علم داده با رپیدماینر یکی از ترندهای روز حوزه هوش مصنوعی است که هر روز موقعیت های شغلی بیشتر و جذاب تری برای آن به وجود می آید. علم داده (data science) و یادگیری ماشین را میتوان به عنوان یکی از مهمت...
علم داده با رپیدماینر یکی از ترندهای روز حوزه هوش مصنوعی است که هر روز موقعیت های شغلی بیشتر و جذاب تری برای آن به وجود می آید. علم داده (data science) و یادگیری ماشین را میتوان به عنوان یکی از مهمترین و محبوبترین تخصصهای عصر حاضر در نظر گرفت؛ چرا که در اکثر کشورهای دنیا، داده، نقش بسیار مهمی در پیشرفت / سقوط کسب و کار ایفا میکند.
یادگیری ماشین یا machine learning که زیر مجموعه هوش مصنوعی محسوب میشود، انقلابی بزرگ در کسب و کارها ایجاد کرده است. کاهش هزینهها، افزایش درآمد و در نتیجه افزایش سود سازمانی، هدف اصلی بکارگیری این تخصص است. اینکه بدانیم روی چه مشتری حساب باز کنیم، چه کسی وفادار است، چه کسی سودآور است ،چه کسانی از محصولات و خدمات شرکت روی برگرداندند، در چه صورتی، مشتری محصولات ما را میخرد و … نمونهای از سؤالاتی است که پاسخ آن در گرو پیاده سازی فرآیندهی مبتنی بر علم داده است.
تجزیه و تحلیل دادههای تاریک (dark analytics)، تحلیل دادههای بدون ساختار (unstructured data) یا نیمه ساختار یافته (semi structured) با پیاده سازی فرآیند داده کاوی است. بیش از 80% دیتای تولیدی در روز، دیتای تاریک محسوب میشود. در کشورهای پیشرفته، بسیاری از مدیران به تخصص متن کاوی برای خوشه بندی اسناد و گزارشات، تحلیل نظرات مشتریان در خصوص محصولات و خدماتی که شرکت ارائه میدهد، نیاز اساسی دارند.
نرم افزار رپیدماینر، به علت عدم نیاز به داشتن دانش برنامه نویسی، انجام سریع پردازش دادههای حجیم، داشتن عملگرهای (operator) متنوع و پیشرفته در ساخت با کیفیت فرآیند داده کاوی و ساپورت فرمتهای بسیاری از دیتاستها (اکسل، csv، pdf، word، صفحات وب، spss، پایگاه دادههای رابطه ای مثل sql server و …)، به یکی از محبوبترین نرم افزارها در این حوزه تبدیل شده است.
پکیج علم داده (Data Science) با پایتون، مجموع چهار دوره مبانی و مفاهیم داده کاوی و یادگیری ماشین، داده کاوی با رپیدماینر، متن کاوی و وبکاوی با رپیدماینر و تصویرکاوی با رپیدماینر است.
توجه: پکیج در سه فصل قرار گرفته است و با هدف یادگیری کامل و تسلط به مباحث پکیج، نیاز است که فایلها به ترتیب فهرست مشاهده شوند:
1-1) مبانی و مفاهیم داده کاوی و یادگیری ماشین: به آموزش جامع مفاهیم داده کاوی پرداخته می شود و به طور کامل، مفاهیم مربوط با داده کاوی و یادگیری ماشینی را یاد خواهید گرفت.
2-1) داده کاوی با رپیدماینر: به صورت جامع فرآیند داده کاوی و استفاده از آن برای تحلیل رفتار مشتری (customer behavior)، بخش بندی بازار و … را در رپیدماینر یاد خواهید گرفت.
2) متن کاوی و وب کاوی با رپیدماینر: در فصل دوم، شما در تحلیل دادههای کیفی (فایلهای PDF، Word، .txt ، متن صفحات وب و دیتای متن در اکسل و (CSV به مهارت بسیار خوبی خواهید رسید و انواع متن را به کمک هوش مصنوعی تحلیل خواهید نمود.
3) تصویر کاوی با رپیدماینر: در فصل سوم، به صورت پروژه محور یاد خواهید گرفت که چطور تصاویر با فرمتهای مختلف را به دیتاست تبدیل کنید و از آنها، الگوهای پنهان کشف کنید.
آشنایی با مفاهیم اولیه
مفهوم جبر خطی در داده کاوی و یادگیری ماشین
آشنایی با انواع دیتا
مفاهیم تحلیل آماری و رسم نمودار در داده کاوی و یادگیری ماشین
مفاهیم پیش پردازش دادهها
مفهوم سریهای زمانی
مفهوم رگرسیون خطی
مفهوم خوشه بندی (Clustering)
مفهوم طبقه بندی (Classification)
مفهوم آنالیز RFM
مفهوم قواعد انجمنی
معرفی دوره
دانلود و نصب نرم افزار
وارد کردن دیتاستها
اتصال پایگاه داده SQL Server به RapidMiner
تحلیل آماری و رسم نمودار
مشخص کردن نوع (Type) و نقش (Role) ویژگی
ساخت ویژگی (Attribute) و توابع
پیش پردازش دادهها
پیش پردازش دادهها (بخش 1)
پیش پردازش دادهها (بخش 2)
پیش پردازش دادهها (بخش 3)
یادگیری نظارتی
خوشه بندی
قواعد انجمنی (Association Rules)
پروژههای داده کاوی
فصل 3- تصویر کاوی با رپیدماینر
توجه :
1- نسخه حرفه ای و کرک شده نرم افزار rapidminer نیز برای دانلود و نصب در اختیارتان قرار داده شده است. پس از دانلود و نصب نرم افزار، ذر پوشه crack، فایل readme را مطالعه کنید.
2- با توجه به تعداد زیاد فایلهای آموزش و راحتی دانشجو در دانلود آنها، فایلها به صورت فشرده قرار داده شدهاند که پس از خرید دوره، مطابق با فهرست دوره، قابل دانلود و مشاهده میباشند.
3- در صورت داشتن هر گونه سؤال در خصوص دوره، از طریق آدرس ایمیل shahin.nouri91@gmail.com یا ارسال تیکت (در صورت خرید دوره)، می توانید سؤالات خود را مطرح کنید.
توجه : با هدف یادگیری کامل و تسلط به مباحث دوره، در صورت داشتن هر گونه سؤال، راهنمایی و نیاز به توضیحات بیشتر در خصوص فرآیندها و عملگرهای آموزش، دانشجویان محترم می توانند با ارسال تیکت از طریق بخش حساب کاربری و تیکت پشتیبانی با بنده در ارتباط باشند.
هنوز نظری ثبت نشده است.