Advanced Machine Learning Using SAS(R) Viya(R)

Kód kurzu: ADML35

Tato část není lokalizována

This course teaches you how to optimize the performance of predictive models beyond the basics by implementing various data munging and wrangling techniques. The course continues the development of supervised learning models that begins in the Machine Learning Using SAS Viya course and extends it to ensemble modeling. Running unsupervised learning and semi-supervised learning models are also discussed. In this course, you learn how to do feature engineering and clustering of variables, and how to preprocess nominal variables and detect anomalies. This course uses Model Studio, the pipeline flow interface in SAS Viya that enables you to prepare, develop, compare, and deploy advanced analytics models. Importing and running external models in Model Studio is also discussed, including open source models. SAS Viya automation capabilities at each level of machine learning are also demonstrated, followed by some tips and tricks with Model Studio.

The self-study e-learning includes:

  • Annotatable course notes in PDF format.
  • Virtual lab time to practice.

Odborní
certifikovaní lektoři

Mezinárodně
uznávané certifikace

Široká nabídka technických
a soft skills kurzů

Skvělý zákaznický
servis

Přizpůsobení kurzů
přesně na míru

Termíny kurzu

Počáteční datum: Na vyžádání

Forma: E-learning

Délka kurzu: 21 hodin

Jazyk: en

Cena bez DPH: 27 000 Kč

Registrovat

Počáteční datum: Na vyžádání

Forma: Na vyžádání

Délka kurzu: 21 hodin

Jazyk: en

Cena bez DPH: 45 000 Kč

Registrovat

Počáteční
datum
Místo
konání
Forma Délka
kurzu
Jazyk Cena bez DPH
Na vyžádání E-learning 21 hodin en 27 000 Kč Registrovat
Na vyžádání Na vyžádání 21 hodin en 45 000 Kč Registrovat
G Garantovaný kurz

Nenašli jste vhodný termín?

Napište nám o vypsání alternativního termínu na míru.

Kontakt

Cílová skupina

Tato část není lokalizována

Advanced machine learning modelers who use Model Studio

Struktura kurzu

Tato část není lokalizována

Machine Learning Fundamentals

  • Model Studio review.
  • Classifier performance.
  • Ensemble learning.

Feature Engineering

  • Introduction to feature engineering.
  • Principal component analysis.
  • Singular value decomposition.
  • Robust principal component analysis.
  • Autoencoders.
  • Transforming categorical variables.

Clustering of Variables and Observations

  • Variable clustering.
  • Cluster analysis.

Anomaly Detection

  • Introduction to anomaly detection.
  • Support vector data description.
  • Semi-supervised learning.

External Models in Model Studio

  • Importing SAS Enterprise Miner models.
  • Running SAS/STAT or SAS Enterprise Miner models.
  • Running open-source models.

Machine Learning Automation

  • Automation in SAS Viya.
  • Data preprocessing and feature engineering.
  • Modeling.
  • Automated pipeline creation.
  • Pipeline automation using REST API (self-study).

Tips and Tricks with Model Studio

  • Managing metadata.
  • Working with analysis elements.
  • Using the SAS Code node.
  • Interpreting models with extracted features.
  • Scoring unsupervised learning models.

Předpokládané znalosti

Tato část není lokalizována

Before attending this course, it is recommended that you have done the following:
  • Completed the Machine Learning Using SAS Viya course.
  • Obtained some experience with creating and managing SAS data sets, which you can gain from the SAS Programming 1: Essentials course.
  • Acquired some experience building statistical models using SAS Visual Data Mining and Machine Learning software.
  • Potřebujete poradit nebo upravit kurz na míru?

    onas

    produktová podpora

    Platební brána ComGate Logo MasterCard Logo Visa