Szybkie wprowadzenie do eksploracji danych z pakietem Weka
1. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Weka – szybkie wprowadzenie
Lukasz Kobyli´nski
Sages sp. z o.o.
Instytut Podstaw Informatyki PAN
Sages Weka – szybkie wprowadzenie 1 / 49
2. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Plan
1 Wprowadzenie
2 Praca z pakietem Weka
3 Eksploracja danych
4 Rozszerzanie pakietu i aspekty integracji
Sages Weka – szybkie wprowadzenie 2 / 49
4. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Czym jest Weka?
Weka to pakiet, zawierajacy implementacje wielu
algorytm´ow, slu˙zacych do eksploracji danych.
ponad 80 metod klasyfikacji, regresji, grupowania, doboru
atrybut´ow,
podstawowe wsparcie dla odkrywania regul asocjacyjnych,
inne algorytmy dostepne w postaci wtyczek,
napisana w Javie,
udostepnia zar´owno interfejs okienkowy, jak i programistyczny,
istnieje mo˙zliwo´s´c integracji z innymi systemami analizy
danych.
Licencja: Weka udostepniana jest na licencji GPL 3.0. Projekty
zbudowane na podstawie Weki musza by´c udostepnione razem z
kodem ´zr´odlowym.
Sages Weka – szybkie wprowadzenie 4 / 49
5. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Czym jest eksploracja danych?
Eksploracja danych to proces odkrywania ukrytych informacji
w danych.
https://visualisingadvocacy.org/blog/disinformation-visualization-how-lie-datavis
Sages Weka – szybkie wprowadzenie 5 / 49
6. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Ewolucja podej´s´c do analizy danych
Zbieranie danych (Data Collection)
Jaki byl laczny przych´od mojej firmy w ciagu ostatnich 5 lat?
Dostep do danych (Data Access)
Jaki byl przych´od oddzialu malopolskiego w marcu ostatniego roku?
Hurtownie danych (Data Warehousing)
Jaki byl przych´od oddzialu malopolskiego w marcu ostatniego roku? Jaka
cze´s´c stanowil Krak´ow?
Eksploracja danych (Data Mining)
Jak bedzie sie ksztaltowa´c sprzeda˙z w Krakowie w kolejnym miesiacu?
Dlaczego?
Du˙ze Dane (Big Data)
Jakie wzorce zachowa´n mo˙zna zauwa˙zy´c u naszych klient´ow on-line?
Sages Weka – szybkie wprowadzenie 6 / 49
7. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Typowe zastosowania
Analiza danych finansowych
jakie sa trendy wynik´ow sprzeda˙zy?
Analiza danych o klientach
kt´orzy klienci sa kluczowi z punktu widzenia firmy,
kt´ore produkty beda sie sprzedawa´c w przyszlym roku?
Sages Weka – szybkie wprowadzenie 7 / 49
8. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Typowe zastosowania
Analiza danych finansowych
jakie sa trendy wynik´ow sprzeda˙zy?
Analiza danych o klientach
kt´orzy klienci sa kluczowi z punktu widzenia firmy,
kt´ore produkty beda sie sprzedawa´c w przyszlym roku?
Sages Weka – szybkie wprowadzenie 7 / 49
9. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Typowe zastosowania (2)
Analiza danych tekstowych
do jakiej kategorii mo˙zna zaklasyfikowa´c ten email?
czy ta recenzja produktu ma wyd´zwiek pozytywny, czy
negatywny?
jaka opinie ma ten polityk na Twitterze?
Sages Weka – szybkie wprowadzenie 8 / 49
10. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Typowe zastosowania (3)
Analiza obraz´ow
kto z moich znajomych jest widoczny na tych zdjeciach?
w jakim wieku i jakiej plci sa ci ludzie?
Sages Weka – szybkie wprowadzenie 9 / 49
11. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Architektura pakietu
Weka to ´srodowisko uruchomieniowe metod uczenia
maszynowego i implementacje poszczeg´olnych algorytm´ow
Weka Core
algorytmy
Classifiers
Clusterers
Associations
Filters
Attribute Selection
Wtyczki
Sages Weka – szybkie wprowadzenie 10 / 49
12. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Sposoby pracy z pakietem
Explorer – eksploracyjna analiza danych, interfejs zakladek, kt´ore
odpowiadaja kolejnym etapom analizy danych,
Sages Weka – szybkie wprowadzenie 11 / 49
13. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Sposoby pracy z pakietem
KnowledgeFlow – graficzna reprezentacja procesu przetwarzania
danych w postaci widget´ow i polacze´n miedzy nimi,
Sages Weka – szybkie wprowadzenie 11 / 49
14. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Sposoby pracy z pakietem
Experimenter – umo˙zliwia uruchamianie wieloetapowych lub
wielokrotnie powtarzanych eksperyment´ow.
