深入五大應用主題，全面掌握 Modeler 功能
本課程透過簡單的應用場景並以系統性的方式位學員介紹 IBM SPSS Modeler 重要且常用的功能，課程共包含五大主題：
- 資料科學建模導論。以 CHAID 決策樹模型為例，讓學員快速進入機器學習建模的世界，包含：資料前置處理、建立與檢視模型、評估模型準確性、以及如何使用新的資料進行預測與評分。
- 整合學習 (Ensemble Learning)。使用 SPSS Modeler 的 Auto Classifier 節點從多個二元分類模型中快速建立出一個整合式的模型，這個模型將依據過去客戶對於行銷方案的回應（是否接受）預測未來的潛在客戶是否會接受相同的優惠方案。
- 連續型目標變數預測。使用 SPSS Modeler 的 Auto Numeric 節點，同樣運用整合學習的技術從多組演算法（例如類神經網路、決策樹、線性回歸、SVM 等）中快速建立出一個整合式的連續型目標變數預測模型。
- 自動化資料前置處理。使用 SPSS Modeler 的 Auto Data Prep 節點，分析訓練資料集並識別修正、篩選出有問題或可能無效的欄位、在適當時衍生新的變數，以及透過智慧型篩選技術來增進模型預測效能。
- 資料視覺化圖形分析。藉由一個醫學研究人員使用資料科學技術來找出哪種藥物可能適合未來患有相同疾病的患者的情境，說明 SPSS Modeler 內建豐富地的 Exploratory Graphs 功能。
