تا %60 تخفیف خرید برای 6 نفر با صدور مدرک فقط تا
00 00 00
در توسینسو تدریس کنید

قیمت: 165,500 تومان

با 15% تخفیف وب سایت و مدرس در صورت خرید یکجا: 140,675 تومان

خرید دوره با 15 تخفیف

آموزش داده کاوی (Data Mining) با وکا: معرفی دوره جذاب

سریعترن، آسانترین و تضمینی ترین دوره داده کاوی با متخصص علم داده ها، مهندس تقندیکی

داده‌کاوی (Data Mining)، به مفهوم استخراج اطلاعات نهان یا الگوها و روابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ گفته می‌شود. داده کاوی را می توان مترادف واژه‌های رایج کشف دانش در پایگاه‌داده‌ها (knowledge discovery in databases) نیز دانست. فیلد داده‌کاوی سعی دارد تا پایگاه‌ها و مجموعه حجیم داده‌ها را مورد تحلیل قرار دهد. بسیاری از شرکت‌ها و موسسات با حجم انبوهی از اطلاعات روبه رو هستند. تکنیک‌های داده‌کاوی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان این حجم داده را مورد تحلیل و پردازش قرار داد.

داده کاوی به بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تاکنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدل‌های آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Learning Methods) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم‌گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش‌بینی را نیز شامل می‌شود برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می‌پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:

قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلاً خرید قلم به خرید کاغذ.
ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.
پیش‌بینی(Prediction): در پیش‌بینی هدف پیش‌بینی یک متغیر پیوسته می‌باشد. مانند پیش‌بینی نرخ ارز یا هزینه‌های درمانی.
رده‌بندی یا طبقه‌بندی (Classification): فرایندی برای پیدا کردن مدلی است که رده‌های موجود در داده‌ها را تعریف می‌نماید و متمایز می‌کند، با این هدف که بتوان از این مدل برای پیش‌بینی رده رکوردهایی که برچسب رده آن‌ها (متغیر هدف) ناشناخته می‌باشد، استفاده نمود. در حقیقت در رده‌بندی بر خلاف پیش‌بینی، هدف پیش‌بینی مقدار یک متغیر گسسته‌است. روش‌های مورد استفاده در پیش‌بینی و رده‌بندی عموماً یکسان هستند.
خوشه‌بندی (Clustering): گروه‌بندی مجموعه‌ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه‌های دیگر داشته باشند.

مصورسازی (visualization): مصورسازی داده‌ها یکی از قدرتمندترین و جذابترین روش‌های اکتشاف در داده‌ها می‌باشد.

نرم افزار «وکا» (WEKA) را می‌توان یک ابزار پیشرفته «یادگیری ماشین» (Machine Learning) و «داده‌کاوی» (Data Mining) برشمرد که به متخصیصن علم داده (Data Science) امکان تحلیل، استخراج دانش، تصمیم گیری و پیش گویی از داده های بزرگ را می دهد.

مزایا و خصوصیات وکا:

  • دسترسی ساده و رایگان
  • روش‌های تحلیل داده و تکنیک‌های مدل‌سازی قابل درک و ساده
  • کاربری ساده به علت رابط گرافیکی مناسب

در این دوره می خواهیم این نرم افزار ساده و قدرتمند را به شکل کاملاً عملی آموزش دهیم. در قسمت اول به معرفی این دوره پرداخته شده است.

سرفصل های آموزشی:

  • معرفی دوره
  • پیش نیازها و نصب نرم افزار
  • آموزش بارگذاری دیتاست ها در نرم افزار
  • آموزش انوع پیش پردازش بر روی دیتاست ها
  • آموزش الگوریتم های با نظارت
  • آموزش ساخت کلاسیفایر یا دسته بند با استفاده از الگوریتم J48
  • آموزش ساخت کلاسیفایر یا دسته بند با استفاده از الگوریتم Naive Bayes
  • آموزش ساختار ماتریس آشفته
  • آموزش ساخت کلاسیفایر یا دسته بند با استفاده از الگوریتم SVM
  • آموزش ساخت کلاسیفایر یا دسته بند با استفاده از الگوریتم KNN
  • آموزش ساخت کلاسیفایر یا دسته بند با استفاده از الگوریتم Random Forest
  • آموزش ذخیره کلاسیفایرها یا مدل ها برای پیش بینی و دسته بندی داده های جدید
  • آموزش یادگیری بدون نظارت
  • آموزش انجام فرایند خوشه بندی با استفاده از الگوریتم K-Means
  • آموزش انجام فرایند خوشه بندی با استفاده از الگوریتم سلسله مراتبی
  • آموزش استخراج قواعد انجمنی با الگوریتم های Apriori و FP Growth
  • آموزش انتخاب ویژگی های با اهمیت در فرایند های مختلف داده کاوی

توجه داشته باشید که انگلیسی بودن اسلایدها به دلیل منابع معتبر دوره آموزشی می باشد.


  • از اینکه این ویدئو ها را کپی نمیکنید و برای خود و ما ارزش قائلید سپاسگزارم.

موفق و پیروز باشید.

نظر شما
برای ارسال نظر باید وارد شوید.
0 نظر

هیچ نظری ارسال نشده است! اولین نظر برای این مطلب را شما ارسال کنید...