جلسه ۱۰رپیدماینر: آموزش پیش بینی با الگوریتم های شبکه عصبی و SVM در رپیدماینر
جلسه ۱۰: آموزش پیش بینی با الگوریتم شبکه عصبی و ماشین بردار پشتیبان 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 و ماشین بردرا پشتیبان، پرداخته شده است. در این جلسه آموزشی ضمن تشریح کامل الگوریتم های محبوب پیش بینی در رپیدماینر، کنترل های Read Excel، کنترل Multiply، کنترل Sampling(Stratified)، کنترل Apply Model، الگوریتمNeural Network و Support Vector Machine مورد بررسی قرار گرفته شده است.
مراحل موجود جهت پیش بینی رخدادهای آینده در آموزش پیش بینی با الگوریتم شبکه عصبی و ماشین بردار پشتیبان در رپیدماینر عبارتند از:
- وارد نمودن دیتاست برق مصرفی منطقه جنوب ایران به کنترل Read Excel
- توزیع داده ها از طریق کنترل Read Excel به کنترل Multiply
- تفکیک نمونه های آزمایشی با استفاده از کنترل Sampling(Stratified)
- آموزش الگوریتم شبکه عصبی(Neural Network) و تولید مدل آموزشی
- ارزیابی الگوریتم شبکه عصبی(Neural Network) و ارسال نمونه ها به کنترل Apply Model
- مشاهده نتایج مربوطه
لازم به ذکر است که کلیه موارد فوق یک مرحله نیز به جای الگوریتم شبکه عصبی(Neural Network) از الگوریتم SVM استفاده شده است. در آموزش پیش بینی با الگوریتم شبکه عصبی و ماشین بردار پشتیبان در رپیدماینر یک مرتبه فرآیند پیش بینی با استفاده از SVM و یک مرتبه نیز با الگوریتم شبکه عصبی انجام شده است.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این جلسه آموزشی، در ادامه آمده است:
برخی از مهمترین مباحثی که در این دوره آموزشی تشریح می گردد عبارتند از:
- آشنایی کامل با نحوه پبش بینی رخداد های آینده با استفاده از الگوریتم شبکه عصبی(Neural Network) در رپیدماینر
- آشنایی کامل با نحوه پبش بینی رخداد های آینده با استفاده از الگوریتم SVM در رپیدماینر
- تشزیح کنترل Sampling(Stratified)
- تشریح مجدد کنترل های Read Excel، کنترل Multiply، کنترل Sampling(Stratified)، کنترل Apply Model
این آموزش برای رشته های زیر مفید است:
دوره های آموزشی نرم افزار داده کاوی رپیدماینر از جلسات مقدماتی تا سطوح متوسطه و پیشرفته برای رشته هایی ذیل مناسب و مفید می باشد.
– رشته کامپیوتر گرایش های نرم افزار، سخت افزار و معماری
– رشته تجارت الکترونیک
– رشته برنامه نویسی
– رشته فناوری اطلاعات
– و سایر رشته های مرتبط
جلسه ۱۰رپیدماینر: آموزش پیش بینی با الگوریتم های شبکه عصبی و SVM در رپیدماینر
-
رایگانجلسه۲۲ رپیدماینر: آموزش یک پروژه عملی درجهت پردازش تصویر در رپیدماینر
-
رایگانجلسه ۲۱ رپیدماینر: آموزش پردازش تصویر در رپیدماینر
-
رایگانجلسه ۲۰ رپیدماینر: آموزش یک پروژه عملی جهت تحلیل احساسات افراد در پیام ها با استفاده از متن کاوی در رپید ماینر
-
رایگانجلسه ۱۹ رپیدماینر: آموزش متن کاوی یا Text Mining در نرم افزار داده کاوی رپیدماینر
-
رایگانجلسه۱۸ رپیدماینر: آموزش اضافه نمودن پلاگین در نرم افزار داده کاوی رپیدماینر
-
رایگانجلسه ۱۷ رپیدماینر: آموزش انتخاب ویژگی با کنترل Optimization و الگوریتم های طبقه بندی در رپیدماینر
-
رایگانجلسه۱۶ رپیدماینر: آموزش انتخاب ویژگی های بهینه از مجموعه ی داده ها با استفاده از الگوریتم pso_svm در رپیدماینر
-
رایگاندوره آموزشی رپیدمانیر
-
رایگانجلسه۱۴ رپیدماینر: آموزش طبقه بندی داده های سرطان سینه با استفاده از روش voting در رپیدماینر
-
رایگانجلسه۱۳ رپیدماینر: آموزش طبقه بندی داده ها با الگوریتم Deep learning در رپیدماینر
-
رایگانجلسه۱۲ رپیدماینر: آموزش طبقه بندی مجموعه داده ها با کمک الگوریتم یادگیری عمیق در نرم افزار داده کاوی در رپیدماینر
-
رایگانجلسه۱۱ رپیدماینر: آموزش یک پروژه عملی پیش بینی میزان برق مصرفی باکمک الگوریتم های پیش بینی کننده در رپیدماینر
-
رایگانجلسه ۱۰رپیدماینر: آموزش پیش بینی با الگوریتم های شبکه عصبی و SVM در رپیدماینر
-
رایگانجلسه ۹ رپیدماینر: آموزش یک مدلسازی عملی جهت طبقه بندی مجموعه ای از داده ها در رپیدماینر
-
رایگانجلسه ٨ رپیدماینر: آموزش الگوریتم های طبقه بندی (Classification) در رپیدماینر
-
رایگانجلسه۷ رپیدماینر: آموزش یک پروژه عملی جهت خوشه بندی دیتاست حملات در رپیدماینر
-
رایگانجلسه۶ رپیدماینر: آموزش خوشه بندی داده ها در نرم افزار داده کاوی رپیدماینر
-
رایگانجلسه ۵ رپیدماینر: آموزش کنترل های تبدیل داده در رپیدماینر
-
رایگانجلسه ۴ رپیدماینر: آموزش تبدیل انواع داده ها به یکدیگر و اعمال پیش پرداز بر روی داده ها در رپیدماینر
-
رایگانجلسه ۳ رپیدماینر: آموزش ورود انواع دیتاست ها به رپیدماینر
مشاهده همه مطالب