Высшая школа бизнес-информатики

Глубинный анализ данных и текстов на базе IBM SPSS Modeler

Программа посвящена глубинному анализу данных и текстов на платформе IBM SPSS Modeler. Вы освоите методы предиктивной аналитики, построение моделей и анализ неструктурированных данных для выявления закономерностей и прогнозирования.
Для всех RU
2 900 ₽ 6 000 ₽
или любая сумма на ваше усмотрение,
но не менее 1290 ₽
Вы можете оплатить любую сумму, чтобы поддержать наш проект и авторов программы. Объем услуг не зависит от размера вашей оплаты.
Объем
48 час.
Длительность
45 дней
Нагрузка в неделю
8 час.
Формат обучения
Дистанционно (самостоятельно)
Описание Учебный курс посвящен глубинному анализу данных и текстов на базе IBM SPSS Modeler. Рассматриваются понятие предиктивной аналитики, концепция умной планеты и цифрового бизнес-анализа, этапы и виды анализа, инструментальные средства. Подробно разбираются методология CRISP-DM, базовые техники анализа данных, примеры моделей предсказания оттока, продуктовой корзины, сегрегации и анализа текста, процесс внедрения моделей. Материал адресован аналитикам данных и специалистам предиктивной аналитики.
Цели
  • Сформировать понимание предиктивной аналитики и методологии CRISP-DM.
  • Развить умение строить модели в IBM SPSS Modeler.
  • Подготовить к анализу временных рядов и текстов.
Чему я научусь?
  • Применять методологию CRISP-DM при разработке моделей.
  • Строить деревья решений и ансамбли в IBM SPSS Modeler.
  • Анализировать временные ряды и текстовые данные.
  • Внедрять предиктивные модели в бизнес-процессы.

Авторы

Бекларян Армен
Бекларян Армен
Чему я научусь?
  • Применять методологию CRISP-DM при разработке моделей.
  • Строить деревья решений и ансамбли в IBM SPSS Modeler.
  • Анализировать временные ряды и текстовые данные.
  • Внедрять предиктивные модели в бизнес-процессы.

