Network Analysis and Network Optimization in SAS(R) Viya(R)

Kód kurzu: VYNA01

Tato část není lokalizována

This course provides a set of network analysis (graph theory) and network optimization solutions using the NETWORK and OPTNETWORK procedures in SAS Viya. Real-world applications are emphasized for each algorithm introduced in this course, including using network analysis as a stand-alone unsupervised learning technique, as well as incorporating network analysis and optimization to augment supervised learning techniques to improve machine learning model performance through input/feature creation.

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: 7 hodin

Jazyk: en

Cena bez DPH: 18 000 Kč

Registrovat

Počáteční datum: Na vyžádání

Forma: Na vyžádání

Délka kurzu: 14 hodin

Jazyk: en

Cena bez DPH: 30 000 Kč

Registrovat

Počáteční
datum
Místo
konání
Forma Délka
kurzu
Jazyk Cena bez DPH
Na vyžádání E-learning 7 hodin en 18 000 Kč Registrovat
Na vyžádání Na vyžádání 14 hodin en 30 000 Kč Registrovat
G Garantovaný kurz

Nenašli jste vhodný termín?

Napište nám o vypsání alternativního termínu na míru.

Kontakt

Cílová skupina

Tato část není lokalizována

Anyone interested in learning to incorporate network analysis and network optimization to provide solutions and solve real-world business challenges, including data scientists, business analysts, statisticians, and other quantitative professionals. Managers, directors, and leaders with a quantitative background are also encouraged to attend to learn how network analysis and optimization can be integrated into a broader portfolio of data science and machine learning applications.

Struktura kurzu

Tato část není lokalizována

Concepts in Network Analysis

  • Introduction.
  • Network-level concepts.
  • Adjacency matrices and degree centrality.
  • Introduction to the NETWORK procedure.

Centrality Measures

  • Introduction.
  • Eigenvector centrality.
  • Betweenness and closeness centrality.
  • Influence centrality (self-study).
  • Hub and authority centrality.
  • PageRank centrality.

Analysis of Subnetworks

  • Connected and biconnected components.
  • Maximal cliques.
  • Community detection.
  • Paths, shortest paths, and cycles.
  • Pattern matching.

Bipartite Networks

  • Introduction to bipartite networks.
  • Network projection.

Network Optimization

  • Introduction.
  • Linear assignment problem.
  • Minimum spanning tree.
  • Maximum spanning tree (self-study).
  • Traveling salesman problem.
  • Minimum cost network flow (self-study).

Appendix A: Network Optimization Using the OPTMODEL Procedure

  • Total unduplicated reach and frequency (TURF) analysis.
  • Multiple traveling salesman problem (mTSP).
  • Minimum cost network flow.

Appendix B: Centrality Measures Using the IML Action Set

  • Introduction.
  • Eigenvector centrality using IML.
  • Hub and authority centrality using IML.
  • PageRank centrality using IML.

Předpokládané znalosti

Tato část není lokalizována

In order to complete practices with classroom software, attendees should have basic familiarity with statistics and mathematical concepts and be comfortable programming in SAS using DATA steps. Experience using macros is helpful, but not required.

Potřebujete poradit nebo upravit kurz na míru?

onas

produktová podpora

Platební brána ComGate Logo MasterCard Logo Visa