ی از مقبولیت بسیار باالیی در محافل آکادمیک برخوردار می باشد. پشتیبانی از طیف گسترده ای از الگوریتم های داده کاوی آن را به گزینه ای قابل قبول برای انجام پروژه های تحقیقاتی و دانشگاهی مبدل نموده است.
هرچند این ابزار در پشتیبانی از اجرای فرآیند داده کاوی در قالب پروژه های حرفه ای و بلند مدت دارای ضعف های جدی می باشد اما به علت تنوع زیاد در الگوریتم های مدلسازی به عنوان یک ابزار پرکاربرد در کنار سایر ابزارها مورد استفاده قرار می گیرد.
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
مدت دوره: 12 ساعت
آشنایی با داده کاوی و ضرورت آن به عنوان یک روش حل مساله
ضرورت، پیشینه، تعاریف
مروری بر ادبیات داده کاوی و وظایف آن
روش های یادگیری با راهنما و بدون راهنما
وظایف شش گانه داده کاوی
فرآیند داده کاوی DM-CRISP
آشنایی با محیط Explorer Weka
ورود داده ها و پیش پردازش
فراخوانی داده ها در Weka
تبدیل انواع داده
بررسی و برخورد با مقادیر پرت و گمشده
حذف و فیلتر و ...
مدل های پیش بینانه و ارزیابی آنها
درختهای تصمیم در Weka, J48M5P, RandomForest
رگرسیون خطی و لوجستیک
شبکه های عصبی
مدل های MetaClassifier
Bagging
Boosting
Stacking
Cost Sensitive Models
مدل های بدون راهنما
خوشه بندی
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
خوشه بندی سلسله مراتبی
الگوریتم K-Means
قوانین پیوند
الگوریتم Appriori
الگوریتم FPGrowt