تکنیک های انتقال و پاکسازی داده ها با زبان R

خاطب این گروه افرادی می باشند که علاقه زیادی به حل مساله با رویکرد داده محور داشته و حوزه علم داده را به عنوان حیطه تخصصی برای خود در نظر گرفته اند و آینده شغلی خود را متخصص دیتا ساینس می بینند. پیش بینی فرایندها، تحلیل سری زمانی، متن کاوی، تحلیل شبکه های اجتماعی و یادگیری عمیق از جمله مسائلی هستند که در این حوزه مطرح می باشند.
دانشمند داده یا متخصص دیتا ساینس چه جایگاهی دارد؟!
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
یک دانشمند داده یا متخصص دیتا ساینس فردی است که مهارت خود در تحلیل آماری و ساخت مدل های یادگیری ماشین را برای انجام پیش بینی و پاسخ به سوالات مهم کسب و کار به کار می گیرد. متخصص علوم داده همانند یک تحلیلگر داده نیاز دارد تا در پاکسازی، تحلیل و مصورسازی داده ها توانمند بوده و حتی بطور عمیقتری به این موارد بپردازد. ضمن اینکه علاوه بر اینها باید در ساخت، آموزش و بهبود مدل های یادگیری ماشین تسلط و مهارت لازم را داشته باشد. اگر یک تحلیلگر داده بر درک داده های گذشته و چشم انداز کنونی آن تمرکز می کند، دانشمند داده به ارائه پیش بینی های قابل قبول از آینده می پردازد.
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
    یک دانشمند داده فردیست که می تواند با طرح سوالات پیچیده و حل آنها به کمک دانش آماری پیشرفته و به کارگیری الگوریتم های یادگیری ماشین، ارزش فوق العاده ای برای سازمان ایجاد کند.

متخصصین علوم داده و دیتا ساینس می توانند با استفاده از متدهای یادگیری ماشین با ناظر و بدون ناظر، به دانش پنهان موجود در داده ها دست یابند و آن را آشکار سازند. آموزش مدل های ریاضی به آنها این امکان را می دهد تا بتوانند الگوها را شناسائی کرده و به پیش بینی دقیقتری از آینده برسند. به نوعی می توان گفت که یک دانشمند داده متخصص آماری است که بیشتر از یک آماری کامپیوتر می داند و متخصص کامپیوتری است که بیشتر از یک کامپیوتری به آمار مسلط است.
توانایی ها و مسئولیت های یک متخصص دیتا ساینس
توانایی ها:

    توانایی بالا در درک کسب و کار
    توانایی بالا در ریاضیات و آمار
    توانایی بالا در علوم کامپیوتر و برنامه نویسی

مسئولیت ها:
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
    پاکسازی داده های کثیف و آماده سازی آن
    تجزیه و تحلیل اکتشافی داده ها
    شناسائی الگوها با استفاده از روشهای یادگیری ماشین
    انجام پیش بینی بر اساس الگوهای بدست آمده
    طرح سوال و تعریف مساله جدید متناسب با چالشهای پیش رو
    ارائه راهکار مبتنی بر علم داده جهت حل مسائل پیچیده سازمان

• معرفی داده کاوی بوسیله متدولوژی خاص به شرکت کنندگان: داده کاوی چیزی فراتر از اجرای ابزارهای داده کاوی است. آماده سازی داده ها، استخراج و استنتاج داده ها، ارزیابی مدل های داده کاوی. جهت کسب این مهارت ها در طول این دوره متدولوی CRISP-DM معرفی خواهد شد. بی شک شما نمی توانید یک کارشناس خبره حوزه علوم داده شوید بدون یک متدولوژی علمی!
• هدف دوم از این دوره آشنا شدن با ابزار داده کاوی SQL Server است. یادگیری مدل های مختلف داده کاوی در پلتفرم داده کاوی مایکروسافت (درخت تصمیم، شبکه های عصبی، سری زمانی، رگرسیون و …) و ابزارهای ارزیابی مدل های موجود در SQL Server Analysis Services ( SSAS )
• آشنایی با زبان برنامه نویسی R که یکی از قدرتمندترین زبان های تحلیل داده و محاسبات آماری می باشد.

