4.7
Sterne
93 Bewertungen

Jeff Thompson +1 weiterer Dozent

7.126 bereits angemeldet

von

Maschinelles Lernen mittels Sas Viya

SAS

Über diesen Kurs

6.713 kürzliche Aufrufe

This course covers the theoretical foundation for different techniques associated with supervised machine learning models. In addition, a business case study is defined to guide participants through all steps of the analytical life cycle, from problem understanding to model deployment, through data preparation, feature selection, model training and validation, and model assessment. A series of demonstrations and exercises is used to reinforce the concepts and the analytical approach to solving business problems. 
This course uses Model Studio, the pipeline flow interface in SAS Viya that enables you to prepare, develop, compare, and deploy advanced analytics models. You learn to train supervised machine learning models to make better decisions on big data. The SAS applications used in this course make machine learning possible without programming or coding.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Stufe „Mittel“

Ca. 34 Stunden zum Abschließen

Englisch

Untertitel: Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Stufe „Mittel“

Ca. 34 Stunden zum Abschließen

Englisch

Untertitel: Englisch

Könnte Ihr Unternehmen von Mitarbeiterweiterbildungen für gefragte Kompetenzen profitieren?

Probieren Sie Coursera for Business aus

Dozenten

Dozentenbewertung

4,61/5 (16 Bewertungen)

Jeff Thompson

Senior Analytical Training Consultant

Education

7.126 Lernende

1 Kurse

Catherine Truxillo

Director, Analytical Education

Education

7.126 Lernende

1 Kurse

von

SAS

Through innovative software and services, SAS empowers and inspires customers around the world to transform data into intelligence. SAS is a trusted analytics powerhouse for organizations seeking immediate value from their data. A deep bench of analytics solutions and broad industry knowledge keep our customers coming back and feeling confident. With SAS®, you can discover insights from your data and make sense of it all. Identify what’s working and fix what isn’t. Make more intelligent decisions. And drive relevant change.

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche

Woche 1

1 Stunde zum Abschließen

Course Overview

In this module, you meet the instructor and learn about course logistics, such as how to access the software for this course.

1 Stunde zum Abschließen

1 Video (Gesamt 2 min), 3 Lektüren, 1 Quiz

5 Stunden zum Abschließen

Getting Started with Machine Learning using SAS® Viya

In this module, you learn how you can meet today's business challenges with machine learning using SAS® Viya®. You start working on the project that runs throughout the course.

5 Stunden zum Abschließen

15 Videos (Gesamt 43 min), 16 Lektüren, 9 Quiz

15 Videos

Introduction13

Machine Learning in SAS Viya2m

Analytics Life Cycle1m

Case Study: Customer Churn2m

SAS Viya Tools for SAS Visual Data Mining and Machine Learning1m

Demo: Creating a Project and Selecting Data5m

Importing Data from a Local Source1m

Predictive Modeling5m

Data Preparation1m

Dividing the Data3m

Addressing Rare Events Using Event-Based Sampling3m

Demo: Modifying the Data Partition5m

Managing Missing Values3m

Demo: Building a Pipeline from a Basic Template5m

SAS Viya in the SAS Platform: Architecture1m

16 Lektüren

Applications of Prediction-Based Decision Making10m

Case Study: Data Dictionary10m

SAS Drive and the Application Bar10m

Importing Data from a Local Source10m

SAS Viya Tools for Data Preparation10m

Cross Validation for Small Data Sets10m

Selecting Variables on the Data Tab10m

Global Metadata10m

Managing Missing Values: Details10m

Imputation Methods in Model Studio10m

Pipeline Templates in Model Studio10m

Logistic Regression10m

SAS Cloud Analytic Services10m

SAS Viya: A Shift in Mindset10m

Data Sources and CAS10m

Interfaces and Products10m

6 praktische Übungen

Question 1.025m

Question 1.035m

Question 1.045m

Question 1.055m

Question 1.065m

Getting Started with Machine Learning and SAS Viya30m

Woche

Woche 2

6 Stunden zum Abschließen

Data Preparation and Algorithm Selection

In this module, you learn to explore the data and finish preparing the data for analysis. You also learn some general considerations for selecting an algorithm.

