Jednodenní kurz Text Mining je určen těm, kteří se zajímají o možnosti získávání a vyhodnocování informací z textových dokumentů, nejčastěji z webových zdrojů, ale i ze souboru textových dokumentů nebo různých databází. Cílem kurzu je ukázat možnosti, jak pracovat s vágními textovými informacemi a jak z nich získat užitečnou informaci pro další zpracování a rozhodování. Využití Text Miningu lze spatřovat například v oblasti sledování trendů technologického vývoje, vyhodnocování konkurence, zákaznické vnímání vlastní společnosti apod.

Cílová skupina

• Analytici, datoví specialisté či statistici, kteří chtějí využít informace v datech ve formě nestrukturovaného textu.

Cíle kurzu

• Ukázat, jak a čím může být metodologie Text Miningu přínosná.
• Pochopit, jak může v úlohách Text Miningu přispět software TIBCO Statistica.
• Ukázat si, jaké všechny možnosti a nastavení lze použít.
• Vysvětlit si pojmy, které se běžně v souvislosti s Text Miningem vyskytují.
• Naučit se, jak využít získanou informaci ve formě indexového souboru pro další analýzy.

Osnova

Úvod

• Základní informace o softwaru TIBCO Statistica
• Výukové zdroje pro software a možnosti nápovědy
• Seznámení s prostředím TIBCO Statistica
• Načtení dat, různé typy výstupů, získání dat z databáze
• Možnosti grafických výstupů

Účel, princip a zdroje Text Miningu

Nastavení podmínek pro prohledávání a nastavení filtrů

• Výběr jazyka, zastoupení slov, atd.
• Nastavení frází, povolených a zakázaných slov, synonym
• Nastavení délky slov, max. počet souhlásek, povolených znaků, atd.

Vytvoření a práce s indexovým souborem a frekvenční maticí

Výběr významných příznaků (prediktorů) pro klasifikační úlohu

Klasifikace

• Klasifikační stromy
• Metody strojového učení
• Neuronové sítě

Shluková analýza nad získanými daty

Předpoklady účastníka

• Běžná obsluha počítače v prostředí Windows

Navazující kurzy

Logickým navázáním na kurz je detailní vysvětlení metodologie, jak používat výsledky z textminingové analýzy.

Vhodnými tedy mohou být kurzy:

• Data Mining
• Neuronové sítě
• Klasifikační a regresní stromy

Certifikace

• Účastník získá certifikát o absolvování kurzu

Délka kurzu

• 1 dny (1x 6h)

Pozn: Jednotlivé příklady v průběhu kurzu jsou procvičovány v anglické verzi softwaru Statistica.