Учебный план

№ Занятия
Экзамен экстерном Внимание! Экзамен экстерном не обязательный для сдачи. При желании вы можете его пройти, если хотите подтвердить свои знания по данному курсу без его изучения или поверить свои знания по нему. Экзамен экстерном можно сдать только один раз. 90 мин
1 Введение и описание курса Вводное занятие задаёт общую рамку курса по глубинному анализу текстов на платформе IBM SPSS Modeler. Раскрывается... Вводное занятие задаёт общую рамку курса по глубинному анализу текстов на платформе IBM SPSS Modeler. Раскрывается место инструмента в экосистеме IBM Watson и его связь с технологиями искусственного интеллекта. Изложение движется от общего контекста и способов получения пробной версии к плану практической работы: построению предиктивных моделей на структурированных данных CRM/ERP, знакомству с методологией CRISP DM, обзору быстрых моделей и последующему углублению в алгоритмы, завершаясь анализом неструктурированной текстовой информации. ещё 24 мин
2 Понятие предиктивной аналитики Изложены основы прогнозной (предиктивной) аналитики и принципы визуального анализа данных. Показано, как среда SPSS Modeler позволяет... Изложены основы прогнозной (предиктивной) аналитики и принципы визуального анализа данных. Показано, как среда SPSS Modeler позволяет строить модели без написания кода, используя графические узлы. Далее вводится методология CRISP-DM для промышленного управления проектами, и кратко характеризуются три ключевых класса алгоритмов машинного обучения: сегментация, ассоциация и классификация. Материал ориентирован на понимание того, как быстрое прототипирование и тиражирование моделей помогает бизнесу принимать обоснованные решения и удерживать клиентов. ещё 24 мин
3 Концепция «Умной планеты» и цифровой бизнес-анализ В лекции изложена эволюция подходов к принятию решений: от интуитивных методов к алгоритмическим. Сначала описывается концепция... В лекции изложена эволюция подходов к принятию решений: от интуитивных методов к алгоритмическим. Сначала описывается концепция умной планеты и ее три составляющие — тотальная инструментализация, взаимосвязанность и интеллектуализация. Затем раскрывается суть прогностической аналитики как инструмента для прогнозирования эффекта от действий на основе данных. Центральная часть посвящена ступеням развития цифрового бизнес-анализа: от ручной обработки в Excel и визуализации в BI-системах до статистического анализа и машинного обучения. ещё 66 мин
4 Этапы и виды анализа Лекция описывает процесс создания цифровой модели бизнеса как последовательность трёх этапов: описание (погружение в данные и... Лекция описывает процесс создания цифровой модели бизнеса как последовательность трёх этапов: описание (погружение в данные и их структуру), прогноз (построение моделей для предсказания будущих событий) и предписание (принятие решений с оценкой экономической целесообразности). Рассматриваются виды анализа на каждой стадии — от стандартных отчётов до стохастической оптимизации, а также набор вопросов, на которые они отвечают. Подчёркивается критическая важность полного, а не частичного внедрения цифровой аналитики: конкуренты, принявшие такую стратегию, получают необратимое преимущество. ещё 39 мин
5 Инструментальные средства предиктивной аналитики Материал раскрывает иерархию понятий в сфере Data Science: от общего сбора данных до глубинного анализа (Data... Материал раскрывает иерархию понятий в сфере Data Science: от общего сбора данных до глубинного анализа (Data Mining). Показано, как эти уровни различаются по задачам — от оценки качества до автоматизированного поиска скрытых закономерностей и работы с неструктурированным текстом. Далее дается обзор рынка прогнозной аналитики и детально разбирается логика работы в IBM SPSS Modeler. Ключевая идея — повышение точности моделей достигается за счет синтеза классического Data Mining и Text Analytics, когда из текстов извлекаются новые признаки. ещё 57 мин
Тест для курса # 47218 для курса Глубинный анализ данных и текстов на базе IBM SPSS Modeler 40 мин
6 Пример модели предсказания оттока клиентов Рассматривается практический кейс прогнозирования оттока клиентов телеком-компании с помощью инструмента визуальной аналитики без написания кода. Пошагово... Рассматривается практический кейс прогнозирования оттока клиентов телеком-компании с помощью инструмента визуальной аналитики без написания кода. Пошагово демонстрируется логика работы в среде SPSS Modeler: импорт данных из Excel, автоматическое определение типов и ролей переменных, исследование распределения целевого признака, построение дерева классификации и регрессии и оценка точности полученной модели. Такой подход позволяет быстро создать аналитическое решение для предвосхищения ухода клиентов и планирования удерживающих маркетинговых акций. ещё 60 мин
7 Методология CRISP-DM В материале излагается логика полного цикла анализа данных на примере прогнозирования оттока клиентов. Показано, почему для... В материале излагается логика полного цикла анализа данных на примере прогнозирования оттока клиентов. Показано, почему для получения надежного результата недостаточно просто применить алгоритм — необходима строгая методология. Рассматривается стандарт CRISP-DM, описывающий итеративный процесс из шести этапов: от постановки бизнес-цели и изучения данных до внедрения модели и мониторинга. Акцент сделан на взаимосвязи этапов, критериях успеха и типичных ошибках. ещё 48 мин
Тест 1 для курса # 51863 для курса Глубинный анализ данных и текстов на базе IBM SPSS Modeler 40 мин
