رپیدماینر
جلسات آموزشی جدید
-
1
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.
این جلسه آموزشی به صورن رایگان در اختیار کاربران گرامی رایان پژوهان پارسه قرار گرفته است تا بتوان اندکی در رشد علمی شما شریک باشیم.
مشاهده و خرید2
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. نحوه ورود دیتاست به نرم افزار داده کاوی رپیدماینر در قالب چندین مرحله صورت می پذیرد که عبارتند از:
۱- تهیه دیتاست مربوطه در فایل های اکسل، اسکیوال سرور(SQL Server)، داده های متنی وغیره
۲- اعمال پیش پردازش(Preprocessing) مربوطه وتولید یک مجموعه داده منسجم
۳- آماده سازی داده ها(Preparing) جهت اعمال و ورود به نرم افزار داده کاوی رپیدماینر
۴- پس از اینکه داده های اصلی تولید شدند می بایست به نرم افزار داده کاوی رپیدماینر وارد شود.
مشاهده و خرید3
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.. برخی از مهم ترین پنجره های موجود در رپیدماینر عبارتند از:
۱) پنجره Repository: در این پنجره فایل های مدل سازی قرار می گیرد و شامل پوشه هایی است که سورس های رپیدماینر می بایست در آن ذخیره گردد.
۲) پنجره عملگر ها یا Operators: در این پنجره که در سمت چپ محیط نرم افزار رپیدماینر قرار دارد کلیه کنترل ها و الگوریتم های موجود بصورت دسته بندی شده وجود دارد. در این پنجره امکان جستجو یک کنترل یا الگوریتم خاص وجود دارد که کافیست تنها ابتدای اسم الگوریتم مورد نظر مثل Read را وارد نمایید تا تمام کنترل هایی که شامل عبارت Read هستند نمایان گردد.
۳) پنجره Process: این پنجره که یکی از مهم ترین پنجره های موجود در رپیدماینر است برای تهیه مدل های مورد نظر، اضافه کردن کنترل های متنوع به کار می رود....
مشاهده و خرید4
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. در مرحله آخر فرایند پیش پردازش را با استفاده از کنترل Replace Miss Values بر روی داده ها اعمال می کنیم.
مشاهده و خرید5
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.
این جلسه آموزشی در اختیار کاربران گرامی رایان پژوهان پارسه قرار گرفته است تا بتوان اندکی در پیشرد علمی شما شریک باشیم.
مشاهده و خرید6
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. الگوریتم یادگیری عمیق که یک تکنیک جدید است در نسخه ۷ رپیدماینر اخیرا اضافه شده که جهت طبقه بندی مجموعه از داده های با نظارت استفاده می گردد. بطور کلی 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.
مشاهده و خرید7
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. ما در جلسه آموزشی یادگیری تقویتی کاملا بصورت پروژه محورعمل کرده ایم. در این جلسه آموزشی کنترل های عمومی رپیدماینر که در جلسات قبل شرح داده شده مجدد مرور شده است. کنترل محبوب Vete که جهت ترکیب چندین الگوریتم طبقه بندی در رپیدماینر استفاده می شود بصورت کامل آموزش داده شده است.بصورت کلی در این جلسه آموزشی دیتاست سرطان سینه به عنوان داده های آزمایشی برای تست یادگیری تقویتی یا Vete در نظر گرفته شده است. نحوه ترکیب انواع الگوریتم های طبقه بندی مثل درخت تصمیم, شبکه عصبی, ماشین بردارپشتیبان. Knn و غیره
مشاهده و خرید8
در این جلسه آموزشی اضافه نمودن پلاگین در نرم افزار داده کاوی رپیدماینر، یکی از مهمترین مشکلات بسیاری از کاربران و دانشجویان علاقه مند به نرم افزا رداده کاوی رپیدماینر در ارتباط با ارزیابی عملکرد یا کارایی الگوریتم های خوشه بندی مثل K-Means، X-Means و غیره، محاسبه میزان عملکرد این الگوریتم ها می باشد. در این جلسه آموزشی از مجموعه دوره های نرم افزار داده کاوی رپیدماینر، فرآیند ارزیابی کارایی الگوریتم های خوشه بندی تدریس می گردد.
مشاهده و خرید9
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. این جلسه آموزشی به شما کمک می کند تا بتوانید پژوهش هایی در زمینه تحلیل عقاید و احساسات کاربران، طبقه بندی متون فارسی و لاتین، کاوش دانش های پنهان و غیره بر روی انواع دیتاست ها ارزیابی نموده و در عمل مورد آزمایش قرار دهید.
مشاهده و خرید10
11
12
13
در این جلسه آموزشی به کشف داده های پرت یا outlier data با استفاده از نرم افزار داده کاوی رپیدماینر پرداخته می شود. داده های پرت آن دسته ار داده هایی هستند که رفتار متفاوت با سایر نمونه ها د ارند . لازم به ذکر است که بدانید که miss Value با داده های پرت متفاوت هستند. Miss Value به آن دسته از داده هایی گفته می شود که مقادیر خالی و یا تهی و یا مقادیر متفاوت با سایر مقادیر از مجموعه داده ها دارند. اما data Outlier آن دسته از داده هایی هستند و با قرار گرفتن در یک فضا، رفتاری متفاوت با اکثر نمونه ها د ارند. داده های پرت باعث می شوند که مدل تولید شده در داده کاوی یک مدل پیچیده باشد . مدل پیچیده به مدلی گفته می شود که به برخی از داده ها که ارزش چندانی در دیتاست ندارند اهمیت بیشتری داده می شود این داده ها موجب می شوند که فضای جست و جوی بیشتری نسبت به خود اختصاص دهد.
مشاهده و خرید- حراج!
14
در این دوره آموزشی، نرم افزار داده کاوی رپیدماینر از مقدماتی تا حرفه ای آموزش داده می شود. با مشاهده جلسات این دوره امکان انجام انواع پروژه های درسی و دانشگاهی میسر می گردد. محتویات دوره آموزش رپیدماینر مناسب دانشجویان کارشناسی، ارشد و دکتری می باشد. جلسات آموزشی رپیدماینر به گونه ای تهیه شده است که دانشجویان بتوانند به راحتی پایان نامه و پروژه های مرتبط را پیاده سازی کنند. همراه فیلم آموزشی مثال های کاربردی و سورس های مربوطه موجود می باشد.
مشاهده و خرید
