موضوعات
سبد خرید (0)
یازدهمین دوره آنلاین کاربردی «تُندآموزی داده کاوی با رپیدماینر»

یازدهمین دوره آنلاین کاربردی «تُندآموزی داده کاوی با رپیدماینر»

یازدهمین دوره آنلاین کاربردی «تُندآموزی داده کاوی با رپیدماینر»

ذخیره کردن
یازدهمین دوره آنلاین کاربردی «تُندآموزی داده کاوی با رپیدماینر»
بلیت‌های ویدئو
ارز
بلیت ویدئو
تومان
توضیحات وبینار
معرفی یازدهمین دوره آنلاین  کاربردی « تُندآموزی داده کاوی با رپیدماینر» (Rapidminer)

 

۴۰ درصد تخفیف ثبت نام در دوره تا ۱۲ تیرماه ۹۹

 

 

چند سوال مهم

اگر شما مدیر یک فروشگاه زنجیره‌ای بزرگ، رئیس یک بانک، مدیر یک شرکت بیمه‌ای، رئیس یک موسسه اعتباری و مالی، صاحب یک بیمارستان یا کلینیک، صاحب مجموعه رستوران‌های زنجیره‌ای، صاحب یک هتل بزرگ و …. باشید، مطمئناً شما باید داده‌های زیادی را از مشتریان خود در دسترس داشته باشید.

اما آیا از این داده‌ها برای بهبود وضعیت کسب و کار خود استفاده می کنید؟

آیا مشتریان بالقوه خود را می‌شناسید؟ آیا نیاز مشتریان خود را می‌دانید و این که چرا شما را انتخاب کرده‌اند؟

آیا مشتریان ایده‌آل و ارزشمند خود را می‌شناسید؟ آن‌ها چه ویژگی‌هایی دارند؟

آیا می‌توانید ارزش گروه‌های مختلف مشتریان را تعیین کنید یا به همه مشتریان به یک‌چشم نگاه می‌کنید؟

وقت و منابع کسب‌وکارتان را بیشتر صرف کدام دسته از مشتریان خود می‌کنید؟

آیا مشتریان ایده‌آل و ارزشمند شما، در آینده هم مشتریان شما خواهند بود؟

آیا اگر محصول جدیدی را به آن‌ها پیشنهاد دهید، پیشنهاد شما را می‌پذیرند؟ آیا خرید خود را تکرار می‌کنند؟

آیا پیش از ریزش مشتری می‌توانید این موضوع را پیش‌بینی کنید که کدام مشتری را در آینده از دست خواهید داد؟

آیا می‌توانید تشخیص دهید که بهتر است کدام مشتری را در کمپین‌های بازاریابی شرکت دهید؟

آیا می‌توانید تشخیص دهید که مشتری کدام گروه محصولات را باهم خریداری می‌کند؟

آیا می‌توانید پیشنهادهای سفارشی به مشتریان خود ارائه کنید؟

آیا آیا الگوهای رفتاری مشتریان خود را می‌شناسید و می‌توانید رفتار آینده مشتریان خود را پیش بینی کنید؟

پاسخ به این سؤالات بسیار مهم است. به جرات می‌توان گفت که اگر در کسب و کار خود توان تحلیل داده های مشتریان را ایجاد نکنید، پاسخ شما به بسیاری از این سوالات منفی خواهد بود. توان تحلیل داده­ های مشتریان، کلید ایجاد یک مزیت رقابتی است و بالعکس، عدم توانایی تحلیل داده­ ها شما را در پشت سر رقبایتان قرار می­دهد.

 

برای تحلیل داده‌های مشتریان از کجا شروع کنیم؟

یکی از متداول‌ترین فرآیندهای اجرای پروژه‌های داده‌کاوی فرآیند CRISP-DM نام دارد. استاندارد صنعتی کریسپ یک استاندارد غیراختصاصی، مستند شده و رایگان و همچنین یک مدل عمومی است که توانایی تطابق با ویژگی‌های خصوصی هر صنعت یا شرکتی را داراست و برای تدوین آن از تجربیات تعداد زیادی از کاربران داده‌کاوی و تولید‌کنندگان و ارائه‌دهندگان خدمات ابزارهای داده‌کاوی استفاده ‌شده است. فرآیند کریسپ یک چرخه ۶ مرحله‌ای است.