این دوره در حقیقت چکیده سه دوره زیر می باشد:

• Data Mining with Microsoft Analysis Services
• Excel PowerPivot Data Mining Add-ins
• Data Analysis with R

ی است که هیچ دانشی در حوزه داده کاوی ندارند و قصد دارند که بر چگونگی پیاده سازی پروژه های داده کاوی با استفاده از سرویس  SQL Service Analysis Services ( SSAS ) تسلط پیدا کنند.

دسته دیگر مخاطبین توسعه دهندگان پروژه های Business Intelligence هستند که بدنبال یادگیری راهکارهای داده کاوی هستند و در نهایت مدیران پروژه که نیاز دارند دید درستی از جنبه های کلیدی پیاده سازی راهکارهای داده کاوی داشته باشند.

توانایی پس ازگذراندن دوره

•  آشنایی با مفاهیم داده کاوی
• آماده سازی داده ها: انتقال و پاکسازی داده ها
•  مدلسازی داده ها بر اساس تکنیک های مدلسازی داده کاوی SQL Server
•  معرفی ابزارهای مایکروسافت جهت پیاده سازی داده کاوی در SQL Server Analysis Services
•  معرفی و تشریح الگوریتم های داده کاوی مایکروسافت (خوشه بندی، درخت تصمیم، رگرسیون خطی، الگوریتم بیز، الگوریتم های سری زمانی، الگوریتم شبکه عصبی، رگرسیون منطقی، الگوریتم وابستگی و …)
• آشنایی با اصول زبان برنامه نویسی R
•  نصب ابزار R Tools for Visual Studio
•  
• تکنیک های انتقال و پاکسازی داده ها با زبان R

سرفصلهای دوره

09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]

Data Mining Concepts

• Introduction
• Course Materials
• Facilities
• Prerequisites
• Concepts and Terminology
• Data Mining and Results
• CRISP-DM
• Business Problems for Data Mining
• Models, Induction, and Prediction
• Data Mining Tasks
• Key Concepts

SQL Server Analysis Services Data Mining Tools

• Introduction to SQL Server Data Tools
• Project Walk-Through
• Stepping Through the Data Mining Wizard
• Testing and Validation of Mining Models
• Cross Validation
• The Mining Model Prediction Tab
• Reports

The Microsoft Data Mining Algorithms

• Types of Data Mining Algorithms
• Microsoft Decision Trees Algorithm
• Microsoft Linear Regression Algorithm
• Microsoft Clustering Algorithm
• Microsoft Nave Bayes Algorithm
• Microsoft Association Algorithm
• Microsoft Sequence Clustering Algorithm
• Microsoft Time Series Algorithm
• Microsoft Neural Network Algorithm
• Microsoft Logistic Regression Algorithm

09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]

Excel PowerPivot Data Mining Add-ins

• Data Mining Tab
• Connection
• Data Preparation
• Management
• Model Usage
• Accuracy and Validation
• Data Modeling
• Visio Data Mining Add-In

R Language and Data Analysis

• Getting started and working with data
• Basic data types and operations
• Data Frames
• Importing, saving, exporting, and re-using data
• Common R functions for numbers, factors, text, and dates
• Vector-oriented computation
• Sorting, ranking, and printing
• Reading and writing data with R
• Reading tables and CSV files, row and column headers, delimiters. Built-in data.
• Cleaning and transforming data
• Writing R scripts and functions
• Loops and conditions
• Flow control, functions and classes in R, executing R scripts from GUI and command line
• Visualizing data and Exploratory Data Analysis
• Exploring and plotting relationships between variables
• Visualizations for categorical and continuous data, scatter plots, box plots, pie charts, histograms, bar plots, dot charts, and the char object

 09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]