دوره آموزشی رپیدمانیر

هزینه دوره آموزشی :
269,200 تومان
229,000 تومان

دوره آموزشی رپیدمانیر

دوره آموزشی رپیدماینر: نرم افزار داده کاوی رپیدماینر یکی از قویترین و پرکاربرد ترین نرم افزار هایی است که در زمینه داده کاوی اعم از خوشه بندی داده ها، طبقه بندی، استخراج الگوهای پرتکرار، انتخاب ویژگی، متن کاوی و پردازش تصویر(که اخیرا مطرح شده است) کاربرد فراوانی دارد. نرم افزار داده کاوی رپیدماینر از جمله ابزارهایی که در بسیاری از پژوهش ها و مقالات علمی به عنوان ابزار پیاده سازی استفاده می گردد.

آموزش رپیدماینر

در این دوره آموزشی به صورت کلی به آموزش جلسات و سرفصل های ذیل پرداخته می شود:
1. ابتدا به تشریح مقدماتی در رابطه با داده کاوی پرداخته می شود.
2. سپس به نحوه آنالیز داده ها و ورود انواع داده ها اعم از داده های اکسل، CSV، متنی و غیره در این نرم افزار آشنا می شویم.
3.  در جلساتی به صورت مجزا مباحثی پیرامون خوشه بندی داده ها با کمک الگوریتم هایی از قبیل K-Means, X-Means, K-Mediods, DBSCAN و غیره آموزش داده می شود.
4. در جلسه دیگر به صورت کلی مباحث طبقه بندی داده ها با استفاده از الگوریتم های دسته بندی همچون درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان، رندوم فارست و غیره مورد بررسی قرار می گیرد.
5. تشریح کامل الگوریت یادگیری عمیق و اعمال یک پیش بینی بر روی یک مجموعه داده استاندارد
6. آموزش استخراج قوانین و الگوه های پر تکرار از یک مجموعه داده با استفاده از الگوریتم های محبوبد Apriori, FP_Growth

بعد از خرید دوره آموزشی، به ویدئو های اصلی این دوره دسترسی خواهید داشت.
اگر در این دوره قبلا ثبت نام کرده اید، برای دسترسی به ویدئو های اصلی این دوره، بر روی دکمه ورود کلیک نمایید.
هزینه دوره آموزشی :
269,200 تومان
229,000 تومان
نمونه ویدئو های موجود در این دوره

جلسه ۱ رپیدماینر: آموزش آشنایی با مباحث پایه داده کاوی در رپیدماینر

در این جلسه آموزشی از مجموعه جلسات دوره آموزشی رپیدماینر(rapidminer)، مقدماتی در ارتباط با مباحث پایه داده کاوی که پیش نیازی برای یادگیری نرم افزار رپیدماینر است، مطرح می گردد. به طور خلاصه می تواند این گونه بیان نمود که در این جلسه مباحثی پیرامون شناخت انواع داده ها، تشریح انواع روشهای داده کاوی اعم از تکنیک های بدون نظارت و تکنیک های با نظارت، تبدیل داده به فرمت های قابل قبول نرم افزار داده کاوی رپیدماینر، تفکیک داده های آزمایشی(Test Data)، تفکیک داده های آموزشی(Train Data)، آماده سازی داده ها و اعمال پیش پردازش بر روی داده ها.

جلسه۲ رپیدماینر: آموزش معرفی پنجره ها و قسمت های مختلف نرم افزار رپیدماینر

در این جلسه آموزشی، اقدام به معرفی اجزای داخلی و پنجره های موجود در رپیدماینر نموده ایم. شما با دانلود این نسخه از جلسات آموزشی رپیدماینر می توانید بصورت کلی با محیط این نرم افزار آشنا شده تا در مراحل بعدی دچار مشکل نشوید.

جلسه ۳: آموزش ورود انواع دیتاست ها به رپیدماینر

در نرم افزار رپیدماینر، اولین مرحله جهت مدلسازی و اجرای هرگونه الگوریتمی اعم از روش های طبقه بندی، خوشه بندی، انتخاب ویژگی وغیره، ورود داده های اکسل با هر نوع داده دیگری است. در این جلسه آموزشی از مجموعه دوره های رپیدماینر(Rapid miner) ، به آموزش نحوه وارد کردن دیتاست ها پرداخته خواهد شد.

جلسه ۴ رپیدماینر: آموزش تبدیل انواع داده ها به یکدیگر و اعمال پیش پرداز بر روی داده ها در رپیدماینر

در این جلسه از آموزش های رپیدماینر، مراحل تبدیل داده ها با فرمت غیر قابل پشتیبانی رپیدماینر بصورت مرحله به مرحله بیان شده و پس از تبدیل نوع داده ها به فرمت اکسل و csv، این نوع داده ها را به محیط نرم افزار ایمپورت می کنیم.

جلسه ۵ رپیدماینر: آموزش کنترل های تبدیل داده در رپیدماینر

در این جلسه آموزشی از مجموعه جلسات دوره آموزشی رپیدماینر(rapidminer)، مقدماتی در ارتباط با مباحث پایه داده کاوی که پیش نیازی برای یادگیری نرم افزار رپیدماینر است، مطرح می گردد.

جلسه۶ رپیدماینر: آموزش خوشه بندی داده ها در نرم افزار داده کاوی رپیدماینر

در این جلسه آموزشی از مجموعه دوره های آموزشی رپیدماینر، بصورت فراگیر نحوه خوشه بندی داده ها با استفاده از الگوریتم های خوشه بندی K-means، X-means، DBSCAN، K-Medio ds در نرم افزار رپیدماینر آموزش داده می شود.