6 Stunden zum Abschließen

14 Videos (Gesamt 44 min), 12 Lektüren, 16 Quiz

14 Videos

Introduction to Data Preparation and Algorithm Selection45

Exploring the Data1m

Demo: Exploring the Data4m

Replacing Incorrect Values1m

Demo: Replacing Incorrect Values Starting on the Data Tab6m

Feature Creation24

Text Mining1m

Demo: Adding Text Mining Features6m

Using Transformations to Handle Extreme or Unusual Values3m

Demo: Transforming Inputs5m

Selecting Useful Inputs4m

Demo: Selecting Features5m

Demo: Saving a Pipeline to the Exchange1m

Starting the Discovery Phase of the Analytics Life Cycle1m

12 Lektüren

Data Mining Preprocessing Nodes in Model Studio10m

Risk Modeling Add-on for SAS Visual Data Mining and Machine Learning10m

Replacing Incorrect Values Starting with the Manage Variables Node10m

Singular Value Decomposition and the Text Mining Node10m

Feature Extraction Node10m

Transformations in Model Studio10m

Feature Selection and the Variable Selection Node: Details10m

Variable Clustering10m

Best Practices for Common Data Preparation Challenges10m

Feature Engineering in SAS Visual Data Mining and Machine Learning10m

Considerations for Selecting an Algorithm10m

Comparison of Modeling Algorithms10m

8 praktische Übungen

Question 2.015m

Question 2.025m

Question 2.035m

Question 2.045m

Question 2.055m

Question 2.075m

Question 2.085m

Data Preparation and Algorithm Selection Quiz30m

Woche

Woche 3

7 Stunden zum Abschließen

Decision Trees and Ensembles of Trees

In this module, you learn to build decision tree models as well as models based on ensembles, or combinations, of decision trees.

7 Stunden zum Abschließen

23 Videos (Gesamt 69 min), 14 Lektüren, 17 Quiz

23 Videos

Introduction to Decision Trees and Ensembles of Trees38

Basics of Decision Trees2m

Demo: Building a Decision Tree Model Using the Default Settings7m

Decision Trees for Categorical Targets: Classification Trees3m

Decision Trees for Interval Targets: Regression Trees2m

Improving the Decision Tree Model25

Demo: Modifying the Structure Parameters2m

Recursive Partitioning3m

Splitting Criteria4m

Split Search9m

Demo: Modifying the Recursive Partitioning Parameters1m

Optimizing the Complexity of a Decision Tree Model36

Pruning3m

Demo: Modifying the Pruning Parameters2m

Regularizing and Tuning the Hyperparameters of a Machine Learning Model2m

Building Ensemble Models1m

Perturb and Combine Methods5m

Bagging2m

Boosting1m

Comparison of Tree-Based Models1m

Demo: Building a Gradient Boosting Model3m

Forest Models3m

Demo: Building a Forest Model4m

14 Lektüren

Score Code in Model Studio10m

Impurity Reduction Measures for Categorical and Interval Targets10m

Splitting Criteria in Model Studio10m

Adjustments in a Split Search10m

Missing Values in Decision Trees in Model Studio10m

Surrogate Splits10m

Calculating Variable Importance for Surrogate Splits10m

Bottom-Up Pruning Requirements10m

Pruning Options in Model Studio10m

Hyperparameter Optimization Methods10m

Autotuning Options for Decision Trees in Model Studio10m

Gradient Boosting Models10m

Autotuning Options for Gradient Boosting in Model Studio10m

Autotuning Options for Forests in Model Studio10m

10 praktische Übungen

Question 3.015m

Question 3.025m

Question 3.035m

Question 3.045m

Question 3.055m

Question 3.065m

Question 3.075m

Question 3.085m

Question 3.095m

Decision Trees and Ensembles of Trees Quiz30m

Woche

Woche 4

4 Stunden zum Abschließen

Neural Networks

In this module, you learn to build neural network models.

4 Stunden zum Abschließen

19 Videos (Gesamt 42 min), 9 Lektüren, 10 Quiz

19 Videos

Introduction to Neural Networks27

Beyond Traditional Regression: Neural Networks4m

Overcoming the Limitations of Neural Networks3m

Basics of Neural Networks3m

Estimating Weights and Making Predictions3m

Learning Process2m

Essential Discovery Tasks for Neural Networks24

Demo: Building a Neural Network Using the Default Settings2m

Improving the Neural Network Model18

Neural Network Architectures4m

Activation Functions1m

Shaping the Sigmoid2m

Demo: Modifying the Neural Network Architecture1m

Optimizing the Complexity of a Neural Network Model37

Weight Decay2m

Early Stopping2m

Regularizing and Tuning the Hyperparameters of a Neural Network Model32

Network Learning Hyperparameters3m

Demo: Modifying the Learning and Optimization Parameters2m

9 Lektüren

Standardization Methods10m

Iterative Updating in Numerical Optimization10m

Numerical Optimization Methods in Model Studio10m

Deviance Measures in Model Studio10m

Calculating the Number of Parameters10m

Deep Learning10m

Hidden Layer Activation Functions in Model Studio10m

Target Layer Activation Functions and Error Functions in Model Studio10m

Autotuning Options for Neural Networks in Model Studio10m

6 praktische Übungen

Question 4.015m

Question 4.02 - 4.0310m

Question 4.045m

Question 4.055m

Question 4.06 - 4.0710m

Neural Networks Quiz30m

Woche

Woche 5

4 Stunden zum Abschließen

Support Vector Machines

In this module, you learn to build support vector machine models.