Sages Weka – szybkie wprowadzenie 11 / 49
15. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Sposoby pracy z pakietem
Weka udostepnia r´ownie˙z interfejs wiersza linii polece´n
Wiersz polece´n
java -Xmx1024m weka.classifiers.trees.J48 -t
data.arff -i -k -d J48-data.model
oraz interfejs programistyczny
Interfejs programistyczny
import weka.core.converters.ConverterUtils.DataSource;
...
DataSource source = new DataSource(”/some/where/data.arff”);
Instances data = source.getDataSet();
// setting class attribute if the data format does not provide this information
// For example, the XRFF format saves the class attribute information as well
if (data.classIndex() == -1)
data.setClassIndex(data.numAttributes() - 1);
Sages Weka – szybkie wprowadzenie 11 / 49
16. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Skad uzyska´c informacje?
Dokumentacja i Wiki
http://www.cs.waikato.ac.nz/ml/weka/documentation.html
http://weka.wikispaces.com/
http://wiki.pentaho.com/display/DATAMINING/Pentaho+Data+
Mining+Community+Documentation
Ksia˙zka
http://www.cs.waikato.ac.nz/ml/
weka/book.html
Sages Weka – szybkie wprowadzenie 12 / 49
18. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Przygotowanie danych do analizy
Jakie dane mo˙ze analizowa´c Weka?
dane musza by´c ustrukturyzowane,
format tabelaryczny ze ´sci´sle typowanymi kolumnami,
domy´slnym formatem jest ARFF (lub XRFF), istnieje
mo˙zliwo´s´c ladowania innych typ´ow (np. CSV),
ARFF – pozwala na oznaczanie danych brakujacych,
ARFF – pozwala na zapisywania danych rzadkich (sparse
data),
istnieje mo˙zliwo´s´c odczytu/zapisu z bazy danych.
Sages Weka – szybkie wprowadzenie 14 / 49
19. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Format danych ARFF
Podstawowy format zapisu danych w Wece
– Attribute-Relation File Format – zbli˙zony do CSV, z
dodatkowymi metadanymi.
Nagl´owek
% 1. Title: Iris Plants Database
@RELATION iris
@ATTRIBUTE sepallength REAL
@ATTRIBUTE sepalwidth REAL
@ATTRIBUTE petallength REAL
@ATTRIBUTE petalwidth REAL
@ATTRIBUTE class {Iris-setosa,Iris-versicolor,
Iris-virginica}
Sages Weka – szybkie wprowadzenie 15 / 49
20. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Format danych ARFF
Dane
@DATA
5.1,3.5,1.4,0.2,Iris-setosa
4.9,3.0,1.4,0.2,Iris-setosa
4.7,3.2,1.3,0.2,Iris-setosa
7.0,3.2,4.7,1.4,Iris-versicolor
6.9,3.1,4.9,1.5,Iris-versicolor
5.5,2.3,4.0,1.3,Iris-versicolor
6.3,3.3,6.0,2.5,Iris-virginica
5.8,2.7,5.1,1.9,Iris-virginica
6.3,?,5.6,?,Iris-virginica
Znak ? oznacza dane brakujace.
Sages Weka – szybkie wprowadzenie 16 / 49
21. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Format danych ARFF
Dostepne typy danych
numeric
integer (=numeric)
real (=numeric)
<nominal-specification >
string
date [<date-format>]
Na przyklad:
@ATTRIBUTE timestamp DATE ”yyyy-MM-dd HH:mm:ss”
@DATA
”2001-04-03 12:12:12”
Sages Weka – szybkie wprowadzenie 17 / 49
22. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Format danych ARFF
Typ relational
@attribute molecule_name {MUSK-jf78,...,NON-MUSK-199}
@attribute bag relational
@attribute f1 numeric
...
@attribute f166 numeric
@end bag
@attribute class {0,1}
...
MUSK-188,"42,...,30",1
Sages Weka – szybkie wprowadzenie 18 / 49
23. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Format danych ARFF – dane rzadkie
Zamiast
@data
0, X, 0, Y, "class A"
0, 0, W, 0, "class B"
Mo˙zliwy jest zapis:
@data
{1 X, 3 Y, 4 "class A"}
{2 W, 4 "class B"}
Sages Weka – szybkie wprowadzenie 19 / 49
24. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Dostep do bazy danych
Dostep do baz danych realizowany poprzez sterowniki JDBC
Konieczne jest:
pobranie odpowiedniego sterownika JDBC dla danej bazy,
skopiowanie pliku DatabaseUtils.props z weka.jar
(weka/experiment) do $WEKA HOME/props (domy´slnie:
$HOME/wekafiles)
edycja pliku DatabaseUtils.props i:
wskazanie ´scie˙zki do pliku sterownika,
podanie adresu URL do polaczenia z baza.
