جلسه ۱۷: 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. در این جلسه آموزشی بصورت خاص کنترل بهینه سازی و انتخاب ویژگی Optimization بصورت تئوریک و عملی تدریس می گردد. دیتاست سرطان سینه به عنوان منبع داده به الگوریتم انتخاب ویژگی Optimization وارد میشود. این الگوریتم بر اساس هسته SVM، درخت تصمیم، شبکه عصبی، KNN نایوبیز و غیره فرایند دسته بندی زیر مجموعه ویژگی ها را انجام داده و در نهایت به هر ویژگی یک وزن بین ۰ و۱ اختصاص میدهد. در نهایت با تولید خروجی مربوط به هر ویژگی میتوان تعیین کرد که کدام ویژگی دارای وزن بالاتری نسبت به بقیه ویژگیها میباشد. جلسه آموزشی انتخاب ویژگی در رپیدماینر بصورت پروژه محور بوده و یک پروژه عملی را بصورت کامل و با جزئیات تدریس می نماید. با خرید این دوره آموزشی میتوانید به راحتی فرآیند انتخاب ویژگی را بر روی هر دیتاستی در رپیدماینر انجام دهید.

توجه: یکی از مهمترین قابلیت هایی که در این جلسه تدریس شده و به صورت عملی آموزش داده میشود این است که با کمک تمامی الگوریتم های طبقه بندی در رپیدماینر و داده کاوی، انتخاب ویژگی انجام میشود.

امکانات آموزش انتخاب ویژگی در رپیدماینر:

- امکان دانلود دیتاست استفاده شده در آموزش

- امکان دانلود فیلم آموزشی بصورت مستقیم

- امکان آموزش مدل و سورس طراحی شده با رپیدماینر

این آموزش برای رشته های زیر مفید است:

دوره های آموزشی نرم افزار داده کاوی رپیدماینر(Rapidminer) 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