Этот курс охватывает все необходимые навыки для анализа данных с использованием широкого круга инструментов, которые имеются в SAS Enterprise Miner. В курсе рассматриваются задачи прогнозного моделирования (деревья решений, регрессия).
В этом курсе изучается как:

• Создать проект для SAS Enterprise Miner и исследовать исходные данные графически
• Изменить данные для получения лучших результатов анализа
• Построить и интерпретировать статистические модели (такие как деревья решений и регрессионные модели)
• Сравнивать и объяснять сложные модели
• Создавать и использовать код для скоринга

Для изучения материалов курса необходимо предварительное знакомство с основами математической статистики и статистического моделирования. Опыт работы с системой SAS не требуется, хотя будет желателен.
Желательно, чтобы слушатели имели представление о работе в среде SAS, в частности:

• Имели представление об организации данных SAS и об основных процедурах SAS.
• Умели работать с библиотеками и наборами данных SAS.
• Понимали логику процессов выполнения шага данных (DATA step).

Аудитория

Аналитики данных, эксперты по качеству и другие специалисты, которые используют SAS Enterprise Miner в своей работе.

Введение в SAS Enterprise Miner                
Доступ и первичное использование подготовленных данных

• создание проекта, библиотеки и диаграммы в SAS Enterprise Miner
• как задать источник данных
• исследование источника данных

Введение в прогнозные модели: деревья решений

• Построение деревьев решений
• Оптимизация сложности дерева решений
• дополнительные инструменты диагностики
• параметры для автономного построения дерева решений

Введение в прогнозные модели: регрессия

• Выбор входных переменных регрессии
• Оптимизация сложности регрессии
• Интерпретация регрессии
• Преобразование входных переменных
• Категориальные входные переменные
• Полиномиальная регрессия

Оценка моделей

• Статистики подгонки модели
• Статистические графики
• Поправка для раздельных выборок
• Матрицы прибыли

Применение модели. Скоринг

• Наборы данных с внутренним скорингом
• Модули скорингового кода