نوشته جلسه ۹: آموزش یک مدلسازی عملی جهت طبقه بندی مجموعه ای از داده ها در رپیدماینر اولین بار در . پدیدار شد.
]]>یکی از مهمترین فرآیند و آزمایشاتی که در علم داده کاوی و هوش مصنوعی صورت می پذیرد، طبقه بندی، پیش بینی و تشخیص رخدادهای آینده یا اطلاعات فعلی یک سیستم است. طبقه بندی داده ها جزو روش های با نظارت بوده که هدف اصلی اش طبقه بندی نمونه هایی است که جدیداً وارد سیستم می شوند. در این آموزش به طبقه بندی دیتاست سرطان سینه در زنان پرداخته شده است.
در فرآیند طبقه بندی نمونه های موجود در یک سیستم یا پیش بینی رخدادهای آینده یا تشخیص نمونه های جدید در یک سیستم دو نوع داده وجود دارند که عبارتند از: ۱) داده های آموزشی یا Train 2) داده های آزمایشی یا Test
داده های آموزشی ۷۰% الی ۸۰% از کل نمونه های استفاده شده است. از داده های آموزشی برای آموزش دادن هسته الگوریتم های یادگیری ماشین (Machine Learning) استفاده می گردد.
داده های آزمایشی که معمولاً ۳۰% الی ۲۰% از نمونه های استفاده شده در یک سیستم است جهت ارزیابی و سنجش میزان عملکرد الگوریتم استفاده شده اعم از الگوریتم های درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان، KNN و غیره کاربرد دارد.
از مهمترین جلسات پیش نیاز این جلسه آموزشی، جلسه شماره ۱ از دوره های آموزشی رپیدماینر می باشد زیرا در جلسه آموزشی شماره ۱ ضمن اشاره نمودن به نحوه تفکیک نمونه های Test و Train، یک نمونه عملی نیز مثال زده شده است.
اگر بخواهیم بصورت خلاصه یافته های این جلسه آموزشی را تشریح کنیم، باید اینگونه بیان نمود که در این جلسه آموزشی از مجموعه دوره های آموزشی رپیدماینر، ابتدا نحوه تفکیک داده های آموزشی (%۸۰) و داده های آزمایشی (%۲۰) پرداخته می شود. پس دو نوع الگوریتم که هر کدام شامل زیرمجموعه ای از الگوریتم ها هستند را جهت طبقه بندی و تشخیص بیماری سرطان سینه و پیش بینی برق مصرفی معرفی خواهیم نمود. الگوریتم هایی را که در این جلسه آموزشی همراه با ارائه دو مثال عملی به آن پرداخته می شود عبارتند از: الگوریتم درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان، KNN است.
در این جلسه آموزشی دو نوع مدل تولید می گردد یکی مدلی که میلیارهای مثل دقت (Accuracy )، صحت (Precision)، فراخوانی (Recall) و خطا را با کمک اپراتورهای Performance را محاسبه کرده و نمایش می دهد. دوم مدلی که در خروجی نتایج پیش بینی را نشان می دهد.
در جلسات آتی تحت عنوان جلسات فوق العاده بصورت خاص به تدریس و آموزش اختصاص الگوریتم های پرکاربردی مثل Ad boost، Deep Learning ، Boosting و Voting پرداخته خواهد شد که می توانید در جلسات آینده ملاحظه نمائید.
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
قسمتی از جلسه آموزش شماره ۹ از مجموعه جلسات دوره آموزشی نرم افزار داده کاوی رپیدماینر، از طریق پیش نمایش زیر قابل مشاهده است.در ویدئو زیر ۳۴ دقیقه و ۳۶ ثانیه آموزش ضبط شده توسط استاد بهنام حیدری تهیه و تنظیم گردیده است.
با خرید کامل دوره با ۳۰% تخفیف ویژه از طریق این لینک تنها با پرداخت ۳۶۸٫۲۰۰ هزار تومان ۱۹جلسه را باهم خریداری نمایید.
