دوره آموزشی کامل غیر حضوری پروژه محور داده کاوی با رپیدماینر

200,000 تومان

دوره آموزش داده کاوی با رپیدماینر


  • مدرس
    مهدی مقیمی


  • زمان آموزش
    10 ساعت


  • تعداد درس
    12 جلسه


  • قیمت دوره
    200.000 تومان


  • تعداد ثبت نام
    10 نفر
درباره مدرس

avatar

مهدی مقیمی

فارغ التحصیل رشته‌ی مهندسی نرم افزار در مقطع کارشناسی ارشد در سال 1393 هستم و در زمینه های مشاوره و پیاده سازی سامانه‌های نرم افزاری بزرگ در سطح ملی و بین المللی، برنامه نویسی شرکتی به زبان سی شارپ، هوش تجاری در ماکروسافت، برنامه نویسی سمت کلاینت، Full Stack developer آشنایی و تخصص دارم.

درباره پژوهشیار

پژوهشیار سالهاست در زمینه داده کاوی و هوش تجاری فعالیت می کند. وجود مشتریان قدرتمند وی بر فعالیت قوی این تیم خاطر نشان دارد. مشاوره؛ آموزش و استقرار سیستم های هوش تجاری یکی از تخصص های این تیم می باشد.

توضیحات

سرفصل های دوره آموزش داده کاوی با رپیدماینر

  • ۱

    جلسه اول : آموزش  پروژه  محور آشنایی و ساخت یک پروژه داده کاوی

    • آشنایی با  مباحث اولیه رپیدماینر

    • پیش بینی پازیشن کارکنان یکی از ادارات دولتی

    • آشنایی با  تمام تکنیک های ابتدایی مورد نیاز برای انجام فرایند داده کاوی در رپیدماینر

  • ۲

    جلسه دوم : آموزش  پروژه  محور شبیه سازی پروژه طبقه بندی و تولید قوانین انجمنی مجموعه داده(دیتاست) فیلم در رپیدماینر

    • طراحی یک طبقه بندی، تست آن و گرفتن خروجی به کمک روش هایی مانند KNN و Random Forest

    • آموزش کاهش ابعاد داده ها با تکنیک های حرفه ای و معرفی چند روش معروف کاهش بعد

    • یافتن Frequent Items یا ایتم های پرتکرار در یک دیتاست

    • تولید قوانین انجمنی

    • توضیحات در مورد پیش پردازش هایی مانند generate Attribute

    • فایل ها و ضمایم مرتبط با این جلسه : ۴ فایل اکسل دیتاست و ۴ فایل مربوط به مدل با پسوند rmp

  • ۳

    جلسه سوم : آموزش پروژه محور ترکیبی پیش بینی و بهینه سازی وضعیت بیماران به کمک تکنیک های پیشرفته Ensembling در رپیدماینر

    • مدل سازی عملیات پیش بینی یا دسته بندی با استفاده از الگوریتم ENSEMBLING بروی داده های مربوط به دیتاست وضعیت بیماران با نرم افزار داده کاوی رپیدماینر

    • طبقه بندی داده های ستون کلاس با ترکیب سه الگوریتم SVM؛ NN و KNN

    • فایل ها و ضمایم مرتبط با این جلسه : داکیومنت (جزوه) حدود ۱۵ صفحه ای و تصویری به همراه توضیحات تشریحی؛ تحویل مدل رپیدماینر؛ دو عدد دیتاست

  • ۴

    جلسه چهار و پنج : آموزش پروژه محور ساخت دیتاست دانشجویان و وضعیت تحصیلی آنها به همراه پروژه پیش بینی رتبه کنکور دانشجویان به کمک تکنیک های داده کاوی در رپیدماینر

    • اسکریپت های اس کیو الی جهت ساخت و تولید دیتاست دانشجویان

    • پروژه پیش بینی رتبه کنکور دانشجویان به کمک چندین روش داده کاوی

    • صحبت در مورد بتدای ساخت دیتاست (مجموعه داده) از ابتدا تا انتهای ساخت مدل رپیدماینر به کمک چندین روش داده کاوی از جمله روش داده کاوی SVM و KNN , درخت تصمیم و روش هایی مانند رگرسیون و…

