دوره آموزشی مقدمه ای بر یادگیری ماشین با KNIME
1 ساعت 42 دقیقهمتوسط2019-06-05
مدرسین

Keith McCormick
Data Miner, Trainer, Speaker, Author
جزئیات دوره
KNIME یک ابزار منبع باز به سبک میز کار برای تجزیه و تحلیل پیش بینی و یادگیری ماشین است. این بسیار سازگار با بسیاری از فناوری های علوم داده، از جمله R، Python، Scala، و Spark است. با KNIME، میتوانید راهحلهایی تولید کنید که عملاً مستندسازی شده و آماده استفاده هستند. این دلایل و موارد دیگر KNIME را به یکی از محبوبترین و سریعترین پلتفرمهای تحلیلی در حال رشد تبدیل کرده است. در این دوره، کیت مک کورمیک متخصص نشان می دهد که چگونه KNIME از تمام مراحل فرآیند استاندارد متقابل صنعت برای داده کاوی (CRISP-DM) در یک پلت فرم پشتیبانی می کند. به سرعت - در 15 دقیقه یا کمتر - شروع به کار کنید یا برای آموزش عمیقتر که ادغام و تجمیع، مدلسازی و امتیازدهی دادهها را پوشش میدهد، همراه باشید. به علاوه، نحوه افزایش قدرت KNIME با برنامه های افزودنی و ادغام R و Python را بیاموزید.
اهداف یادگیری
چرا از میز کار استفاده کنیم
چرا KNIME را انتخاب کنید؟
اضافه کردن گره های KNIME با پسوند
دسترسی به داده ها
کاوش آماری و بصری داده ها
ادغام و تجمیع داده ها در KNIME
مدل سازی در KNIME
امتیازدهی داده های جدید
ترکیب KNIME با R و Python
اهداف یادگیری
چرا از میز کار استفاده کنیم
چرا KNIME را انتخاب کنید؟
اضافه کردن گره های KNIME با پسوند
دسترسی به داده ها
کاوش آماری و بصری داده ها
ادغام و تجمیع داده ها در KNIME
مدل سازی در KNIME
امتیازدهی داده های جدید
ترکیب KNIME با R و Python
مهارت ها
KNIMEIntroduction toMachine LearningData AnalysisArtificial Intelligence (AI)Data ScienceBusiness Analysis and StrategyBusiness Software and Tools
سرفصل ها
0. مقدمه
- 01 - یادگیری ماشین منبع باز با KNIME
- 02 - این دوره برای چه کسانی است
1. چگونه KNIME مجموعه ابزار تجزیه و تحلیل موجود شما را تکمیل می کند؟
- 03 - چرا از یک میز کار Analytics استفاده کنید؟
- 04 - استفاده از CRISP-DM برای ارزیابی ابزارها
- 05 - چرا KNIME را انتخاب کنید
2. راحت شدن با KNIME
- 06 - رابط KNIME
- 07 - مطالعات موردی را در سرور Examples پیدا کنید
- 08 - هزاران گره را با برنامه های افزودنی اضافه کنید
- 09 - جستجو و راهنما
3. دسترسی به داده ها
- 10 - دسترسی به داده ها
- 11 - گره فایل خوان
4. درک داده ها
- 12 - توصیف داده ها و بررسی کیفیت داده ها
- 13 - کاوش داده ها - Scatterplot
- 14 - کاوش داده ها - Boxplot
5. یکپارچه سازی و ادغام داده ها
- 15 - ادغام با گره Joiner
- 16 - تجمیع با گره GroupBy
- 17 - ایجاد متغیرهای جدید با Construct
- 18 - داده ها را با Column Filter انتخاب کنید
- 19 - متعادل کردن داده ها با گره نمونه برداری ردیف
- 20 - داده ها را با گره Missing Value پاک کنید
- 21 - با سلول شکاف فرمت کنید
6. مدل سازی
- 22 - گزینه های مدل سازی KNIME
- 23 - مثال رگرسیون
- 24 - درخت تصمیم
- 25 - درخت تصمیم - امتیازدهی داده های جدید
7. دنیایی از امکانات
- 26 - PMML
- 27 - R و GGPLOT2
- 28 - گزینه های دیگر
نتیجه
- 29 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی تولید برنامه های کاربردی داده با KNIME Business Hub
- دوره آموزشی سواد داده کم کد/بدون کد با KNIME: از پایه تا پیشرفته
- دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم گیری پیشرفته با KNIME
- دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با KNIME
- دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: تولید هوش مصنوعی قابل توضیح (XAI) و راه حل های یادگیری ماشینی قابل تفسیر
- دوره آموزشی مبانی علم داده: ارزیابی دادهها برای مدلسازی پیش بینی
- دوره آموزشی یادگیری جامع تجزیه و تحلیل پیش بینی برای مدیران (2020)