>
نوشته جلسه ۹: آموزش یک مدلسازی عملی جهت طبقه بندی مجموعه ای از داده ها در رپیدماینر اولین بار در . پدیدار شد.
]]>نوشته جلسه۲۲: آموزش یک پروژه عملی درجهت پردازش تصویر در رپیدماینر اولین بار در . پدیدار شد.
]]>
در حال آماده سازی پروژه و تولید ویدئو هستیم.
نوشته جلسه۲۲: آموزش یک پروژه عملی درجهت پردازش تصویر در رپیدماینر اولین بار در . پدیدار شد.
]]>نوشته جلسه ۲۱: آموزش پردازش تصویر در رپیدماینر اولین بار در . پدیدار شد.
]]>در حال آماده سازی پروژه و تولید ویدئو هستیم.
نوشته جلسه ۲۱: آموزش پردازش تصویر در رپیدماینر اولین بار در . پدیدار شد.
]]>نوشته جلسه ۲۰: آموزش یک پروژه عملی جهت تحلیل احساسات افراد در پیام ها با استفاده از متن کاوی در رپید ماینر اولین بار در . پدیدار شد.
]]>در حال آماده سازی پروژه و تولید ویدئو هستیم.
نوشته جلسه ۲۰: آموزش یک پروژه عملی جهت تحلیل احساسات افراد در پیام ها با استفاده از متن کاوی در رپید ماینر اولین بار در . پدیدار شد.
]]>نوشته جلسه ۱۹: آموزش متن کاوی یا Text Mining در نرم افزار داده کاوی رپیدماینر اولین بار در . پدیدار شد.
]]>در این جلسه به آموزش متن کاوی یا Text Mining در نرم افزار داده کاوی رپیدماینر می پردازیم. متن کاوی یا تکست ماینینگ یکی از مهمترین و پرکاربردترین زیر شاخه های علوم کامپیوتر و داده کاوی می باشد. الگوریتم ها و تکنیک های معرفی شده در متن کاوی این امکان را به شما می دهند تا بتوانید در متون حجیم لاتین، فارسی و غیره کاوش نمایید و مجموعه ای از دانش ها را استخراج کنید. همچنین متن کاوی این امکان را برای شما فراهم می سازد تا بتوانید متون خبری، کامنت های کاربران، نظرات، لایک ها و غیره را طبقه بندی نموده و احساسات کاربران را مورد ارزیابی قرار دهید. از این رو در این جلسه آموزشی با استفاده از الگوریتم های معروف داده کاوی و متن کاوی مثل درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان، شبکه عصبی عمیق و غیره اقدام به طبقه بندی متن ها خبری نموده ایم.
بطور کلی در این جلسه آموزشی مراحل اجرای روش پیشنهادی به شرح ذیل می باشد:
بنابراین با کمک ابزار ها و کنترل های معرفی شده فرآیند متن کاوی با استفاده از رپیدماینر آموزش داده شده است.
قسمتی از جلسه آموزش شماره ۱۹ از مجموعه جلسات دوره آموزشی تکست ماینینگ یاtext mining در رپیدماینر، از طریق پیش نمایش زیر قابل مشاهده است.در ویدئو زیر ۲۶ دقیقه و۰۱ ثانیه آموزش ضبط شده توسط استاد بهنام حیدری تهیه و تنظیم گردیده است.
با خرید کامل دوره با ۳۰% تخفیف ویژه از طریق این لینک تنها با پرداخت ۳۶۸٫۲۰۰ هزار تومان ۱۹جلسه را باهم خریداری نمایید.
نوشته جلسه ۱۹: آموزش متن کاوی یا Text Mining در نرم افزار داده کاوی رپیدماینر اولین بار در . پدیدار شد.
]]>نوشته جلسه۱۸: آموزش اضافه نمودن پلاگین در نرم افزار داده کاوی رپیدماینر اولین بار در . پدیدار شد.
]]>در این جلسه آموزشی اضافه نمودن پلاگین در نرم افزار داده کاوی رپیدماینر می پردازیم. 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.