 در این دوره نیز بر اساس این فرآیند پیش خواهیم رفت.

چرا از RapidMiner برای داده‌کاوی استفاده کنیم؟

این نرم‌افزار محیط گرافیکی زیبا و کاربرپسندی دارد که موجب تسهیل اجرای مراحل داده‌کاوی می‌شود.

 

برای افرادی که به تازگی می خواهند وارد حوزه تحلیل داده ها شوند و پیش از این تجربه کار با داده‌ها را ندارند، انتخاب بسیار مناسبی است.

برای داده‌کاوی با این نرم‌افزار، نیازی به دانش برنامه­ نویسی نیست. به همین دلیل این نرم‌افزار طرفداران زیادی دارد.

این نرم افزار به دلیل سادگی یادگیری طرفداران زیادی دارد. اگر می خواهید داده کاوی را سریع یاد بگیرید با رپیدماینر شروع کنید.

این نرم‌افزار شامل مجموعه‌ای مناسبی از ابزارها و بیش از ۱۵۰۰ اپراتور برای اجرای تمام مراحل تبدیل و تجزیه‌وتحلیل داده‌ها است.

 

این نرم‌افزار مجموعه مناسبی از اپراتورها برای فراخوانی داده ها از فرمت های مختلف را در برمی‌گیرد.

این نرم‌افزار مجموعه مناسبی از اپراتورها را برای اکتشاف در داده ها و مصورسازی داده ها را در برمی‌گیرد.

این نرم‌افزار مجموعه مناسبی از اپراتورها را برای پاکسازی و پیش پردازش داده ها را در برمی‌گیرد.

 

این نرم‌افزار مجموعه مناسبی از اپراتورها را برای مدل های پیش بینی و رده بندی را در برمی‌گیرد.

این نرم‌افزار مجموعه مناسبی از اپراتورها را برای مدل های خوشه بندی را در برمی‌گیرد.

این نرم‌افزار مجموعه مناسبی از اپراتورها را برای کشف قوانین انجمنی را در برمی‌گیرد.

این نرم افزار متن باز بوده و قابل توسعه است.

 

این نرم افزار برای شرکت هایی با اندازه بزرگ نیز قابل استفاده است.

 

نمونه از فرآیند داده‌کاوی که در این دوره با هم انجام می‌دهیم را در تصویر زیر مشاهده می‌کنید:

 

شرکت‌کنندگان در این دوره کتاب تُندآموز رپیدماینر را به صورت هدیه دریافت می‌کنند

 

مدرس دوره

شقایق ابوالمکارم

مشاور و مدرس داده کاوی- دانشجوی دکتری مهندسی صنایع

 

سوابق کاری و تدریس

 مدرس دوره های داده کاوی با استفاده از نرم افزار RapidMiner به مدت 6 سال

مدرس دوره های داده کاوی با استفاده از زبان R- به مدت 4 سال

ارائه خدمات مشاوره داده کاوی

مشاور و مدرس داده کاوی در مرکز دانش مدیریت ارتباط با مشتری (مُدام)

پروژه ها و کارهای تحقیقاتی

 دسته بندی مشتریان شرکت پخش و توزیع موادغذایی و بررسی عوامل موثر بر هر دسته با استفاده از تکنیکهای داده کاوی

 مدل ارائه پیشنهاد پوشش بیمه ای بر اساس مشخصات مشتریان با استفاده از ترکیب روش های رده بندی و خوشه بندی

 مدل پیش بینی خرید پوشش بیمه ای توسط مشتریان با استفاده از روش های رده بندی

 مدل امتیازدهی رفتاری مشتریان بهمنظور بهبود نتایج کمپینهای بازاریابی با استفاده از تکنیکهای داده کاوی در فروشگاه خرده فروشی

 مدل پیش بینی ریسک اعتباری مشتریان بانکی با استفاده از ترکیب روش های داده کاوی و سیستم میشیگان فازی