Na przyklad (DatabaseUtils.props.mysql):
jdbcDriver=org.gjt.mm.mysql.Driver
jdbcURL=jdbc:mysql://server name:3306/database name
Sages Weka – szybkie wprowadzenie 20 / 49
26. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Eksploracja danych
Jakie zadania eksploracji danych mo˙zna realizowa´c za
pomoca Weki?
Klasyfikacja i regresja
Grupowanie
Odkrywanie regul asocjacyjnych
Ograniczanie i transformacja przestrzeni atrybut´ow
Wizualizacja danych
Sages Weka – szybkie wprowadzenie 22 / 49
27. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Klasyfikacja – przyklad
Ocena zdrowia pacjenta – wykonujemy badania diagnostyczne i
ankiete
ci´snienie krwi (liczba)
poziom cukru (liczba)
wystepowanie chor´ob serca w rodzinie (warto´s´c binarna)
wiek (liczba)
ple´c (M/K)
Na tej podstawie decydujemy, czy wysla´c pacjenta na badania
szczeg´olowe (podejrzenie choroby).
Sages Weka – szybkie wprowadzenie 23 / 49
28. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Klasyfikacja – przyklad
Ocena zdrowia pacjenta – wykonujemy badania diagnostyczne i
ankiete
ci´snienie krwi (liczba) – wysokie
poziom cukru (liczba) – wysoki
wystepowanie chor´ob serca w rodzinie (warto´s´c binarna) – tak
wiek (liczba) – 50
ple´c (M/K) – M
Na tej podstawie decydujemy, czy wysla´c pacjenta na badania
szczeg´olowe (podejrzenie choroby).
Skierowa´c na badania diagnostyczne.
Sages Weka – szybkie wprowadzenie 23 / 49
29. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Grupowanie – przyklad
Segmentacja klient´ow – czy w´sr´od naszych klient´ow mo˙zna
wyr´o˙zni´c rozlaczne grupy, np. wg takich parametr´ow jak wierno´s´c
marce/wra˙zliwo´s´c na ceny lub warto´sci zakup´ow/czestotliwo´s´c
wizyt.
http://www.select-statistics.co.uk/article/blog-post/customer-segmentation
Sages Weka – szybkie wprowadzenie 24 / 49
30. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Klasyfikacja i grupowanie – ujecie formalne
Zadanie klasyfikacji Na podstawie obserwacji wej´sciowych X i
zbioru etykiet kategorii Y = y1, y2, . . . , yn zwr´o´c przewidywana
kategorie y ∈ Y .
Uczenie z nadzorem Posiadamy zbi´or treningowy o N elementach,
w kt´orym ka˙zdy element ma przypisana wzorcowa etykiete klasy:
(d1, c1), . . . , (dn, cn). Klasyfikacja: naszym celem jest nauczy´c sie
na podstawie tych danych mapowania nowego zbioru d na c ∈ C.
Regresja: c jest ciagle.
Uczenie bez nadzoru Posiadamy zbi´or danych o N elementach,
bez ˙zadnych dodatkowych informacji na temat przypisanych
kategorii. Grupowanie: naszym zadaniem jest znale´z´c wzorce w
samych danych i nauczy´c sie dzieli´c obserwacje na rozlaczne grupy.
Sages Weka – szybkie wprowadzenie 25 / 49
34. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Odkrywanie regul asocjacyjnych – definicja formalna
Baza D jest zbiorem transakcji, D = {T1, T2, . . . , Tn}, gdzie ka˙zda
transakcja T jest niepustym zbiorem element´ow z przestrzeni
obiekt´ow, T ⊆ I, I = {i1, i2, . . . , im}.
Reguly asocjacyjne maja forme implikacji pomiedzy dwoma
zbiorami element´ow: X i Y , gdzie X, Y ∈ I i X ∩ Y = ∅:
R : X → Y . (1)
Wsparcie reguly to liczba
transakcji T w bazie D, kt´ore
zawieraja jednocze´snie X i Y :
supp(R) = |DX∪Y |. (2)
Pewno´s´c reguly to stosunek
liczby T, kt´ore zawieraja lacznie
X i Y do liczby T, kt´ore
zawieraja jedynie X:
conf (R) =
|DX∪Y |
|DX |
. (3)
Sages Weka – szybkie wprowadzenie 27 / 49
35. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Przeksztalcenia przestrzeni atrybut´ow
Problem: dane liczbowe w postaci ciaglej
Jak zastosowa´c na przyklad algorytmy drzewiaste?