جلسه۷ رپیدماینر: آموزش یک پروژه عملی جهت خوشه بندی دیتاست حملات در رپیدماینر

در این جلسه آموزشی بصورت فراگیر خواهید آموخت که نحوه خوشه بندی داده های حملات در یک سیستم مثل سیستم ناسا به چه صورت خواهد بود. بعبارت دیگر فرآیند خوشه بندی با استفاده از الگوریتم های K-Means و X-Means و K-Medio ds و DBSCAN را با هم خواهید آموخت.

جلسه ٨ رپیدماینر: آموزش الگوریتم های طبقه بندی (Classification) در رپیدماینر

جلسه آموزشی نحوه اعمال الگوریتم هایی مثل درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان، KNN و غیره جهت طبقه بندی و تشخیص سرطان سینه و پیش بینی برق مصرفی خانه ها را خواهید آموخت.

جلسه ۹ رپیدماینر: آموزش یک مدلسازی عملی جهت طبقه بندی مجموعه ای از داده ها در رپیدماینر

دراین جلسه آموزشی از مجموعه دوره های آموزشی رپیدماینر، فرآیند طبقه بندی داده ها با استفاده از الگوریتم های محبوب دسته بندی موجود در رپیدمانیر همچون الگوریتم درخت تصمیم، الگوریتم KNN، الگوریتم نایوبیز، الگوریتم ماشین بردار پشتیبان، شبکه عصبی و غیره بر روی دیتاست سرطان سینه در زنان آموزش داده شده است.

جلسه ۱۰رپیدماینر: آموزش پیش بینی با الگوریتم های شبکه عصبی و SVM در رپیدماینر

در این جلسه آموزشی از مجموعه جلسات دوره آموزشی رپیدماینر، به آموزش پروژه محوری در ارتباط با پیش بینی رخدادهای آینده بر روی دیتاستی مثل دیتاست بار مصرفی برق، با استفاده از الگوریتم های یادگیری ماشین شبکه عصبی(Neural Netw/or/k) و ماشین بردرا پشتیبان(SVM)، پرداخته شده است.

جلسه۱۱ رپیدماینر: آموزش یک پروژه عملی پیش بینی میزان برق مصرفی باکمک الگوریتم های پیش بینی کننده در رپیدماینر

در این جلسه آموزشی از مجموعه جلسات دوره آموزشی رپیدماینر، به آموزش عملی در رابطه با پیش بینی بار مصرفی برق منطقه جنوب ایران و بر روی یک دیتاست واقعی، با استفاده از الگوریتم های یادگیری ماشین شبکه عصبی(Neural Netw/or/k) و ماشین بردرا پشتیبان(SVM)، پرداخته شده است.

جلسه۱۲ رپیدماینر: آموزش طبقه بندی مجموعه داده ها با کمک الگوریتم یادگیری عمیق در نرم افزار داده کاوی در رپیدماینر

در این جلسه آموزشی از مجموعه جلسات دوره داده کاوی با نرم افزار رپیدماینر(rapidminer)، به طبقه بندی یا دسته بندی مجموعه ای از داده ها با استفاده از الگوریتم محبوب Deep Learning یا یادگیری عمیق پرداخته شده است.

جلسه۱۳ رپیدماینر: آموزش طبقه بندی داده ها با الگوریتم Deep learning در رپیدماینر

در این جلسه خواهید آموخت که با کمک الگوریتم یادگیری عمیق می توان به صورت پویا هر نوع داده ای را طبقه بندی نموده و این الگوریتم را از جنبه های میزان دقت، صحت، فراخوانی و خطا مورد سنجش قرار داد.

جلسه۱۴ رپیدماینر: آموزش طبقه بندی داده های سرطان سینه با استفاده از روش voting در رپیدماینر

در این جلسه آموزشی از مجموعه جلسات دوره های رپیدماینر (Rapidminer) به آموزش طبقه بندی داده ها با استفاده از تکنیک یادگیری تقویتی یا Vete در نرم افزار داده کاوی رپیدماینر پرداخته می شود.

جلسه۱۶ رپیدماینر: آموزش انتخاب ویژگی های بهینه از مجموعه ی داده ها با استفاده از الگوریتم pso_svm در رپیدماینر

در این جلسه آموزشی از مجموعه جلسات دوره آموزشی رپیدماینر| فرآیند انتخاب ویژگی از دیتاست سرطان سینه (بعنوان نمونه با کمک الگوریتم ازدحام ذرات یا PSO و هسته SVM صورت میپذیرد.

جلسه ۱۷ رپیدماینر: آموزش انتخاب ویژگی با کنترل Optimization و الگوریتم های طبقه بندی در رپیدماینر

در این جلسه آموزشی از مجموعه جلسات دوره آموزشی رپیدماینر، فرآیند انتخاب ویژگی از دیتاست سرطان سینه (بعنوان نمونه با کمک کنترل Optimization و هسته الگوریتم های طبقه بندی مثل SVM، درخت تصمیم، شبکه عصبی، KNN، نایوبیز و غیرہ صورت میپذیرد.

جلسه۱۸ رپیدماینر: آموزش اضافه نمودن پلاگین در نرم افزار داده کاوی رپیدماینر

در این جلسه آموزشی از مجموعه دوره های نرم افزار داده کاوی رپیدماینر، فرآیند ارزیابی کارایی الگوریتم های خوشه بندی تدریس می گردد.

جلسه ۱۹ رپیدماینر: آموزش متن کاوی یا Text Mining در نرم افزار داده کاوی رپیدماینر

در این جلسه آموزشی از دوره های رپیدماینر اقدام به متن کاوی یا تکست ماینینگ بر روی متن ها خبری با استفاده از الگوریتم های محبوب یادگیری ماشین اعم از درخت تصمیم، نایوبیز و غیره نموده ایم.