Detailní informace o školení

Outline in English	Neural Network Modeling
Kód	DMNN53 (dříve DMNN)
Název	SAS/Enterprise Miner 5.3: Neuronové sítě
Určení	Data Mining
Úroveň	4
Délka	standardně 2 dny, vždy 9-17 hodin (s pauzou na oběd)
Cena	13.870,- Kč 5.605,- Kč pro akademická pracoviště sleva 5% až 20% při dvou a více účastnících z jedné firmy uvedené ceny jsou bez DPH
Místo konání	SAS, Na Pankráci 17-19, Praha 4 (1. patro budovy)
Jazyk	přednášky - čeština školící materiály - angličtina
V ceně zahrnuto	přístup k PC (max. 1 účastník na 1 PC) školící materiály
Doporučené kurzy před	PRG1, STAT1, AAEM či AAEM53
Navazující kurzy	PMADV nebo PMAD53

Jedná se o kurz nejvyšší – čtvrté úrovně, určený pro analytiky s dobrými znalostmi matematiky a statistiky.

Před absolvováním tohoto kurzu byste měli mít znalosti v rozsahu kurzů PRG1, STAT1 / ST192, AAEM / AAEM53, tedy:

• zkušenosti se spouštěním programů a vytvářením tabulek v SAS System
• zkušenost s vytvářením statistických modelů s použitím SAS System
• absolvován kurz statistiky, který zahrnuje lineární regresi a logistickou regresi nebo diskriminační analýzu
• provádět analýzy a modelování v produktu SAS/Enterprise Miner

Přínos pro účastníka

Kurz je zaměřen na teorii a aplikaci modelů neuronových sítí pro prediktivní modelování v SAS System, zejména v prostředí SAS/Enterprise Miner. Naučíte se, jak:

• konstruovat vícevrstvé perceptrony a RBF sítě
• vybrat vhodnou architekturu a metodu trénování sítě
• předcházet přetrénování neuronové sítě
• provádět autoregresní analýzu časových řad pomocí neuronových sítí
• interpretovat modely s neuronovými sítěmi
• vytvářet uživatelské neuronové sítě pomocí procedury NEURAL.

Obsah kurzu

Úvod do neuronových sítí

• použití procedury NLIN pro nelineární regresi
• použití procedury REG pro polynomickou regresi
• použití procedury GPLOT pro neparametrickou regresi

Architektura neuronových sítí

• konstrukce vícevrstvých perceptronů
• konstrukce normalizovaných RBF sítí

Učení – odhad parametrů neuronové sítě

• funkce chyby - statistická teorie
• numerické metody nelineární optimalizace - výhody a nevýhody
• jak se vyhnout inferiorním lokálním minimům

Procedura NEURAL

• výběr vstupů pomocí interpretace vah
• výběr vstupů na základě citlivosti

Hybridní sítě

• definice a ukázka použití sítě typu counterpropagation
• definice zobecněné aditivní neuronové sítě (GANN)
• ilustrace paradigmatu GANN a srovnání s jinými metodami
• jak lze využít náhradní model pro interpretaci predikcí generovaných neuronovou sítí

Uzel AUTONEURAL

• porovnání autoneuronových architektur

Další témata podle zájmu účastníků

Podělte se s námi o vaše nápady! Jsou zde další témata, která vám v kurzu chybí? Chtěli byste kurz uspořádat jinde nebo trochu jinak? Dejte nám o tom vědět na training@cze.sas.com.