4 Stunden zum Abschließen

17 Videos (Gesamt 31 min), 5 Lektüren, 10 Quiz

17 Videos

Introduction to Support Vector Machines43

Support Vector Machines as Classifier Models2m

Mathematical Definition of a Support Vector Machine1m

Maximum-Margin Hyperplane and Support Vectors1m

Essential Discovery Tasks for Support Vector Machines9

Demo: Building a Support Vector Machine Using the Default Settings2m

Improving the Support Vector Machine Model1m

Optimization Problem1m

Accounting for Errors with Nonlinearly Separable Data51

Demo: Modifying the Methods of Solution Parameters1m

Optimizing the Complexity of the Support Vector Machine Model28

Feature Space Approach for Nonlinearly Separable Data1m

Kernel Trick1m

Demo: Increasing the Flexibility of the Support Vector Machine2m

Model Interpretability1m

Demo: Adding Model Interpretability10m

Regularizing and Tuning the Hyperparameters of the Support Vector Machine Model22

5 Lektüren

Dot Products10m

Constraints for Optimization10m

Lagrange Approach for Estimation10m

Model Interpretability Plots10m

Autotuning Options for Support Vector Machines in Model Studio10m

5 praktische Übungen

Question 5.015m

Question 5.025m

Question 5.035m

Question 5.045m

Support Vector Machines Quiz30m

Woche

Woche 6

5 Stunden zum Abschließen

Model Deployment

In this module, you learn how to select the model that best meets the requirements of your business challenge and put the model into production. You also learn about managing the model over time.

5 Stunden zum Abschließen

16 Videos (Gesamt 36 min), 5 Lektüren, 13 Quiz

16 Videos

Introduction to Model Deployment24

Essential Deployment Tasks34

Selecting a Model45

Numeric Measures of Model Performance1m

Confusion Matrix for Decision Predictions1m

ROC Charts and the C-Statistic3m

Charts Based on Response Rate: CPH and Lift3m

Ways of Comparing Models in Model Studio1m

Demo: Comparing Models within a Pipeline2m

Demo: Comparing Models across Pipelines2m

Demo: Reviewing a Project Summary Report on the Insights Tab3m

Demo: Registering the Champion Model59

Demo: Exploring the Settings for Model Selection2m

Scoring and Managing the Champion Model1m

Demo: Viewing the Score Code and Running a Scoring Test6m

Monitoring and Updating the Model1m

5 Lektüren

Numeric Measures of Model Performance by Prediction Type10m

Model Selection Statistics by Target Type10m

Score Code and Model Deployment10m

Introducing SAS Model Manager10m

SAS Model Manager Tabs10m

6 praktische Übungen

Question 6.015m

Question 6.025m

Question 6.035m

Question 6.045m

Question 6.055m

Model Deployment Quiz30m

Woche

Woche 7

2 Stunden zum Abschließen

Additional Resources and Practice Exam

2 Stunden zum Abschließen

1 Video (Gesamt 6 min), 4 Lektüren, 1 Quiz

Bewertungen

4.7

18 Bewertungen

5 stars
74,73 %
4 stars
18,94 %
3 stars
6,31 %

Top-Bewertungen von MASCHINELLES LERNEN MITTELS SAS VIYA

von RM7. Apr. 2020

I found this course SAS Viya really excellent and useful for Data Scientist. I would recommend it to anyone interested in learning and deploy machine learning.

von KK11. Mai 2020

nice course for those who already knew machine learning concepts and wants to learn SAS viya for creating models.

von TA5. Juli 2019

Easy to follow even with limited statistics knowledge.

Instructors teach the basics to get you started and best of all the software is included so you can practice.

von SS13. März 2020

This is a good course . SAS is the leader in the world of analytics.

Alle Bewertungen anzeigen

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich das Zertifikat erwerbe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.
What browser is recommended for accessing software in this course?
We recommend Chrome, Firefox or Safari when accessing the software.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Fördern Sie Mitarbeiterkompetenzen für bessere Geschäftsergebnisse

Entdecken Sie Coursera für Unternehmen

Maschinelles Lernen mittels Sas Viya

Maschinelles Lernen mittels Sas Viya

Über diesen Kurs

Dozenten

Jeff Thompson

Catherine Truxillo

von

SAS

Lehrplan - Was Sie in diesem Kurs lernen werden

Course Overview

Getting Started with Machine Learning using SAS® Viya

Data Preparation and Algorithm Selection

Decision Trees and Ensembles of Trees

Neural Networks

Support Vector Machines

Model Deployment

Additional Resources and Practice Exam

Bewertungen

Top-Bewertungen von MASCHINELLES LERNEN MITTELS SAS VIYA

Häufig gestellte Fragen

Starten oder fördern Sie Ihre Karriere

Beliebte Themen durchsuchen

Beliebte Kurse und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr

Maschinelles Lernen mittels Sas Viya

Maschinelles Lernen mittels Sas Viya

Über diesen Kurs

Dozenten

Jeff Thompson

Catherine Truxillo

von

SAS

Lehrplan - Was Sie in diesem Kurs lernen werden

Course Overview

Getting Started with Machine Learning using SAS® Viya

Data Preparation and Algorithm Selection

Decision Trees and Ensembles of Trees

Neural Networks

Support Vector Machines

Model Deployment

Additional Resources and Practice Exam

Bewertungen

Top-Bewertungen von MASCHINELLES LERNEN MITTELS SAS VIYA

Häufig gestellte Fragen

Coursera Footer

Starten oder fördern Sie Ihre Karriere

Beliebte Themen durchsuchen

Beliebte Kurse und Artikel

Abschluss oder Zertifikat online erwerben

Coursera

Community

Mehr