در این جلسه آموزشی از دیتاست iris برای انجام آزمایشات استفاده شده است. الگوریتم های خوشه بندی تست شده می توان K-Means , X-Means را نام برد. کنترل های استفاده شده در این جلسه آموزشی عبارتند از:
هر کدام از این کنترل ها در رپیدماینر به صورت کامل تشریح شده 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
قسمتی از جلسه آموزش شماره ۱۸ از مجموعه جلسات دوره آموزش اضافه نمودن پلاگین در نرم افزار داده کاوی رپیدماینر، از طریق پیش نمایش زیر قابل مشاهده است.در ویدئو زیر ۲۰ دقیقه و ۱۷ ثانیه آموزش ضبط شده توسط استاد بهنام حیدری تهیه و تنظیم گردیده است.
با خرید کامل دوره با ۳۰% تخفیف ویژه از طریق این لینک تنها با پرداخت ۳۶۸٫۲۰۰ هزار تومان ۱۹جلسه را باهم خریداری نمایید.
نوشته جلسه۱۸: آموزش اضافه نمودن پلاگین در نرم افزار داده کاوی رپیدماینر اولین بار در . پدیدار شد.
]]>نوشته جلسه ۱۷: آموزش انتخاب ویژگی با کنترل Optimization و الگوریتم های طبقه بندی در رپیدماینر: اولین بار در . پدیدار شد.
]]>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.
– امکان دانلود دیتاست استفاده شده در آموزش
– امکان دانلود فیلم آموزشی بصورت مستقیم
– امکان آموزش مدل و سورس طراحی شده با رپیدماینر
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
قسمتی از جلسه آموزش شماره ۱۷ از مجموعه جلسات دوره آموزشی نرم افزار داده کاوی رپیدماینر، از طریق پیش نمایش زیر قابل مشاهده است.در ویدئو زیر ۳۵ دقیقه و ۵۹ ثانیه آموزش ضبط شده توسط استاد بهنام حیدری تهیه و تنظیم گردیده است.
با خرید کامل دوره با ۳۰% تخفیف ویژه از طریق این لینک تنها با پرداخت ۳۶۸٫۲۰۰ هزار تومان ۱۹جلسه را باهم خریداری نمایید.
نوشته جلسه ۱۷: آموزش انتخاب ویژگی با کنترل Optimization و الگوریتم های طبقه بندی در رپیدماینر: اولین بار در . پدیدار شد.
]]>نوشته جلسه۱۶: آموزش انتخاب ویژگی های بهینه از مجموعه ی داده ها با استفاده از الگوریتم pso_svm در رپیدماینر اولین بار در . پدیدار شد.
]]>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. در این جلسه آموزشی بصورت خاص الگوریتم انتخاب ویژگی PSO بصورت تئوریک و عملی تدریس می گردد. دیتاست سرطان سینه به عنوان منبع داده به الگوریتم انتخاب ویژگی PSO وارد میشود. این الگوریتم بر اساس هسته SVM فراند دسته بندی زیر مجموعه ویژگی ها را انجام داده و در نهایت به هر ویژگی یک وزن بین ۰ و ۱ 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.
– امکان دانلود دیتاست استفاده شده در آموزش
– امکان دانلود فیلم آموزشی بصورت مستقیم
– امکان آموزش مدل و سورس طراحی شده با رپیدماینر
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
قسمتی از جلسه آموزش شماره ۱۶ از مجموعه جلسات دوره آموزشی نرم افزار داده کاوی رپیدماینر، از طریق پیش نمایش زیر قابل مشاهده است.در ویدئو زیر ۲۳ دقیقه و ۲۹ ثانیه آموزش ضبط شده توسط استاد بهنام حیدری تهیه و تنظیم گردیده است.
با خرید کامل دوره با ۳۰% تخفیف ویژه از طریق این لینک تنها با پرداخت ۳۶۸٫۲۰۰ هزار تومان ۱۹جلسه را باهم خریداری نمایید.
نوشته جلسه۱۶: آموزش انتخاب ویژگی های بهینه از مجموعه ی داده ها با استفاده از الگوریتم pso_svm در رپیدماینر اولین بار در . پدیدار شد.
