تبلیغات

شروع تجزیه و تحلیل داده با RapidMiner

دسته بندی ها: تحلیل داده (Data Analysis) ، علم داده (Data Science) ، شبکه عصبی مصنوعی (Artificial Neural Network) ، آموزش های Infinite Skills

این دوره برای اشخاص تازه وارد به علوم تجزیه و تحلیل داده طراحی شده است که حداقل یک کلاس ریاضی در سطح پیش دانشگاهی را گذرانده باشند و با مبانی آمار راحت باشند. این دوره متودهای اصلی استفاده شده در تجزیه و تحلیل داده و نحوه اعمال این متودها درکنار RapidMiner، یک پلتفرم رایگان و آسان (بدون نیاز به دانش برنامه نویسی) را آموزش می دهد.

شما ابتدا درباره ویژگی‌های RapidMiner، پیکربندی آن و نحوه اتصال به مجموعه‌های داده مختلف و حرکت به یک بررسی دقیق از روش‌های تحلیلی موجود در نرم افزار را می آموزید. عناوین مطرح شده شامل تناسب، قوانین اتحاد، خوشه بندی k-means، همسایه‌های k-nearest، آنالیز تفکیک کننده، بیز ساده، رگراسیون خطی و منطقی، شبکه‌های عصبی، درخت‌های تصمیم گیری و آنالیز متن می باشد.

در این دوره با این مباحث آشنا می شوید:

  • یادگیری نحوه استفاده از RapidMiner به عنوان ابزار تجزیه و تحلیل داده
  • کسب درک عملی از متودهای اصلی مورد استفاده در تجزیه و تحلیل داده
  • یادگیری متودهای همبستگی، متودهای آنالیز پیوستگی و متودهای پیش بینی
  • یادگیری اینکه کدام متود تجزیه و تحلیل برای نوع خاصی از داده مناسب است
  • یادگیری نحوه اعمال یک متود انتخاب شده برای ساخت مدل در RapidMiner و تفسیر نتایج آن

پروفسور Matt North تجزیه و تحلیل داده و داده کاوی را در دانشگاه Utah Valley درس می دهد. او دانش آموز Fulbright، دریافت کننده جایزه پروفسور برجسته گاما سیگما آلفا، و نویسنده کتاب "Data Mining for the Masses" است. او دکترای آموزش را از دانشگاه West Virginia و فوق لیسانس علوم از دانشگاه Utah State را داراست.

تکنیک‌های مدل سازی: متودهای همبستگی

تکنیک‌های مدل سازی: تجزیه و تحلیل وابستگی

داده‌های ساختار نیافته

جمع بندی

آیا این نوشته را دوست داشتید؟
Beginning Data Analytics with RapidMiner Author:Matthew North Duration:01:55:03

This course is designed for the person who is new to the science of data analytics, who has completed at least one college-level math class, and is comfortable with basic statistics. The course explains the core methods used in data analytics and how to apply those methods in conjunction with RapidMiner, a free and easy-to-use (no programming knowledge required) data analytics platform.You'll first learn about the features of RapidMiner, configuring it, and how to connect to a variety of data sets, and then move into a detailed survey of the analytical methods incorporated within the software. Topics covered include correlation, association rules, k-means clustering, k-nearest neighbors, discriminant analysis, Naive Bayes, linear and logistic regression, neural networks, decision trees, and text analysis.Learn how to use RapidMiner as a data analytics toolGain a practical hands-on understanding of the core methods used in data analyticsExplore correlational methods, affinity analysis methods, and predictive methodsDiscover which analytical method works best for a specific type of dataLearn how to apply a selected method to build a model in RapidMiner and interpret its resultsProfessor Matt North teaches data analytics and data mining at Utah Valley University. He is a Fulbright alumnus, a recipient of a Gamma Sigma Alpha Outstanding Professor Award, and the author of the book "Data Mining for the Masses". He holds a Doctor of Education degree from West Virginia University and a Master of Science from Utah State University.

پیشنهاد فرادرس