Leçon 1. Concepts et méthodes d'installation de KNIME

1. Qu'est-ce que KNIME 010 ?
2. Installation de la plateforme KNIME Analytics (Windows) 011
2.1 Lancement initial et configuration de l'environnement 020
3. Installation de l'extension KNIME 022
4. Installation de l'extension KNIME (hors ligne) 025

Leçon 2. Plateforme d'analyse KNIME

1. Configuration de l'écran d'accueil de la plateforme KNIME Analytics 030
1.1 Création d'un flux de travail 031
1.2 Vérification du flux de travail existant (espace local) 033
2. Configuration de l'écran 034 de la plateforme KNIME Analytics
2.1 Accédez à l'écran d'accueil 036
2.2 Menu en haut à droite (Menu/Aide) 037
2.3 Barre d'outils de flux de travail 039
2.4 Information 039
2.5 Nœuds 041
2.6 Explorateur spatial 044
2.7 Assistant IA 045
Moniteur 2.8 045
2.9 Éditeur de flux de travail 046
2.10 Tableau 046
3.
Nœud 048
3.1 Nœud Port 048
3.2 État du nœud 049
3.3 Exécution du nœud et vérification des résultats 050
4. KNIME AI 052
4.1 Installation de K-AI Assistant 052
4.2 KNIME AI Assistant [Questions et réponses] 056
4.3 KNIME AI Assistant [Build] · 060
4.4 Questions et réponses par rapport à la version 063

Leçon 3. Exercices de prétraitement des données KNIME

1.
Importation de données 070
1.1 Importation de fichiers CSV 070
1.2 Importation de fichiers Excel 071
2.
Fusion de données (JOINTURE) 073
3.
Manipulation de colonne 076
3.1 Division de colonne 076
3.2 Filtrage des colonnes 078
3.3 Modifier le nom de la colonne 079
3.4 Modifier l'ordre des colonnes 082
4.
Gestion des valeurs manquantes 084
5.
Conversion de données 087
5.1 Encodage des données 087
5.2 Manipulation des données 090
5.3 Formule mathématique 092
6.
Agrégation et visualisation des données 095
6.1 Agrégation des données 095
6.2 Traitement décimal des données 098
6.3 Tri des données 100
6.4 Visualisation par diagramme à barres : notions de base

Demi-finales.
Pratique de l'analyse de données

1.
Importation des données 109
1.1 Importation de fichiers CSV 109
1.2 Importation de fichiers Excel 110
2.
Fusion de données (JOINTURE) 112
2.1 Ajout (fusion) de données 112
3.
Prétraitement des données 119
3.1 Gestion des valeurs manquantes 119
3.2 Renommage des colonnes 122
3.3 Modification de l'ordre des colonnes 124
4.
Création de fonctionnalités 127
4.1 Formule mathématique 127
4.2 Gestion des données décimales 129
4.3 Codage One-Hot 131
4.4 Encodage des étiquettes 133
4.5 Valeurs aberrantes numériques : 135
4.6 Analyse des données 138
4.7 Partitionnement 140
4.8 Régression linéaire Apprentissage 142
4.9 Prédicteur de régression 144
4.10 Score numérique 145

Leçon 5. KNIME Business Hub et Afterburner

1. Présentation de KNIME Business Hub 151
1.1 Collaboration et gestion de projet 152
1.2 Exécution et test du flux de travail 152
1.3 Applications de données, planifications et services API 152
1.4 Contrôle des versions et suivi des modifications 152
1.5 Gestion intégrée de l'infrastructure d'exécution 153
2. Portail KNIME Afterburner 153
3.
Spécifications et fonctionnalités du serveur Business Hub 156
3.1 Conditions d'installation 156
3.2 Exigences d'installation 157
3.3 Fonction 159
4. Système d'autorisation KNIME Business Hub 160
5.
Support de source de données 161

En conclusion 164

Flux de travail visuel intuitif

Conception intuitive et visuelle du flux de travail grâce à la fonction glisser-déposer

Prétraitement des données et visualisation EDA

Analyse exploratoire des données (AED) à l'aide de divers tableaux et graphiques

Prise en charge intégrée de la science des données, de l'apprentissage automatique et du MLOps

Prise en charge de la collecte, de l'analyse, de la modélisation, de l'apprentissage automatique et de l'apprentissage profond grâce à plus de 4 000 nœuds.
Mise en œuvre d'un pipeline MLOps de bout en bout englobant le prétraitement des données, l'entraînement, l'évaluation et le déploiement.

Fonctionnalités d'IA de KNIME

Fournit des fonctions de recherche de nœuds, de génération de flux de travail et de suggestion de code basées sur le langage naturel grâce à K-AI.

Prise en charge des scripts hautement évolutive

Utilise divers langages tels que R, Python, SQL et JavaScript

Distribution, partage et planification (Plateforme d'affaires)

Déployez et partagez facilement des modèles et des flux de travail, et automatisez les analyses et les réentraînements répétitifs.

Ce livre est conçu pour être utile à tous, des débutants en analyse de données aux utilisateurs confirmés de KNIME sur le terrain.
Du prétraitement à l'analyse, en passant par l'apprentissage automatique et les environnements de collaboration... J'espère que ce livre constituera un guide fiable pour les lecteurs qui apprennent à utiliser KNIME dans leur parcours en science des données.