    • پیاده سازی چند پروژه عملی از صفر تا صد

    • پیاده سازی ستون های دیتاست ها با زبان SQL به صورت کامل

    • فایل ها و ضمایم مرتبط با این جلسه: جزوه یا داکیومنت تصویری به همراه توضیحات تشریحی؛ یک عدد مدل فایل رپیدماینر ؛ تحویل دیتاست ؛ تحویل کد های دیتاست به زبان SQL

  • ۶

    جلسه ششم و هفتم : آموزش پروژه محور انجام تکنیک های مبتدی و حرفه ای داده کاوی بر روی دیتای یک فروشگاه داخلی به کمک تکنیک های داده کاوی در رپیدماینر

    • آموزش تکنیک های طبقه بندی و خوشه بندی و بعد آپتیمایزیشن و در انتها استفاده از تکنیک های استخراج قوانین انجمنی بر روی داده های یک فروشگاه

    • فایل ها و ضمایم مرتبط با این جلسه : دو عدد مدل فایل رپیدماینر ؛ دیتاست فروشگاهی

  • ۸

    جلسه هشتم : آموزش پروژه محور انجام تکنیک های مبتدی و حرفه ای داده کاوی بر روی داده های عددی یک فروشگاه خارجی به کمک تکنیک های داده کاوی در رپیدماینر

    • پیش پردازش داده ها

    • پیش بینی قیمت با الگوریتم رگرسیون

    • استفاده از تکنیک های پیش رفته تر انسمبلینگ و تقویت روش رگرسیون برای پیش بینی بهتر

    • فایل ها و ضمایم مرتبط با این جلسه : یک عدد مدل فایل رپیدماینر ؛ دیتاست فروشگاهی خارج از کشور جمعه سیاه با حدود ۵۰۰ هزار رکورد ؛ یک جزوه کامل مصور از مراحل کار

  • ۱۰

    جلسه دهم: آموزش پروژه محور انجام تکنیک های حرفه ای داده کاوی بر روی داده های چندین ساله سری زمانی آب و هوای ایران به کمک تکنیک ARIMA در رپیدماینر

    • کار بر روی داده های سری زمانی به کمک انواع تکنیک های مبتدی و پیشرفته داده کاوی مانند خوشه بندی، ترکیب خوشه بندی و طبقه بندی با چندین الگوریتم معتبر، پیاده سازی مدل اریما و ترکیب ان با خوشه بندی، شرح کامل این روش، توضیح مراحل انجام کار و پیش پردازش داده ها و دریافت خروجی مناسب از داده ها.

    • انجام تکنیک های پیشرفته اپتیمایزیشن روی مدلها

    • پیاده سازی مدل سری زمانی holtWinters با همین داده ها در رپیدماینر به صورت کامل و نمایش خروجی به صورت کامل

  • ۱۱

    جلسه یازدهم : آموزش پروژه محور انجام تکنیک های مبتدی و حرفه ای داده کاوی بر روی داده های سری زمان آب و هوای ایران به همراه توضیحات کامل شیوه کار با داده های سری زمانی

    • آموزش پروژه محور انجام تکنیک های مبتدی و حرفه ای داده کاوی بر روی داده های سری زمان آب و هوای ایران به همراه توضیحات کامل شیوه کار با داده های سری زمانی

    • آموزش پیش پردازش داده های سری زمانی در رپیدماینر و توضیحات کامل در خصوص پیش پردازش آنها

    • کار با هاریزون در رپیدماینر ، کار با windowing در رپیدماینر و همچنین کار با اکستنشن اصلی سری های زمانی در رپیدماینر به جهت مدلسازی و پیش بینی داده های آب و هوایی. پیش بینی داده های سری زمانی به کمک الگوریتم های مختلفی از جمله بیزین درخت تصمیم ؛ دیپ لرنینگ و KNN و بوستینگ بگینگ و کاهش ابعاد داده هاو انواع دیگر روش های داده کاوی مطرح

    • کار با کراس ولیدیشن و همچنین پیشنهاد یک مدل کامل برای پیش بینی داده های سری زمانی

    • متعلقات : ۴ عدد مدل رپیدماینر و مجموعه داده بحث شده

مقالات مرتبط آموزش کامل SSAS

ترجمه یار

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دوره آموزشی کامل غیر حضوری پروژه محور داده کاوی با رپیدماینر”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *