介紹
金融、醫(yī)療、制藥、汽車、航空、制造業(yè)的預測分析
大數(shù)據概念概述
從不同的來源獲取數(shù)據
什么是數(shù)據驅動的預測模型?
統(tǒng)計和機器學習技術概述
案例分析:預測性維護和資源規(guī)劃
使用Hadoop和Spark將算法應用于大型數(shù)據集
預測性分析工作流程
訪問和探索數(shù)據
預處理數(shù)據
開發(fā)一個預測模型
培訓、測試、驗證數(shù)據集
應用不同的機器學習方法(時間序列回歸、線性回歸等)
將模型集成到現(xiàn)有的Web應用程序、移動設備、嵌入式系統(tǒng)等
Matlab和Simulink與嵌入式系統(tǒng)和企業(yè)IT工作流程的集成
從MATLAB代碼創(chuàng)建可移植的C和C ++代碼
將預測性應用程序部署到大型生產系統(tǒng)、群集和云
根據您的分析結果采取行動
后續(xù)步驟:使用指導性分析(Prescriptive Analytics)自動響應調查結果 |