دوره آموزشی مبانی علوم داده: داده کاوی

دوره آموزشی مبانی علوم داده: داده کاوی

4 ساعت 41 دقیقهمبتدی2016-09-06

مدرسین

Barton Poulson

Barton Poulson

Professor, Designer, Data Analytics Expert

جزئیات دوره

تمام علوم داده با داده های خوب شروع می شود. داده کاوی چارچوبی برای جمع آوری، جستجو و فیلتر کردن داده های خام در یک موضوع سیستماتیک است، و از همان ابتدا اطمینان حاصل کنید که داده های تمیز دارید. همچنین به شما کمک می کند تا مجموعه داده های بزرگ را تجزیه کرده و از معنی دارترین و مفیدترین اطلاعات به دست آورید. این دوره، بنیادهای علوم داده: داده کاوی طراحی شده است تا نقطه ورود محکمی برای همه ابزارها، تکنیک ها و تفکر تاکتیکی پشت داده کاوی فراهم کند.

بارتون پولسون منابع و انواع داده ها، زبانها و نرم افزارهای مورد استفاده در داده کاوی (از جمله R و پایتون) و دروس اختصاصی مبتنی بر وظایف را که به شما در تمرین رایج ترین تکنیک های داده کاوی شامل متن کاوی، خوشه بندی داده ها، تجزیه و تحلیل ارتباط، و بیشتر. این دوره برای کسانی که علاقه مند به پیوستن به نیروی کار علوم داده و کسانی که نیاز به کسب تجربه بیشتر در داده کاوی دارند، یک ضرورت مطلق است.

موضوعات شامل:
- پیش نیازهای داده کاوی
- داده کاوی با استفاده از R، Python، Orange و RapidMiner
- کاهش داده ها
- خوشه بندی داده ها
- تشخیص ناهنجاری
- تجزیه و تحلیل انجمن
- تحلیل رگرسیون
- استخراج توالی
- متن کاوی

مهارت ها

FoundationsData AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and Tools

سرفصل ها

مقدمه

  • خوش آمدید
  • چه کسانی باید این دوره را تماشا کنند
  • فایل های تمرین

مقدماتی

  • پیش نیازهای داده کاوی
  • پیش نیازهای الگوریتم
  • پیش نیاز نرم افزار

کاهش داده ها

  • اهداف کاهش داده ها
  • داده برای کاهش داده ها
  • کاهش داده در r
  • کاهش داده ها در پایتون
  • کاهش داده در رنگ نارنجی
  • کاهش داده در رپید ماینر

خوشه بندی

  • خوشه بندی اهداف
  • خوشه بندی داده ها
  • خوشه بندی در r
  • خوشه بندی در پایتون
  • خوشه بندی در bigml
  • خوشه بندی به رنگ نارنجی

طبقه بندی

  • اهداف طبقه بندی
  • داده های طبقه بندی
  • طبقه بندی در ر
  • طبقه بندی در پایتون
  • طبقه بندی در رپید ماینر
  • طبقه بندی در knime

تشخیص ناهنجاری

  • اهداف تشخیص ناهنجاری
  • داده های تشخیص ناهنجاری
  • تشخیص ناهنجاری در r
  • تشخیص ناهنجاری در پایتون
  • تشخیص ناهنجاری در bigml
  • تشخیص ناهنجاری در رپید ماینر

تجزیه و تحلیل انجمن

  • اهداف تجزیه و تحلیل انجمن
  • داده های تحلیل تداعی
  • تحلیل تداعی در ر
  • تجزیه و تحلیل ارتباط در پایتون
  • تجزیه و تحلیل تداعی در رنگ نارنجی
  • تجزیه و تحلیل ارتباط در رپید ماینر

تحلیل رگرسیون

  • اهداف تحلیل رگرسیون
  • داده های تحلیل رگرسیون
  • تحلیل رگرسیون در r
  • تحلیل رگرسیون در پایتون
  • تحلیل رگرسیون در knime
  • تحلیل رگرسیون در رپید ماینر

الگوهای متوالی

  • اهداف کاوی توالی
  • الگوریتم های کاوی دنباله ای
  • سکانس کاوی در r
  • استخراج توالی در پایتون
  • استخراج توالی در bigml - قسمت 1
  • استخراج توالی در bigml - قسمت 2

متن کاوی

  • اهداف متن کاوی
  • الگوریتم های متن کاوی
  • متن کاوی در r
  • متن کاوی در پایتون
  • متن کاوی در rapidminer

نتیجه

  • مراحل بعدی
۱۰۰,۰۰۰ تومان