Dyskretyzacja
Sages Weka – szybkie wprowadzenie 28 / 49
36. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Ograniczanie przestrzeni atrybut´ow – przyklad
W wielu zastosowaniach przestrze´n atrybut´ow analizowanych
danych jest bardzo du˙za. Przyklad: reprezentacja bag of words
Przetwarzanie jezyka naturalnego
Ala kot mie´c . . . plot
0 1 0 . . . 1
Analiza obraz´ow
barwa1 tekstura1 barwa2 . . . teksturan
0 1 0 . . . 1
Potencjalnie tysiace+ atrybut´ow.
Sages Weka – szybkie wprowadzenie 29 / 49
37. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Ograniczanie przestrzeni atrybut´ow
Statystyczne metody oszacowania istotno´sci atrybut´ow w
procesie eksploracji danych
InfoGainAttributeEval – przyrost informacji w stosunku do
klasy,
CfsSubsetEval – warto´s´c podzbioru atrybut´ow ze wzgledu na
mo˙zliwo´s´c przewidywania klasy oraz korelacje z innymi
atrybutami w podzbiorze,
analiza gl´ownych skladowych (Principal Components
Analysis).
Sages Weka – szybkie wprowadzenie 30 / 49
39. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Tryb Experimenter
Zalety trybu Experimenter
latwo´s´c por´ownywania wynik´ow dla r´o˙znych algorytm´ow, ich
parametr´ow i dla r´o˙znych zbior´ow danych,
umo˙zliwia lepsza analize wynik´ow, ni˙z Explorer,
rezultat serii eksperyment´ow mo˙zna zapsa´c do pliku lub bazy
danych,
wiele schemat´ow ewaluacji,
testy istotno´sci statystycznej.
Sages Weka – szybkie wprowadzenie 32 / 49
40. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Tryb KnowledgeFlow
Zalety trybu KnowledgeFlow
intuicyjny, wizualny interfejs drag-and-drop,
nieco wieksze mo˙zliwo´sci, ni˙z Explorer,
pozwala tworzenie schemat´ow przeplywu danych miedzy
modulami,
schematy moga by´c zapisywane i wykorzystywane w
przyszlo´sci.
Sages Weka – szybkie wprowadzenie 33 / 49
41. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Rozszerzanie pakietu i aspekty integracji
Sages Weka – szybkie wprowadzenie 34 / 49
43. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Przetwarzanie du˙zych zbior´ow danych
Mo˙zliwe rozwiazania
przyrostowe uczenie klasyfikator´ow – musza implementowa´c
interfejs UpdateableClassifier:
HoeffdingTree, IBk, KStar, LWL,
MultiClassClassifierUpdateable, NaiveBayesMultinomialText,
NaiveBayesMultinomialUpdateable, NaiveBayesUpdateable,
SGD, SGDText,
wykorzystanie wtyczki massiveOnlineAnalysis i pakietu MOA,
kt´ory zawiera algorytmy przystosowane do przetwarzania
du˙zych zbior´ow lub strumieni danych,
wykorzystanie wtyczek pozwalajacych na integracje z
Hadoopem lub Sparkiem (distributedWekaBase, Hadoop,
Spark).
Sages Weka – szybkie wprowadzenie 36 / 49
44. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Wykorzystanie algorytm´ow w kodzie aplikacji
Zaladowanie danych z pliku ARFF
import weka.core.converters.ConverterUtils.DataSource;
...
DataSource source = new DataSource("data.arff");
Instances data = source.getDataSet();
Wykorzystanie filtru
Standardize filter = new Standardize();
filter.setInputFormat(train);
Instances newTrain = Filter.useFilter(train, filter);
Sages Weka – szybkie wprowadzenie 37 / 49
45. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Wykorzystanie algorytm´ow w kodzie aplikacji
Uczenie klasyfikatora
import weka.classifiers.trees.J48;
...
String[] options = new String[1];
options[0] = "-U"; // unpruned tree
J48 tree = new J48(); // new instance of tree
tree.setOptions(options); // set the options
tree.buildClassifier(data); // build classifier
Ewaluacja klasyfikatora
import weka.classifiers.Evaluation;
import java.util.Random;
...
