این دوره آموزشی با محوریت دادهکاوی در نرمافزار قدرتمند رپیدماینر (RapidMiner) طراحی شده و بهصورت گامبهگام مفاهیم مهمی همچون ورود و پیشپردازش دادهها، خوشهبندی، طبقهبندی، تشخیص دادههای پرت، انتخاب ویژگی و پیادهسازی پروژههای عملی را آموزش میدهد. در این دوره تلاش شده است تا علاوهبر آموزش تئوری، پروژههای واقعی مانند پیشبینی مصرف، تشخیص بیماریها و تحلیل حملات نیز اجرا شود تا دانشجو بتواند مفاهیم را بهصورت عمیق و کاربردی فرا بگیرد. این آموزش برای دانشجویان، پژوهشگران و علاقهمندان به علم داده و یادگیری ماشین یک نقطه شروع عالی و کاملاً عملی محسوب میشود.
۶۷,۰۰۰ تومان
سرفصل های این دوره
فصل ۱جلسه ۱: آموزش آشنایی با مباحث پایه داده کاوی در رپیدماینر
فصل ۲جلسه ۲: آموزش معرفی پنجرههای مختلف در رپیدماینر
فصل ۳جلسه ۳: آموزش ورود انواع دیتاستها در رپیدماینر
فصل ۴جلسه ۴: آموزش تبدیل انواع داده و پیشپردازش در رپیدماینر
فصل ۵جلسه ۵: آموزش کنترلهای تبدیل انواع داده در رپیدماینر
فصل ۶جلسه ۶: آموزش خوشهبندی در رپیدماینر
فصل ۷جلسه ۷: آموزش عملی خوشهبندی دادهها برروی دیتاست حملات در رپیدماینر
فصل ۸جلسه ۸: آموزش طبقهبنده دادهها (Classification) در رپیدماینر
فصل ۹جلسه ۹: یک پروژه عملی جهت پیشبینی بار مصرفی با استفاده از شبکه عصبی و SVM در رپیدماینر
فصل ۱۰جلسه ۱۰: آموزش طبقهبندی دادهها با استفاده از شبکه عصبی عمیق در رپیدماینر
فصل ۱۱جلسه ۱۱: پروژه عملی تشخیص سرطان سینه با کمک روش Voting در رپیدماینر
فصل ۱۲جلسه ۱۲: آموزش کشف دادههای پرت در رپیدماینر