Minería de datos / Machine Learning
Descargar como PPTX, PDF1 recomendación2,181 vistas
El documento aborda la minería de datos y machine learning en SQL Server y Azure Machine Learning, destacando sus capacidades, herramientas y tipos de aprendizaje. Se presentan definiciones clave, como aprendizaje supervisado y no supervisado, además de una variedad de escenarios de aplicación. También se mencionan próximos eventos y oportunidades de voluntariado en la comunidad SQL PASS.
Minería de datos / Machine Learning
- 1. Minería de datos / Machine Learning 30 de Setiembre 2015 (12 pm GMT -5) Andrei Garzon Resumen: Al empezar a hablar de ciencia de datos se vuelven comunes las palabras minería de datos y machine learning. En esta sesión se presentarán las capacidades de minería de datos en SQL Server y las posibilidades que nos ofrece Azure Machine Learning.. Está por comenzar: Moderador: Carlos Ulate Próximos Eventos 14 de Octubre Guillermo Taylor SQL Server 2016 Strech Database desde cada ángulo 07 de Octubre Kenneth Ureña SQL Server 2016: Row Level Security 21 de Octubre Carlos Ulate Prácticas recomendadas para SQL Server en Microsoft Azure
- 2. Manténgase conectado a nosotros! Visítenos en http://globalspanish.sqlpass.org /SpanishPASSVC lnkd.in/dtYBzev /user/SpanishPASSVC /SpanishPASSVC
- 3. 3
- 4. 4 Oportunidades de Voluntariado PASS no pudiera existir sin personas apasionadas y dedicadas de todas partes del mundo que dan de su tiempo como voluntarios. Se un voluntario ahora!! Para identificar oportunidades locales visita volunteer.sqlpass.org Recuerda actualizar tu perfil en las secciones de “MyVolunteering” y MyPASS para mas detalles.
- 5. Sigan Participando! • Obtén tu membresía gratuita en sqlpass.org • Linked In: http://www.sqlpass.org/linkedin • Facebook: http://www.sqlpass.org/facebook • Twitter: @SQLPASS • PASS: http://www.sqlpass.org
- 6. Minería de datos / Machine Learning 30 de Setiembre de 2015 Andrei Garzon MCT, MCSE, MCSA @andreigarzon http://andreigarzon.wordpress.com Moderador: Carlos Ulate
- 9. Definiciones Machine Learning (Aprendizaje automático) • Permitir que las máquinas (computadoras) aprendan utilizando ejemplos Minería de datos • Descubrir patrones en los datos • Utiliza técnicas de Machine Learning
- 12. Tipos de Aprendizaje Aprendizaje Supervisado • Conozco las respuestas • Entreno el modelo con las respuestas conocidas • Verifico los resultados del modelo con las respuestas conocidas • Publico el modelo para predecir nuevos datos
- 13. Tipos de Aprendizaje Aprendizaje no Supervisado • No conozco las respuestas • Generalmente agrupaciones
- 14. Técnicas Classification Regression Clustering Anomaly Detection
- 15. Herramientas SQL Server Data Mining • Desde SQL Server 2000 • Cliente en Excel (2007, 2010, 2013) • Datos Locales Azure Machine Learning • Entorno web • Datos en Azure
- 16. Minería de Datos
- 17. Machine Learning
- 18. Resumen • SQL Server DM • Requiere SSAS • Datos locales • Fácil consumo desde Excel • 9 algoritmos • Consumo principalmente en batch 12/9/2015 | SQL Saturday #448 – Bogotá, Colombia3 | • Azure ML • Fácil despliegue • Datos Azure • Interfaz Web • Algoritmos predefinidos • Permite Extensibilidad (R, Phyton) • Consumo en batch o web service
- 19. SQL Server 2016 Strech Database desde cada ángulo 07 de Octubre (12 pm GMT -5) Kenneth Ureña Resúmen: En esta charla se hablara Strech Database en SQL Server 20016. Próximo Evento
Notas del editor
- #15: Train model on training set. Attempt to score items in Test set. Evaluate effectiveness of trained model; comparing scored test set against known answers. Why not include everything in the training set to maximize training? Because having the ability to test the algorithm is important. If scored too well, is there something inaccurate about the training scenario (may include leading attributes, such as credits towards graduation when predicting graduation rates)