お問い合わせ

コース概要

  1. データ処理・分析の基礎概説
  2. KNIMEプラットフォーム概要
    • インストールと設定手順
    • ユーザーインターフェースの解説
  3. 各種ツールとの連携についての説明
  4. はじめに:ワークフロー作成方法
  5. ビジネスモデルおよびデータ処理プロセスの構築手法
    • 作業内容のドキュメント化
    • プロセスのインポート・エクスポート方法
  6. 基本ノードの紹介
  7. ETL処理について説明
  8. データ探索手法の解説
  9. データインポート手法
    • ファイルからのデータ読み込み方法
    • SQLを活用したリレーショナルデータベースからの取り込み
    • SQLクエリの作成手順
  10. 高度な機能を備えたノード群紹介
  11. データ分析手法
    • 分析用データの準備方法
    • データ品質検証と精査技術
    • 統計的手法によるデータ解析
    • データモデリングの手法
  12. 変数やループ構造の基礎説明
  13. 高度で自動化された処理フローの設計法
  14. 分析結果の可視化手法
  15. 無料かつ公開されているデータソース紹介
  16. データマイニング入門
    • 代表的なデータマイニング課題やプロセス解説
  17. データからの知識抽出法
    • ウェブマイニング技術について
    • SNA – 社会ネットワーク分析の基礎
    • テキストマイニング – 文書内容の解析方法
    • 地図上でのデータ可視化手法
  18. 他ツールとの統合法
    • RとKNIMEの連携方法
    • Javaを用いた拡張機能作成例
    • Pythonによる処理自動化手法
    • Gephiとの連携によるネットワーク可視化技術
    • Neo4jと組み合わせたグラフ構造解析法
  19. レポート作成手法の説明
  20. 本トレーニングのまとめと今後の学習課題紹介

要求

数学的解析の基礎知識があること。

統計学の基本を理解していること。

 35 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (2)

今後のコース

関連カテゴリー