 پیش بینی تمایل به بازگشت بیماران بر اساس امتیازات رضایتمندی و ویژگی های آن ها با استفاده از روشهای داده کاوی

 شناسایی گروه های محتلف مشتریان بانکی با استفاده از تکنیک های دادهکاوی و مدل LRFM

 مدل پیش بینی مدت زمان مورد نیاز برای فروش واحدهای مسکونی با استفاده از روش های انتخاب ویژگی دادهکاوی و رگرسیون

استخراج قوانین اگر و آنگاه به منظور پیش بینی زمان انتظار فروش واحد های مسکونی با استفاده از الگوریتمهای کشف قوانین انجمنی

کتابها

 گنج پنهان- چگونه شرکت ها به کمک داده كاوي اطلاعات مشتریان، فروش خود را افزایش می دهند؟ نویسندگان: دکتر فرشید عبدی- شقایق ابوالمکارم، انتشارات چالش، 1398

 تُندآموز RapidMiner- کتاب راهنمای دادهکاوی و تحلیل اطلاعات مشتریان، نویسندگان: دکتر فرشید عبدی- شقایق ابوالمکارم، موسسه فرهنگی داده های طلایی خلیج فارس ایرانیان، ‏‫۱۳۹۸.

مقالات

رویکرد جدید استفاده از نمودار ایشیکاوا برای تبیین ساختار علیت مدیریت دانش، یادگیری سازمانی و نوآوری- یازدهمین کنفرانس بین المللی مهندسی صنایع- 17 و 18 دی ماه 1393

 گروه بندی مشتریان شرکت بیمه ای با استفاده از تکنیک های داده کاوی- دوازدهمین کنفرانس بین المللی مهندسی صنایع- 5 و 6 بهمن 1394

 مدل امتیازدهی رفتاری مشتریان به‌منظور بهبود نتایج کمپین‌های بازاریابی با استفاده از تکنیک‌های داده‌کاوی- شانزدهمین کنفرانس بین المللی مهندسی صنایع- 2 و 3 بهمن 1398

    Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, Hybrid soft computing approach based on clustering, rule mining, and decision tree analysis for customer segmentation problem: Real case of customer-centric industries, Applied Soft Computing, 2018

  Farshid Abdi, Kaveh Khalili-Damghani, Shaghayegh Abolmakarem , Solving customer insurance coverage sales plan problem using a multi-stage data mining approach, Kybernetes, 2018

      Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, Solving customer insurance coverage recommendation problem using a two-stage clustering-classification model, International Journal of Management Science and Engineering Management, 2018

    Farshid Abdi, Shaghayegh Abolmakarem, Customer Behavior Mining Framework (CBMF) using clustering and classification techniques, Journal of Industrial Engineering International, 2018

      Shaghayegh Abolmakarem, Farshid Abdi, Kaveh Khalili-Damghani, Insurance customer segmentation using clustering approach, International Journal of Knowledge Engineering and Data Mining, 2016

      Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, Profiling of Customers based on Clustering and Fuzzy Inference System- SUBMITTED

    Kaveh Khalili-Damghani, Farshid Abdi, Shaghayegh Abolmakarem, A Hybrid Genetic Based Machine Learning Approach for Bank Customers Credit Scoring Assessment- SUBMITTED

 

در ادامه نظرات برخی از شرکت‌کنندگان در دوره‌های قبلی ارائه شده است

جناب آقای مختاری

برگزاری این دوره بسیار کاربردی که قطعاً نمونه مشابه ندارد، باعث خوشحالی و امیدواری بنده بود. کیفیت برگزاری دوره و مدرس محترم از سطح بالایی برخوردار هستند که موجب جذب مخاطبان شده و حتما منتظر برگزاری دوره های بیشتر از سوی این مجموعه هستیم. 

جناب آقای نیما مومنی

ضمن تشکر از همه اساتید و کارشناسان محترم تیم مدام و ضمن تشکر از سرکار خانم دکتر ابوالمکارم دوره، دوره ی خوبی بود برای آشنایی بهتر دانش پژوهان پیشنهاد می گردد طول دوره به میزان یک یا دو جلسه اضافه شود. برای انجام یک کار پروژه ای کامل از پیش پردازش تا مدلسازی با تعیین هدف مشخص برای کسب و کار مشخص مثلا می توان هر یک از دانش پژوهان پروژه ها و بانک داده های خود را مطرح فرمایند و استاد نسبت به راهنمایی برای تهیه مدل مورد نظر هر دانش پژوه اقدام نماید.

