Pecahkan masalah sains data nyata dan tambahkan nilai dengan cepat tanpa perlu mempelajari cara membuat kode
Apa yang akan Anda pelajari
-
Dasar-dasar pemecahan masalah ilmu data
-
Algoritme pembelajaran mesin seperti Random Forest, K-Means, dan OLS Regression
-
Cara menggunakan platform KNIME untuk mengimpor, memproses, menjelajahi, dan membersihkan data
Persyaratan
- Komputer dengan ruang yang cukup untuk menginstal Platform KNIME Analytics
Deskripsi
Apakah Anda ingin meningkatkan karier Anda dengan mempelajari keterampilan yang paling banyak diminati? Apakah Anda tertarik pada ilmu data tetapi terintimidasi dari pembelajaran oleh kebutuhan untuk mempelajari bahasa pemrograman?
Kami dapat mengajari Anda cara memecahkan masalah bisnis ilmu data nyata yang harus diselesaikan oleh klien. Kursus ini dapat mengajarkan Anda keterampilan yang dapat Anda gunakan untuk menambah nilai dan memecahkan masalah bisnis dari awal.
Kursus ini berbeda dari kebanyakan karena beberapa alasan:
1. Kami mulai dengan pemecahan masalah daripada pengkodean. Saya merasa seperti mulai membuat kode sebelum menyelesaikan masalah salah arah; banyak siswa dimatikan oleh jam kerja untuk mencoba menulis beberapa baris yang tidak berarti daripada memecahkan masalah nyata. Nilai kunci tambah dari data yang dibuat para ilmuwan adalah memecahkan masalah, bukan menulis sesuatu dalam bahasa yang dimengerti komputer.
2. Contoh didasarkan pada pekerjaan klien nyata. Ini tidak seperti kelas lain yang menggunakan kumpulan data Kaggle untuk siapa yang selamat dari Titanic, atau menebak jenis bunga apa yang didasarkan pada pengukuran kelopak. Itu menarik, tetapi tidak berguna bagi orang yang ingin menjual lebih banyak produk, atau mengoptimalkan kinerja tim mereka. Contoh-contoh ini didasarkan pada masalah klien nyata yang oleh perusahaan menghabiskan banyak uang untuk mempekerjakan konsultan untuk menyelesaikannya.
3. Alur kerja visual. KNIME menggunakan alur kerja visual yang mirip dengan apa yang akan Anda lihat di Alteryx atau Azure Machine Learning Studio dan saya benar-benar berpikir ini adalah masa depan ilmu data. Ini adalah cara yang lebih baik untuk memvisualisasikan masalah saat Anda menjelajahi data, membersihkan data, dan akhirnya membuat model. Ini juga sesuatu yang membuat proses Anda jauh lebih mudah untuk dijelaskan kepada non-data scientist sehingga lebih mudah untuk bekerja dengan bagian lain dari bisnis Anda.
