آموزش داده کاوی با استفاده از WEKA – پیش ثبت نام

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

گروه مدرسین فرادرس
گروه مدرسین فرادرس

فرادرس از جهت فرصت آموختن، یک محیط کاملا باز (بدون هیچ مرز و شرط برای ورود) برای همه است. اما از جهت فرصت آموزش دادن، یک محیط به شدت بسته است و مدرسین آن با عبور از سخت ترین ضوابط علمی و فیلترهای مهارت آموزشی برگزیده و دستچین می شوند. در چندین سال گذشته کمتر از 5 درصد متقاضیان تدریس در فرادرس توانسته اند به مرحله نهایی ارائه آموزش در آن برسند. ارائه یک آموزش توسط «گروه مدرسین فرادرس» تضمینی برای کیفیت آن می باشد. (+)



داده کاوی مجموعه تکنیک هایی می باشد که پایگاه داده های بزرگ را به منظور دستیابی به دانش، تحلیل می کند. به منظور داده کاوی امروزه از روش های ماشینی و یا نیمه ماشینی استفاده می شود که دلیل آن هم تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌هایی می باشد که امروز مورد استفاده قرار می گیرد. داده کاوی یا Data Mining در اصل به معنای استخراج اطلاعات یا الگوهای عملکرد و روابط مشخص در میان داده ها و همین‌طور پایگاه های داده می باشد.

👤 مدرس: گروه مدرسین فرادرس
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

وضعیت انتشار در حال ضبط
زمان تقریبی انتشار ۴ تا ۱۲ هفته

درخواست اطلاع رسانی انتشار این آموزش

این آموزش در حال ضبط است و به زودی در فرادرس ارائه عمومی آن آغاز خواهد شد. شما می توانید با وارد کردن ایمیل خود، در اولین زمان، از انتشار نهایی این آموزش مطلع شوید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.




    توضیحات

    داده کاوی چیست؟

    داده کاوی مجموعه تکنیک هایی می باشد که پایگاه داده های بزرگ را به منظور دستیابی به دانش، تحلیل می کند. به منظور داده کاوی امروزه از روش های ماشینی و یا نیمه ماشینی استفاده می شود که دلیل آن هم تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌هایی می باشد که امروز مورد استفاده قرار می گیرد. داده کاوی یا Data Mining در اصل به معنای استخراج اطلاعات یا الگوهای عملکرد و روابط مشخص در میان داده ها و همین‌طور پایگاه های داده می باشد.

     

    داده کاوی، بهره گیری از ابزار های موجود جهت کسب دانش

    داده کاوی بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبر گفته می‌شود که استفاده از این ابزارها منجر به یافتن سریع مدل‌های آماری مورداستفاده درداده، مدل‌های آماری و الگوریتم‌های ریاضی می‌شود که این کار این به صورت خودکار و یا بر اساس تجربه‌ای که از طریق شبکه‌های عصبی یا درخت‌های تصمیم گیری به دست می‌آورند، انجام می دهند. داده کاوی علاوه بر گردآوری و مدیریت داده های انبوه، تجزیه، تحلیل اطلاعات و پیش بینی را نیز انجام میدهد که پارامتر های گوناگونی را در نظر می گیرد:

    • ۱) قواعد انجمنی یا Association که شامل الگو هایی می باشد که یک رویداد به رویدادی دیگر ارتباط پیدا می کند.
    • ۲) ترتیب یا Sequence: ترتیب اجرای رویداد ها را پیگیری می کند.
    • ۳) پیش بینی یا Prediction که پیش بینی یک متغیر پیوسته را انجام می دهد.
    • ۴) طبقه بندی یا Classification که رده های موجود در داده ها را تعریف می کند و نسبت به یکریگر متمایز می کند با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها ناشناخته می‌باشد، استفاده نمود.
    • ۵) خوشه بندی یا Clustering که مجموعه ای از رکورد ها که شباهت بیشتری را نسبت به یکدیگر دارد را در یک گروه قرار می دهد.
    • ۶) مصور سازی یا visualization که داده های به دست آمده را شبیه سازی می کند.