سرکار خانم مریم امیری

دوره برگزار شده رپیدماینر بسیار مفید و کاربردی بود. حوصله و صبر استاد در پاسخگویی سوالات در همه سطوح، ستودنی است. با سپاس از همه زحمات و لطف شما.

جناب آقای عابدی

با توجه به اینکه مدرس کلاس خانم دکتر ابوالمکارم پروژه های عملی انجام داده بودند کلاس خیلی مفید بود و بسیاری از تجربیات و مشکلات در پاکسازی داده ها و یا استفاده از توابع مطرح شد که بسیار سودمند بود. 

جناب آقای حسین محمدی

من به شخصه از شرکت در کلاس داده کاوی لذت بردم.  خانم دکتر مکارم علاوه بر دانش بالا و تجربه کاری مفید، بیان و لحن زیبایی دارند که فضای کلاس را دلنشین تر برای شرکت کنندگان کرده است.

جناب آقای خشایار دماوندی

نظر به برگزاری دوره برای 2 قشر علاقمندان به یادگیری نرم افزار و محتوی دوره به منظور استفاده در مبانی آکادمیک و یا مباحث کاربردی در صنایع مختلف، پیشنهاد می گردد که دوره در 2 قالب آموزش برای دانشجویان و کارکنان صنایع ارائه گردد.

پیشنهاد دوم در خصوص برگزاری دوره در نوبت دوم بر اساس اطلاعات هر یک از دانش پذیران در صنعت خود و یا مطالعات خود به صورت کارگاهی یا حتی مشاوره ای محتوی را اخذ نموده و به ایشان ارائه گردد.

از صبر و تسلط استاد این دوره کمال تشکر را دارم.

 

 

 

سرفصل‌های وبینار

آشنایی با فرآیند اجرای پروژه های داده کاوی (کریسپ)

انتخاب یک فرآیند مطلوب برای انجام هر کاری به شما کمک می‌کند تا بیشترین بهره را از زمان، داده‌ها و دیگر منابع خود ببرید. یکی از متداول‌ترین و معروف‌ترین فرآیندهای انجام پروژه‌های داده‌کاوی فرآیند «کریسپ» می‌باشد. در این دوره نیز بر اساس این فرآیند پیش خواهیم رفت

آشنایی با محیط نرم افزار، ورود داده ها به نرم افزار

تمرکز دوره بر روی موضوع استفاده از نرم افزار و ایجاد توان تحلیلی در شرکت کنندگان می باشد. بنابرابن پس از تشریح فرآیند کریسپ به سراغ نرم افزار می رویم و شما را با نرم افزار و بخش های مختلف آن آشنا می کنیم.
 

شناخت انواع داده های مشتریان 

درحوزه داده‌کاوی، توانایی تشخیص نوع داده‌ها بسیار مهم است. نوع داده‌ها اغلب تعیین کننده نوع تحلیلی است که می تواند بر روی آنها اجرا شود. در یک تقسیم‌بندی، داده‌های تحلیل به چهار سطح سنجش تقسیم می‌شوند. داده‌های اسمی، داده‌های ترتیبی، داده‌های فاصله‌ای و داده‌های نسبتی. در این دوره در هنگام ورود داده‌های مشتریان خود به نرم‌افزار با نحوه تعیین نوع و نقش متغیرها آشنا خواهید شد.

تحلیل اکتشافی داده ها

در این بخش به درک بیشتر مجموعه داده می پردازیم. نرم افزار رپیدماینر قابلیت ارائه شاخص های توصیفی و آماره های کلان از داده ها را دارا می باشد. همچنین با نرم افزار رپیدماینر می توانید نمودارهای خوبی برای توصیف داده های مشتریان خود رسم کنید. در این دوره شما را با چگونگی رسم انواع مختلفی از نمودارها همانند نمودار هیستوگرام، میله ای، دایره ای، پراکنش، بلوکی و …. آشنا خواهیم کرد. این نمودارها به شما در درک رابطه بین ویژگی های مشتریان کمک خواهد کرد.