8 Базовые техники анализа данных В материале изложены три базовые техники анализа данных, реализуемые алгоритмами машинного обучения: классификация, сегментация и поиск... В материале изложены три базовые техники анализа данных, реализуемые алгоритмами машинного обучения: классификация, сегментация и поиск ассоциативных правил. Логика подачи строится от общего определения каждой техники и её назначения к примерам решаемых задач, а затем к краткому перечню соответствующих алгоритмов. В завершение очерчена структура практических кейсов: помимо повторения классификации будут рассмотрены сегментация, ассоциативные правила и совместное использование классификации с анализом текстов для повышения точности модели. ещё 15 мин
9 Пример ассоциативной модели продуктовой корзины покупателя В лекции рассматривается практическое применение ассоциативного анализа для прогнозирования покупательской корзины. Слушатель познакомится с логикой работы... В лекции рассматривается практическое применение ассоциативного анализа для прогнозирования покупательской корзины. Слушатель познакомится с логикой работы с транзакционными данными, где покупки представлены в бинарном виде. Изложение строится последовательно: от подготовки и визуальной оценки связей между товарными категориями с помощью диаграммы «Веб-сеть» до построения прогнозной модели. Ключевой этап — использование алгоритма Apriori для извлечения правил, позволяющих с высокой вероятностью рекомендовать товары к покупке. ещё 78 мин
10 Пример модели сегрегации В материале показан быстрый способ сегментации клиентов по их предпочтениям в характеристиках автомобилей с помощью визуального... В материале показан быстрый способ сегментации клиентов по их предпочтениям в характеристиках автомобилей с помощью визуального инструмента IBM SPSS Modeler. Логика изложения: от загрузки данных из CRM и их первичного аудита — к исключению нерелевантных признаков и запуску автоматической кластеризации, где параллельно испытываются три алгоритма (TwoStep, K-Means, Kohonen). После выбора наилучшей модели детально разбираются пять полученных сегментов, выявляется их содержательный образ. В завершение обсуждаются возможности бескодовой разработки, совместной работы, интеграции с Python/R и встраивания прогнозной модели в бизнес-процессы через API. ещё 69 мин
11 Пример модели на базе анализа текста Рассматривается обогащение модели прогнозирования клиентского оттока неструктурированными данными — расшифровками обращений в колл-центр. Показано, как текстовые... Рассматривается обогащение модели прогнозирования клиентского оттока неструктурированными данными — расшифровками обращений в колл-центр. Показано, как текстовые комментарии проходят путь от сырых записей до категориальных булевых признаков и интегрируются в классификацию на основе дерева решений. Логика изложения: объединение таблиц по идентификатору клиента, автоматическая категоризация текстов модулем Text Analytics, включение полученных бинарных факторов в модель C5.0 и сравнение точности с базовой версией без текста. Итогом становится прирост точности предсказаний и возможность понять истинные причины ухода абонентов. ещё 45 мин
12 Процесс внедрения и примеры успешного применения В материале последовательно раскрывается переход от построенных аналитических моделей к их внедрению в реальную операционную деятельность.... В материале последовательно раскрывается переход от построенных аналитических моделей к их внедрению в реальную операционную деятельность. Сначала демонстрируется, как прогнозная модель фоново, через API, встраивается в интерфейс оператора кол-центра, выдавая мгновенные рекомендации для удержания клиентов. Далее логика переходит на уровень концепции «умной планеты», объясняя, как инструментализация, взаимосвязанность и интеллектуализация реализованы в платформе IBM SPSS Modeler. Завершается обзор примерами успешных внедрений, подтверждающими быстрый возврат инвестиций и широкую отраслевую применимость предиктивной аналитики. ещё 21 мин
Тест 2 для курса # 51863 для курса Глубинный анализ данных и текстов на базе IBM SPSS Modeler 40 мин
13 Пример модели деревьев решений ч.1 Построение модели В лекции рассматривается практика параллельного применения нескольких алгоритмов классификации к одному набору данных в IBM SPSS... В лекции рассматривается практика параллельного применения нескольких алгоритмов классификации к одному набору данных в IBM SPSS Modeler. Изложение строится поступательно: от импорта и аудита данных телеком-компании, определения типов переменных и выделения целевого поля (отток клиентов) до разделения выборки на обучающую и тестовую. Финальный этап — настройка и запуск ансамблевых моделей на базе деревьев решений (включая случайный лес) для сравнительной оценки их точности без написания кода. ещё 81 мин
14 Пример модели деревьев решений ч.2 Сравнения В лекции изложен практический подход к сравнению и выбору оптимального алгоритма машинного обучения на платформе SPSS... В лекции изложен практический подход к сравнению и выбору оптимального алгоритма машинного обучения на платформе SPSS Modeler. Логика повествования строится от построения базовых моделей деревьев решений (C&RT, CHAID, QUEST, C5.0) и случайного леса до их сравнительного анализа по точности. Затем рассматриваются другие типы алгоритмов (нейронная сеть, XGBoost, дискриминантный анализ), и демонстрируется, что тонкая настройка (бустинг, бэггинг) не всегда превосходит базовые настройки. Завершается материал переходом к задаче регрессии. ещё 111 мин
15 Пример модели деревьев решений ч.3 Предсказание непрерывной величины В лекции рассматривается полный цикл построения моделей машинного обучения для решения двух бизнес-задач. Сначала демонстрируется предсказание... В лекции рассматривается полный цикл построения моделей машинного обучения для решения двух бизнес-задач. Сначала демонстрируется предсказание непрерывной величины — страхового взноса — с помощью регрессионных моделей и сравнения их точности. Затем излагается логика анализа маркетинговых данных: от очистки и выявления аномалий до оценки значимости факторов, влияющих на реакцию клиента. На примерах показано, как выбирать алгоритмы под тип задачи и повышать качество результата. ещё 102 мин
