Rudarenje podataka je sustavno pretraživanje velikih skupova podataka u potrazi za obrascima, odnosima i anomalijama. Koristi statističke tehnike i metode strojnog učenja poput klasteriranja, klasifikacije ili analize asocijacija. Klasičan primjer je analiza košarice u maloprodaji, koja pokazuje koji se proizvodi često kupuju zajedno – temelj za asortiman, raspored i preporuke.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoPrepoznavanje uzoraka automatsko je utvrđivanje pravilnosti, struktura ili ponavljajućih obilježja u podacima poput slika, zvukova, tekstova ili mjerenja. Sustavi nova opažanja razvrstavaju u poznate kategorije ili otkrivaju skupine bez unaprijed zadanih oznaka. Primjene uključuju prepoznavanje lica, prepoznavanje rukopisa, kontrolu kvalitete u proizvodnji i uočavanje neobičnih transakcija. Ta je disciplina važna osnova strojnog učenja.
Klasteriranje je metoda nenadziranog učenja koja dijeli podatkovne točke u skupine prema njihovoj sličnosti, bez unaprijed definiranih kategorija. Otkriva obrasce koje nitko prije nije imenovao – primjerice segmente kupaca sa sličnim kupovnim ponašanjem. Kod tekstova klasteriranje pomaže razvrstati stotine upita kupaca u teme kao što su isporuka, naplata ili pritužbe i pokazuje gdje je težište.
Prediktivna analitika koristi povijesne podatke, statistiku i strojno učenje za procjenu vjerojatnih budućih događaja. Odgovara na pitanja poput: koji klijenti namjeravaju otkazati? Koliko će zaliha biti potrebno sljedeći mjesec? Kada će vjerojatno otkazati neki stroj? Rezultati su vjerojatnosti, a ne sigurnosti. Njihova vrijednost uvelike ovisi o kvaliteti podataka i o tome ulaze li predviđanja doista u odluke i procese.
Eksplorativna analiza podataka (EDA) prvi je, otvoreni pogled na skup podataka: računaju se sažete brojke, ispituju distribucije i grafikoni te traže obrasci, odstupanja i nedostajuće vrijednosti – još bez čvrste hipoteze. Pomaže procijeniti kvalitetu podataka i pronaći smislena pitanja za daljnju analizu ili modeliranje. Primjer: prije prognoze prodaje EDA otkriva da je jedan mjesec zbog migracije sustava nepotpuno evidentiran.