پاکسازی داده های مشتریان 

پاکسازی داده ها موضوعی است که اگر در تحلیل داده های مشتریان به آن توجه نشود هزینه های زیادی را به سازمان و شرکت متحمل می کند. داده های پاکسازی نشده و به اصطلاح کثیف برای مدلسازی مناسب نمی‌باشند. در این دوره مشکلاتی هم چون مدیریت داده های از دست رفته، مدیریت داده های دورافتاده و داده های تکراری مورد بررسی قرار خواهند گرفت و برای هر مورد به معرفی معروفترین اپراتورها در نرم افزار پرداخته میشود.

پیش پردازش داده های مشتریان 

علاوه بر پاک‌سازی داده‌ها، بسته به وضعیت مجموعه داده‌ در دسترس، می‌بایست برخی از پیش‌پردازش‌های لازم به منظور بالا بردن کیفیت مجموعه داده بکار گرفته شوند. پیش‌پردازش‌هایی که در این دوره به آن‌ها اشاره خواهیم کرد عبارتند از: یکپارچه سازی داده های مشتریان، تجمیع داده ها، نمونه‌گیری، کاهش ابعاد، انتخاب زیرمجموعه ای از ویژگی ها (روش های فیلتری)، خلق ویژگی، گسسته سازی، نرمال سازی

آشنایی با الگوریتم های رده بندی و پیش بینی 

در این دوره به توضیح نحوه کارکرد الگوریتم‌های رده‌بندی و پیش‌بینی، معرفی معروف‌ترین الگوریتم‌های رده بندی و پیش بینی و اپراتورهای متناظر با آن‌ها در نرم افزار رپیدماینر، نحوه اعتبارسنجی مدل‌ها و شیوه محاسبه دقت در مدل‌های رده‌بندی و پیش‌بینی پرداخته می‌شود.
 
 برخی از الگوریتم های رده بندی و پیش بینی که در این دوره یاد خواهیم گرفت:

انواع درخت های تصمیم، ID3، CHAID، Random forest

شبکه های عصبی مصنوعی

کا-نزدیک ترین همسایگی

نیوبیز

ماشین های بردار پشتیبان

در بخش مربوط به مدلسازی رده بندی و پیش بینی با نحوه اعتبارسنجی مدل ها (k-fold و Split Validation )و همچنین ارزیابی مدل ها و محاسبه دقت مدل ها آشنا خواهید شد.

بخشی از مدل سازی رده بندی در رپیدماینر را می توانید در تصویر زیر مشاهده نمایید.

 

در برخی از الگوریتم ها می توانید مدل را مشاهده کنید.

 می توانید ماتریس اغتشاش را تولید کنید و شاخص های ارزیابی هم چون Accuracy، Precison, Recall و … را محاسبه کنید.

 

آشنایی با الگوریتم های خوشه بندی

در این دوره به توضیح نحوه کارکرد الگوریتم‌های خوشه‌بندی، استفاده از الگوریتم‌های خوشه‌بندی برای گروه‌بندی مشتریان و نحوه تعیین تعداد بهینه خوشه پرداخته می‌شود.
 

برخی از این الگوریتم ها عبارتند از: k-means، k-medoids، X-means

مثالی در ارتباط با خوشه بندی RFM برای شما ارائه خواهد شد. پیش پردازش های لازم و نحوه خلق ویژگی های Recency، Frequency و Monetary در مجموعه داده مشتریان برای شما تشریح خواهد شد.

تعداد بهینه خوشه را با استفاده از شاخص های ارزیابی خوشه بندی تعیین خواهیم کرد. همچنین به تشریح خوشه ها و برچسب گذاری خوشه ها خواهیم پرداخت.

 

 
 

آشنایی با الگوریتم های کشف قوانین انجمنی

در این دوره به استفاده از الگوریتم کشف قوانین انجمنی در قالب مثالی کاربردی پرداخته می شود و مدل استخراج قواعد اگر و آنگاه از پایگاه داده مشتری انجام خواهد شد.