16 Модель выявления аномалий в данных, построение комбинированных факторов В материале показан логический переход от подготовки данных к практическому построению модели. Сначала демонстрируется, как инструмент... В материале показан логический переход от подготовки данных к практическому построению модели. Сначала демонстрируется, как инструмент Feature Selection автоматически отсеивает неинформативные поля. Далее раскрывается работа узла PCA-фактор: выявление скрытых, комбинированных факторов удовлетворенности клиентов, сокращение размерности данных с десяти переменных до трех обобщенных компонентов и построение на их основе простой, но точной линейной регрессии. ещё 96 мин
Тест 3 для курса # 51863 для курса Глубинный анализ данных и текстов на базе IBM SPSS Modeler 40 мин
17 Ансамблирование моделей ч.1 В материале изложена техника ансамблирования (сбора в ансамбль) прогностических моделей разной природы (дерево решений, дискриминантный анализ,... В материале изложена техника ансамблирования (сбора в ансамбль) прогностических моделей разной природы (дерево решений, дискриминантный анализ, метод опорных векторов) для повышения точности. Логика построена от практической демонстрации: сначала строятся и оцениваются отдельные модели, затем они объединяются специальным узлом, и итоговый ансамбль сравнивается с ними по метрикам качества (Accuracy, Gini). В финале ставится вопрос о подборе оптимального порога вероятности для классификации. ещё 54 мин
18 Ансамблирование моделей ч.2 В материале разбирается работа с узлом Auto Classifier в IBM SPSS Modeler. Излагается логика автоматизации выбора... В материале разбирается работа с узлом Auto Classifier в IBM SPSS Modeler. Излагается логика автоматизации выбора лучшей модели классификации: от настройки метрик ранжирования (AUC) и выбора алгоритмов до тонкой корректировки их гиперпараметров (глубина дерева, регуляризация SVM, количество компонентов бустинга). Демонстрируется, как инструмент перебирает комбинации настроек, выявляет оптимальные модели и объединяет их в ансамбль для повышения итоговой точности предсказаний без написания программного кода. ещё 75 мин
Тест для курса # 47218 для курса Глубинный анализ данных и текстов на базе IBM SPSS Modeler 40 мин
19 Анализ временных рядов ч.1 В лекции поэтапно разбирается построение прогноза временного ряда в IBM SPSS Modeler. Сначала демонстрируется загрузка данных... В лекции поэтапно разбирается построение прогноза временного ряда в IBM SPSS Modeler. Сначала демонстрируется загрузка данных и объясняется, почему одна и та же переменная считается и входной, и выходной (концепция авторегрессии). Затем выполняется визуальный анализ графика: выявляются повышательный тренд и недельная периодичность. Основная часть посвящена настройке узла Time Series: выбор целевой переменной, поля даты, дневного интервала и горизонта прогноза на семь дней. Модель автоматически определяет метод экспоненциального сглаживания, а качество оценивается метрикой MAPE. Наконец, на совмещённом графике сравниваются фактические и предсказанные значения, показывая высокую точность прогноза. ещё 36 мин
20 Анализ временных рядов ч.2 В материале показан переход от экспоненциального сглаживания к модели ARIMA в узле Time Series SPSS Modeler.... В материале показан переход от экспоненциального сглаживания к модели ARIMA в узле Time Series SPSS Modeler. Описывается ручной выбор алгоритма, разбираются несезонные параметры p, d, q и сезонная разность первого порядка. Сравнивается точность двух моделей по абсолютному отклонению, обсуждается настройка горизонта прогноза, интерпретация ряда и обработка пропусков методом линейной интерполяции. Логика изложения: от выбора модели — к её параметризации, оценке качества и практическим приёмам предобработки данных. ещё 15 мин
21 Анализ текстов в SPSS Modeler В материале изложена методика повышения точности прогнозных моделей за счет включения неструктурированных текстовых данных. Показана логика... В материале изложена методика повышения точности прогнозных моделей за счет включения неструктурированных текстовых данных. Показана логика процесса: от извлечения выборки и автоматического лингвистического анализа с использованием предметных шаблонов до интеграции полученных текстовых категорий в модель классификации. Главный фокус — демонстрация того, как анализ тональности и тематики обращений клиентов позволяет значительно улучшить предсказание их оттока по сравнению с моделями, использующими только демографические показатели. ещё 132 мин
Тест для курса # 47222 для курса Глубинный анализ данных и текстов на базе IBM SPSS Modeler 40 мин
22 Литература. Глубинный анализ данных и текстов на базе IBM SPSS Modeler
Тренировочный экзамен Внимание! Тренировочный экзамен экстерном не обязательный для сдачи. При желании вы можете его пройти, если хотите проверить свои знания курса перед сдачей экзамена. Тренировочный экзамен можно сдавать сколько угодно один раз. 90 мин
Экзамен 120 мин

Какой документ я получу?

Сертификат

Выдаётся автоматически после успешного завершения программы.

Удостоверение о повышении квалификации

Выдается при наличии среднего специального или высшего образования (необходимые документы).

Стоимость программы

2 900 ₽ 6 000 ₽
или любая сумма на ваше усмотрение,
но не менее 1290 ₽
Вы можете оплатить любую сумму, чтобы поддержать наш проект и авторов программы. Объем услуг не зависит от размера вашей оплаты.
^