     

    ابزار های داده کاوی
    • ۱) کلمنتاین Clementine
    • ۲) نرم افزار Rapid Miner
    • ۳) نرم افزار WEKA

     

    WEKA ابزاری متن باز برای داده کاوی در جاوا

    WEKA را می توان یکی از قدرتمند ترین ابزار های موجود جهت داده کاوی دانست که یک کتابخانه متن باز می باشد که به کاربر این امکان را می دهد تا با استفاده از امکانات زبان جاوا، داده های خود را پردازش کند. WEKA توابع مختلف را برای داده کاوی در اختیار کاربر قرار میدهد. مزیت استفاده از این کتابخانه این می باشد که ابزار های متنوعی جهت پیاده سازی الگوریتم های داده کاوی را به صورت آماده دارد.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • مفاهیم داده کاوی
      • اعمال فیلتر بر روی داده ها
        •  حذف ویژگی های غیرمفید
        • گسسته سازی ویژگی های عددی
        • ایجاد داده تصادفی
      • انتخاب ویژگی
      • خوشه بندی
        •  روش های انتخاب خوشه
      • دسته بندی
      • ارزیابی مدل و تست
        • آشنایی با ماتریس Confusion
        • آشنایی با مشخصه عملکرد سیستم
      • قوانین انجمن
    • آماده سازی محیط نرم افزاری برای شروع به کار با WEKA
      • نصب جاوا
      • نصب Eclipse
      • اتصال WEKA با Eclipse
    • درونریزی داده
      • آشنایی با نوع داده ARFF
      • تعریف ویژگی
      • آشنایی با ساختار داده ها
      • ایجاد مجموعه داده در زمان اجرا
      • ذخیره داده در قالب ARFF
    • اعمال فیلتر بر روی داده ها
      • گسسته سازی ویژگی ها
      • ابزار اعمال فیلتر دسته بندی FilteredClassifier
    • انتخاب ویژگی در WEKA
      • Information Gain و کاربرد آن در انتخاب ویژگی
      • بررسی مولفه های اصلی
      • AttributeSelectedClassifier و انتخاب خاص دسته بندی کننده
    • ایجاد یک دسته بندی کننده و آموزش آن
      • ایجاد دسته بندی کننده با درخت تصمیم گیری یا Decision Treesb.
      • ایجاد دسته بندی کننده با استفاده از ماشین بردار پشتیبان یا SVM
      • مدل های دیگر دسته بندی کننده
      • ایجاد یک دسته بندی کننده اختصاصی
    • نمایش نتیجه
      • نمایش گرافیکی درخت به کاربر
    • بررسی و ارزیابی مدل ها
      • بررسی مجموعه داده ها و تست
      • نمایش نتایج آماری
      • جداسازی داده یادگیری
      • اعتبارسنجی متقابل k-fold
      • ماتریس Confusion
      • منحنی ROC
      • ذخیره مدل با استفاده از Serializable
      • بازگردانی مدل با استفاده از deserializable
    • رگرسیون
      • کلاس Zero
      • کلاس REPTree
      • کلاس SMOreg
      • کلاس MultilayerPerceptron
    • قوانین ارتباطی
      • الگوریتم Apriori و کشف قوانین ارتباطی
    • خوشه بندی
      • الگوریتم EM و نحوه خوشه بندی
      • دسته بندی کننده خوشه ای
      • خوشه بندی افزایشی
      • بررسی خوشه بندی


    اطلاعات تکمیلی

    نام آموزش آموزش داده کاوی با استفاده از WEKA – پیش ثبت نام
    ناشر فرادرس
    کد آموزش FVDM9406
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)




    دیدگاه ها

    ( امتیاز ۴٫۹ از ۵ )
    4.9 از 5


    ۴ نظرثبت شده است.
    1. 0 از 5

      :

      سلام.
      لطفا هر چه سریعتر این اموزش را منتشر کنید.

