Opleiding : Gegevenswetenschap met Cognos Analytics V11 en Python

Praktijkcursus - 3d - 21u00 - Ref. CGR
Prijs : 1930 € V.B.

Gegevenswetenschap met Cognos Analytics V11 en Python




Cognos v11 stelt datawetenschappers in staat om talen als Python standaard te integreren. Cognos breidt zijn werkterrein uit en richt zich op alle datagebruikers. Deze cursus is ook interessant voor business intelligence (BI) consultants die aan de slag willen met data science en/of in-memory.


INTER
INTRA
OP MAAT

Praktijkcursus ter plaatse of via klasverband op afstand
Disponible en anglais, à la demande

Ref. CGR
  3d - 21u00
1930 € V.B.




Cognos v11 stelt datawetenschappers in staat om talen als Python standaard te integreren. Cognos breidt zijn werkterrein uit en richt zich op alle datagebruikers. Deze cursus is ook interessant voor business intelligence (BI) consultants die aan de slag willen met data science en/of in-memory.


Pedagogische doelstellingen
Aan het einde van de training is de deelnemer in staat om:
De uitdagingen van machinaal leren in het bedrijfsleven begrijpen
Weten hoe je machine learning functies kunt gebruiken in IBM Cognos Analytics CA 11
Omgaan met algoritmen voor machinaal leren

Doelgroep
Beginners in machine learning, beginners in Python, beginners, gemiddelde of ervaren gebruikers van Cognos.

Voorafgaande vereisten
Enige basiskennis van statistische wiskunde.

Praktische modaliteiten
Leer methodes
Actief onderwijs, veel discussie en feedback. De oefeningen helpen je om de concepten van Python en machine learning in Cognos Analytics 11 te begrijpen.

Opleidingsprogramma

1
Jupyter Notebooks Server configureren voor Cognos Analytics

  • Inleiding.
  • Architectuur en concepten.
Praktisch werk
Installation de la machine virtuelle. Paramétrages pour Cognos.

2
Gegevensmanipulatie in Jupyter Notebooks van Cognos Analytics

  • Data invoegen van en naar Cognos.
  • Gegevens invoegen vanuit een CSV-bestand.
  • Gegevens invoegen vanuit andere gegevensbronnen. Panda versus Numpy.
  • Opschonen van gegevens. Samenvoegen, samenvoegen, aaneenschakelen.
  • Groeperen, filteren en andere functies.
Praktisch werk
Oefeningen voor gegevensmanipulatie in Python van Cognos.

3
Machinaal leren: algemene concepten

  • Verliesfuncties, uitschieters, modelevaluatie.
  • Lineaire regressie.
  • Lineaire regressie: meervoudig.
  • Logistische regressie. K-means. Beslisboom en Random forest.
  • SVM. Clusteren. PCA.
Praktisch werk
MCQS. Oefeningen om modellen te maken.

4
Visualisatie in IBM Cognos Analytics 11

  • Overzicht van datavisualisaties in Cognos.
  • Soorten afbeeldingen en hun gebruik.
Praktisch werk
Création d’un tableau de bord Cognos depuis les données de Jupyter Notebooks. Mutualisation avec d’autres rapports Cognos.

5
Beheer van Jupyter Notebooks vanuit IBM Cognos Analytics

  • Planning.
  • Veiligheid.