Evaluation eval = new Evaluation(newData);
eval.crossValidateModel(tree, newData, 10, new Random(1
Sages Weka – szybkie wprowadzenie 38 / 49
46. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Rozszerzanie Weki o wlasne implementacje
algorytm´ow
Sages Weka – szybkie wprowadzenie 39 / 49
47. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Rozszerzanie Weki o wlasne implementacje
algorytm´ow
Rozszerzanie odpowiednich klas API Weki – Filter
import weka.core.*;
import weka.core.Capabilities.*;
import weka.filters.*;
public class SimpleBatch
extends SimpleBatchFilter {
public String globalInfo() {
return "A simple batch filter that adds an
"additional attribute ’bla’ at the end "
+ "containing the index of the processed instance."
}
Sages Weka – szybkie wprowadzenie 40 / 49
48. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Rozszerzanie Weki o wlasne implementacje
algorytm´ow
Rozszerzanie odpowiednich klas API Weki – Filter (2)
public Capabilities getCapabilities() {
Capabilities result = super.getCapabilities();
result.enableAllAttributes();
result.enableAllClasses();
result.enable(Capability.NO_CLASS);
return result;
}
protected Instances determineOutputFormat(Instances
inputFormat) {
Instances result = new Instances(inputFormat, 0);
result.insertAttributeAt(new Attribute("bla"),
result.numAttributes());
return result;
}
Sages Weka – szybkie wprowadzenie 41 / 49
49. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Rozszerzanie Weki o wlasne implementacje
algorytm´ow
Rozszerzanie odpowiednich klas API Weki – Filter (2)
protected Instances process(Instances inst) {
Instances result
= new Instances(determineOutputFormat(inst), 0);
for (int i = 0; i < inst.numInstances(); i++) {
double[] values = new double[result.numAttributes()];
for (int n = 0; n < inst.numAttributes(); n++)
values[n] = inst.instance(i).value(n);
values[values.length - 1] = i;
result.add(new Instance(1, values));
}
return result;
}
Sages Weka – szybkie wprowadzenie 42 / 49
50. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Integracja z innymi systemami analizy danych
Inne systemy analizy danych moga r´ownie˙z korzysta´c z
implementacji algorytm´ow w Wece:
R – z wykorzystaniem paczki RWeka,
Python – z wykorzystaniem
http://pythonhosted.org/python-weka-wrapper/,
Octave – za pomoca wsparcia dla kodu Java, wbudowanego w
system,
Hadoop – za pomoca wtyczek distributedWekaBase
(obliczenia rozproszone) i distributedWekaHadoop
(implementacja Hadoopa).
Sages Weka – szybkie wprowadzenie 43 / 49
51. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Inne narzedzia z obszaru analityki
i eksploracji danych
Sages Weka – szybkie wprowadzenie 44 / 49
52. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Inne narzedzia z obszaru analityki
i eksploracji danych
Sages Weka – szybkie wprowadzenie 44 / 49
53. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Co dalej?
Data Warehousing
tworzenie system´ow do raportowania i analizy danych
problemy integracji, tranformacji i ladowania danych
np. Pentaho
Sages Weka – szybkie wprowadzenie 45 / 49
54. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Co dalej?
Data Science
analiza danych: analiza statystyczna, eksploracja danych,
uczenie maszynowe
pakiety specjalizowane lub biblioteki powiazane z jezykami
programowania
np. R, RStudio, Python z bibliotekami (numpy, scipy,
matplotlib)
Sages Weka – szybkie wprowadzenie 46 / 49
55. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Co dalej?
Data Science
analiza danych: analiza statystyczna, eksploracja danych,
uczenie maszynowe
pakiety specjalizowane lub biblioteki powiazane z jezykami
programowania
np. R, RStudio, Python z bibliotekami (numpy, scipy,
matplotlib)
Sages Weka – szybkie wprowadzenie 46 / 49
56. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Co dalej?
Big Data
analiza i przetwarzanie du˙zych danych, rzedu terabajt´ow
nowe podej´scia algorytmiczne i rozwiazania sprzetowe
np. Hadoop, Spark
Sages Weka – szybkie wprowadzenie 47 / 49
57. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Co dalej?
Czym sie r´o˙zni szkolenie od warsztatu?
mamy wiecej czasu,
praca indywidualna z ka˙zda osoba (grupy 4–8 osobowe),
doglebny przeglad zgadnienia + praktyczne problemy w formie
zada´n,
program dostosowany do oczekiwa´n grupy.
Sages Weka – szybkie wprowadzenie 48 / 49
58. Wprowadzenie Weka Eksploracja danych Rozszerzenia
Dzieki za wsp´olna prace!
Pytania?
Slack: stacjait.slack.com
E-mail: l.kobylinski@sages.com.pl
Sages Weka – szybkie wprowadzenie 49 / 49