Этот курс охватывает все необходимые навыки для построения диаграмм для анализа данных с использованием широкого круга инструментов, которые имеются в SAS Enterprise Miner. В курсе рассматриваются задачи поиска шаблонов (сегментирование, ассоциация и анализ последовательности) и прогнозного моделирования (деревья решений, регрессия и нейронные сети). 

Описание курса

В этом курсе изучается:

• как создать проект для SAS Enterprise Miner и исследовать исходные данные графически
• как изменить данные для получения лучших результатов анализа
• как построить и интерпретировать прогнозные модели (такие как деревья решений и регрессионные модели)
• как сравнивать и объяснять сложные модели
• как создавать и использовать код для скоринга
• как проводить поиск ассоциаций и анализ последовательности на примере транзакционных данных

Аналитики данных, эксперты по качеству и другие специалисты, которые используют SAS Enterprise Miner в своей работе.
Для изучения материалов курса необходимо предварительное знакомство с основами математической статистики и статистического моделирования. Опыт работы с системой SAS не требуется, хотя будет желателен.
Желательно, чтобы слушатели:

• Имели представление об организации данных в системе SAS и об основных процедурах SAS.
• Умели работать с библиотеками и наборами данных SAS.
• Понимали логику процессов выполнения шага данных (DATA step).

Введение в SAS Enterprise Miner
Доступ и первичное использование подготовленных данных

• создание проекта, библиотеки и диаграммы в SAS Enterprise Miner
• задание источника данных
• исследование источника данных

Введение в прогнозные модели: деревья решений

• введение
• построение деревьев решений
• оптимизация сложности дерева решений
• дополнительные инструменты диагностики (самостоятельное изучение)
• параметры для автономного построения дерева решений (самостоятельное изучение)

Введение в прогнозные модели: регрессия

• выбор входных переменных регрессии
• оптимизация сложности регрессии
• интерпретация регрессии
• преобразование входных переменных
• категориальные входные переменные
• полиномиальная регрессия (самостоятельное изучение)

Введение в прогнозные модели: нейронные сети

• выбор входных переменных
• остановка обучения
• другие инструменты для моделирования (самостоятельное изучение)

Оценка модели

• статистики подгонки модели
• статистические графики
• поправка для раздельных выборок
• матрицы прибыли

Внедрение модели. Скоринг

• наборы данных с внутренним скорингом
• модули скорингового кода

Введение в поиск шаблонов

• кластерный анализ
• анализ рыночной корзины (самостоятельное изучение)

Специальные темы

• ансамбли моделей
• выбор переменных
• консолидация категориальных входных переменных
• заменяющие модели
• SAS Rapid Predictive Modeler

Тематические исследования

• сегментирование клиентов банка по истории транзакций
• анализ ассоциаций на примере данных веб-сервиса
• создание простой модели кредитных рисков из исторических данных по заёмщикам
• исследование enrollment management