]]>نوشته جلسه۱۴: آموزش طبقه بندی داده های سرطان سینه با استفاده از روش voting در رپیدماینر اولین بار در . پدیدار شد.
]]>در این جلسه آموزشی از مجموعه جلسات دوره های رپیدماینر (Rapidminer) به آموزش طبقه بندی با یادگیری تقویتی (Vete) در 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
در قالب سیستم Vete یصورت کاملا عملی تدریس شده است. بنابراین با خرید این دوره آموزشی می توانید:
– بطور کلی هر الگوریتم طبقه بدی را با یکدیگر ترکیب نموده پاسخ بهینه رسید
– تمرین های درسی و رساله های ارشد را با یادگیری تقویتی پیاده سازی نمود
– منطق یادگیری تقویتی را بصورت تئوریک و عملی فرا خواهید گرفت
– امکان دانلود لینک مستقیم جلسه آموزشی
– دانلود دیتاست سرطان سینه
– امکان دانلود سورس یا مدل تهیه شده با رپیدماینر
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
قسمتی از جلسه آموزش شماره ۱۴ از مجموعه جلسات دوره آموزشی نرم افزار داده کاوی رپیدماینر، از طریق پیش نمایش زیر قابل مشاهده است.در ویدئو زیر ۲۰ دقیقه و ۳۶ ثانیه آموزش ضبط شده توسط استاد بهنام حیدری تهیه و تنظیم گردیده است.
با خرید کامل دوره با ۳۰% تخفیف ویژه از طریق این لینک تنها با پرداخت ۳۶۸٫۲۰۰ هزار تومان ۱۹جلسه را باهم خریداری نمایید.
نوشته جلسه۱۴: آموزش طبقه بندی داده های سرطان سینه با استفاده از روش voting در رپیدماینر اولین بار در . پدیدار شد.
]]>نوشته جلسه۱۳: آموزش طبقه بندی داده ها با الگوریتم Deep learning در رپیدماینر اولین بار در . پدیدار شد.
]]>در این جلسه آموزشی از مجموعه جلسات دوره داده کاوی با نرم افزار رپیدماینر(rapidminer)، به طبقه بندی یا دسته بندی دیتاست سرطان سینه 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.
از مهمترین جلسات پیش نیاز این جلسه آموزشی، جلسه شماره ۱ تا ۵ از دوره های آموزشی رپیدماینر می باشد زیرا در جلسه آموزشی شماره ۱ ضمن اشاره نمودن به نحوه تفکیک نمونه های Test و Train، یک نمونه عملی نیز مثال زده شده است. در سایر جلسات نیز به کنترل های بکار برده شده در این جلسه اشاره شده و به صورت کامل تحلیل شده است.
در این جلسه آموزشی یک نوع مدل تولید می گردد یکی مدلی که معیارهایی مثل دقت (Accuracy )، صحت (Precision)، فراخوانی (Recall) و خطا را با کمک اپراتورهای Performance را محاسبه کرده و نمایش می دهد.
در جلسات آتی تحت عنوان جلسات فوق العاده بصورت خاص به تدریس و آموزش اختصاص الگوریتم های پرکاربردی مثل Boosting و Voting پرداخته خواهد شد که می توانید در جلسات آینده ملاحظه نمائید.
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
قسمتی از جلسه آموزش شماره ۱۳ از مجموعه جلسات دوره آموزشی نرم افزار داده کاوی رپیدماینر، از طریق پیش نمایش زیر قابل مشاهده است.در ویدئو زیر ۱۷ دقیقه و ۱۵ ثانیه آموزش ضبط شده توسط استاد بهنام حیدری تهیه و تنظیم گردیده است.
با خرید کامل دوره با ۳۰% تخفیف ویژه از طریق این لینک تنها با پرداخت ۳۶۸٫۲۰۰ هزار تومان ۱۹جلسه را باهم خریداری نمایید.
<
نوشته جلسه۱۳: آموزش طبقه بندی داده ها با الگوریتم Deep learning در رپیدماینر اولین بار در . پدیدار شد.
]]>