Advanced Analytics

Advanced Analytics | Analytics | Artificial Intelligence | Data for Good | Learn SAS | Students & Educators
Ricardo Galante 0
História do SAS LAB na Faculdade de Ciências da Universidade de Lisboa

Origem e benefícios do Laboratório Científico criado pelo SAS, na Faculdade de Ciências da Universidade de Lisboa. No final do ano passado, o SAS Portugal anunciou a criação de um laboratório científico - designado SAS-FCUL Lab - na FCUL - Faculdade de Ciências da Universidade de Lisboa, com o objetivo

Advanced Analytics | Analytics | Data Management
Spiros Potamitis 0
How organizations can maximize productivity to maintain their competitive edge

Data science teams are no longer comprised of tiny groups of Ph.D. holders exploring cutting-edge projects. Organizations that wish to stay competitive in their marketplaces today need effective data science teams. A strategy to effectively apply advanced analytics and data science to drive better products, services and decisions has many

Fraud & Security Intelligence
Zbigniew Skaliński 0
Obraz wart tysiąca słów - trochę historii i obecnie

„Obraz wart tysiąca słów” to dość popularne powiedzenie, na które powołuje się wiele osób przy różnych okazjach. Skąd się wzięło? Jedni przypisują go Napoleonowi Bonaparte, który miał stwierdzić, że „dobry szkic jest lepszy niż długa mowa”. Inni wskazują na Leonarda da Vinci, któremu przypisuje się stwierdzenie, że poeta zostanie „pokonany

Fraud & Security Intelligence
Zbigniew Skaliński 0
Okiem analityka: Poszukiwany, poszukiwana czyli potrzeba łatwego, szybkiego, precyzyjnego i skutecznego wyszukiwania w analizie śledczej

Dzisiaj poświęcę parę słów klasycznej metodzie analizy śledczej znanej jako Search & Discovery. Wymaga ona punktu zaczepienia, którym może być na przykład informacja pochodząca od sygnalisty, hipoteza własna analityka, czy też konieczność uzupełnienia posiadanych informacji w ramach bieżącej analizy. W takim przypadku pierwszym krokiem jest sprawdzenie, jakie informacje na interesujący

Analytics
Toby Text 0
Bestimmung der fehlenden Werte für alle numerischen Variablen einer Tabelle

Jede Analyse sollte damit beginnen, die Natur der zugrunde liegenden Datentabelle zu beschreiben und charakterisieren. Nur so kann sichergestellt werden, dass die in einer späteren Modellierung zugrunde liegenden Modellannahmen validiert sind und die Grundlagen der Analyseergebnisse den jeweils erforderlichen minimalen Qualitätsansprüchen genügen. Anderenfalls ist das spätere Modell sinnlos, die Analyse

1 4 5 6 7 8 13