    2. 0 از 5

      :

      عالی است.

      درصورت امکان داده کاوی با rapidminer را هم ارائه دهید. ممنونم.

    3. 0 از 5

      :

      سلام.

      من قبل از عید درخواست دوره داده کاوی رو پر کرده بودم. لطفا هرچه زودتر این آموزش رو تهیه کنید. من برای پیاده سازی پایان نامه ام خیلی به این آموزش نیاز دارم.

      با تشکر.

    4. 0 از 5

      :

      با توجه به اینکه که داده کاوی طیف وسیعی از مقالات و پایان نامه دانشجویان را شامل می شود لطفا ضبط این آموزش را شروع کنید. من و جمعی از دوستانم برای پایان نامم به شدت به این آموزش احتیاج داریم.

    5. 0 از 5

      :

      سلام.

      با توجه به این که داده کاوی در بسیاری از علوم و شاخه ها کاربرد دارد، می تواند از بهترین آموزش های فرادرس شود. جای خالی این آموزش که نیازی به برنامه نویسی نداره و کار کردن باهاش ساده تر هست، به شدت در میان آموزش های فرادرس حس میشه.

      لطفا سریعتر منتشر شود.

    6. 5 از 5

      :

      سرفصل ها خیلی عالی است مثل همیشه.
      امیدوارم هر چه زودتر این آموزش رو منتشر کنید.

    7. 0 از 5

      :

      لطفا در صورت امکان هر چه زودتر این آموزش را به صورت کامل ارایه بدهید.

      با سپاس.

    8. 0 از 5

      :

      من هم به نظرم جای یک دوره داده کاوی با رپیدماینر در میان اموزش های فرا درس خالی است و دنیا به سمت یادگیری عمیق پیش میره و اموزش deep learning هم در حال حاضر شاید الزامی باشد و اگر اموزشی در این خصوص هم ارائه شود خیلی عالی می شود

    9. 0 از 5

      :

      با سلام خدمت اساتید محترم، عالی است. لطفا اموزش را هر چه زودتر شروع کنید. با تشکر

    10. 5 از 5

      :

      لطفا سریع بگذارید من خیلی احتیاج دارم.

    11. 0 از 5

      :

      با سلام خدمت اساتید محترم، عالی است. لطفا اموزش را هر چه زودتر شروع کنید. با تشکر

    12. 0 از 5

      :

      لطفا در صورت امکان این اموزش تهیه شود. با تشکر.

    13. 4 از 5

      :

      با سلام. لطفا هرچه سریع تر اقدام فرمایید…

    14. 0 از 5

      :

      خواهشن هر چه زودتر این اموزش رو منتشر کنید

    15. 5 از 5

      :

      منم نیاز شدید به این آموزش دارم

    16. 0 از 5

      :

      لطفا این آموزش را شروع کنید و حتما در آن یادگیری نیمه نظارتی رو هم آموزش بدید لطفا لطفا

    17. 0 از 5

      :

      لطفا هرچه سریعتر آموزش را شروع کنین


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *




درخواست اطلاع رسانی انتشار این آموزش

این آموزش در حال ضبط است و به زودی در فرادرس ارائه عمومی آن آغاز خواهد شد. شما می توانید با وارد کردن ایمیل خود، در اولین زمان، از انتشار نهایی این آموزش مطلع شوید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.



برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

دسته های مرتبط: ,



فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران

عضویت در خبرنامه فرادرس

برای دریافت اخبار مربوط به آخرین فرادرس های منتشر شده، ایمیل خود را در کادر زیر وارد نمایید.


تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.

فرادرس مجوز نشر دیجیتال از وزرات فرهنگ و ارشاد اسلامی logo-samandehi پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان