der KI
Heutzutage sind Krankheiten wie Alzheimer, Herzkrankheiten und Diabetes in auf der ganzen Welt immer häufiger anzutreffen. In diesem Kurs erfahren Sie, wie Sie mithilfe des Azure Machine Learning-Designers eine Pipeline zur Diagnose von chronischen Nierenerkrankungen erstellen. Sie werden die verschiedenen Funktionen und die Benutzeroberfläche von Azure Machine Learning erkunden und erfahren, wie Komponenten und Ressourcen zusammenkommen, um eine Pipeline zu bilden. Als Nächstes lernen Sie, wie Sie eine Pipeline bilden, um ein Dataset zu erstellen, verschiedene Datenbereinigungsaufgaben zu implementieren und mit dem bereinigten Dataset zu arbeiten, um ein logistisches Regressionsmodell zur Erkennung von Nierenerkrankungen zu erstellen. Schließlich untersuchen Sie, wie Modelle trainiert und auf ihre Leistung hin bewertet werden können, und setzen Ihre Pipeline ein. Nach Abschluss des Kurses sind Sie in der Lage, eine Azure Machine Learning Pipeline zur Diagnose von Krankheiten zu erstellen und einzusetzen.
17 Videos |
1h 52m
Bewertung
Abzeichen
Prädiktive Analytik: Identifizieren von Tumoren mit Deep-Learning-Modellen
Mit dem Azure Machine Learning Designer können Sie Machine-Learning-Modelle ohne Code erstellen und Pipelines per Drag&Drop ablegen. In diesem Kurs erfahren Sie, wie Sie mit dem Azure Machine Learning Designer vortrainierte neuronale Netzwerkmodelle erstellen, die Krankheiten anhand von Bildscans erkennen. Sie lernen, wie Sie Daten für das Training, die Validierung und das Testen des Modells einrichten und diese Daten in eine Pipeline einspeisen, die ein DenseNet-Modell verwendet. Als Nächstes erfahren Sie, wie ein Modell konfiguriert werden kann und wie Sie das DenseNet-Modell einer Pipeline durch ein ResNet-Modell ersetzen. Schließlich entdecken Sie, wie die Trainingsmetriken eines Modells analysiert werden können, um zu verstehen, welche Optimierungen zur Erstellung eines zuverlässigen Modells vorgenommen werden müssen. Nach Abschluss des Kurses werden Sie wissen, wie man DenseNet- und ResNet-Modelle erstellt, die Tumore auf Thoraxaufnahmen erkennen können.
10 Videos |
1h 5m
Bewertung
Abzeichen
VERDIENEN SIE SICH MIT DEM ABSCHLUSS DIESER KURSE EIN DIGITALES ABZEICHEN DIESER KURSE
Skillsoft gibt Ihnen die Möglichkeit, nach erfolgreichem Abschluss einiger unserer Kurse ein digitales Abzeichen zu gewinnen, das Sie in allen sozialen Medien oder auf beliebigen Unternehmensplattformen integrieren können.
Digitale Abzeichen dürfen Sie für immer behalten.