بخشی از خروجی الگوریتم FP-Growth  را در ادامه مشاهده می کنید.

 
 
 
 
 
 
 

 

مخاطبین

 پژوهشگران و افرادی که با داده‌ها سروکار دارند و در پی یادگیری روش‌های تحلیل داده‌های مشتریان هستند

 مدیران، کارشناسان و صاحبان کسب‌وکارهایی  که می‌خواهند از طریق جمع‌آوری داده‌های مشتریان و تحلیل آن‌، به فروش بیشتر دست‌یابند

دانشجویان و فارغ‌التحصیلانی که می‌خواهند با دانش روز داده‌کاوی کاربردی آشنا شوند و خود را برای یافتن شغل درزمینه‌ی دانش داده‌ها آماده ‌سازند

 
سوالات متداول

مزیت نرم افزار رپیدماینر چیست؟

این نرم‌افزار محیط گرافیکی زیبا و کاربرپسندی دارد که موجب تسهیل اجرای مراحل داده‌کاوی می‌شود. این نرم‌افزار قوی و درعین‌حال ساده است و در بسیاری از صنایع و حوزه‌ها برای تحلیل داده‌ها مورد استفاده قرار می‌گیرد. برای داده‌کاوی با این نرم‌افزار، نیازی به دانش برنامه ­نویسی نیست. به همین دلیل این نرم‌افزار طرفداران زیادی دارد. این نرم‌افزار برای افرادی که به‌تازگی قصد آموزش داده­کاوی را دارند، به دلیل سادگی یادگیری بسیار مفید است. این نرم‌افزار مجموعه مناسبی از ابزارهای اکتشاف داده‌ها، مصورسازی داده‌ها، مدل‌سازی و ارزیابی مدل را در برمی‌گیرد. این نرم‌افزار شامل مجموعه‌ای مناسبی از ابزارها و بیش از ۱۵۰۰ اپراتور برای اجرای تمام مراحل تبدیل و تجزیه‌وتحلیل داده‌ها است. این نرم‌افزار متن‌باز بوده و قابل توسعه است. برای شرکت هایی با اندازه بزرگ قابل استفاده است.

رپیدماینر بهتر است یا زبان هایی مثل R یا Python؟

داده کاوی با رپیدماینر نسبت به زبان هایی مانند R و Python بسیار ساده تر بوده و در نتیجه اگر به تازگی یادگیری داده کاوی را آغاز کرده اید رپیدماینر می تواند انتخاب مناسبی برای شما باشد. رپیدماینر محیط ساده ای دارد و فرآیند یادگیری را تسهیل می کند. بسیاری از مدل هایی که در زبان های برنامه نویسی احتیاج به نوشتن کدهای زیادی دارد در نرم افزار رپیدماینر به راحتی و با استفاده از اپراتورهای مربوطه قابل اجرا است. همچنین اگر در صنایع و سازمان های خود قصد انجام تحلیل های سریع از داده های خود را دارید می توانید به راحتی از این نرم افزار استفاده کنید چرا که در سایت رپیدماینر نیز ذکر شده است که ۳۰۰۰۰ شرکت در جهان از این نرم افزار به منظور تحلیل داده های مشتریان خود استفاده می کنند و این امر تأثیر سریع و قابل‌توجهی بر عملکرد آن‌ها داشته و منجر به افزایش درآمد و کاهش هزینه‌ها و ریسک شده است.

آیا این دوره پیش نیازی دارد؟

خیر، شرکت در این دوره پیش نیازی ندارد.

آیا برای این دوره لازم است که با الگوریتم های داده کاوی آشنایی داشته باشیم؟

خیر نیازی نیست که پیش از دوره با الگوریتم های داده کاوی آشنا باشید. زمان بیشتری از این دوره به نرم افزار اختصاص خواهد داشت. ولی در حد آشنایی کلی شرکت کنندگان به توضیح نحوه کارکرد الگوریتم های رده بندی و پیش بینی، خوشه بندی و قواعد انجمنی پرداخته میشود.

آیا فیلم دوره در اختیار شرکت کنندگان قرار می گیرد؟

بله. دسترسی به فیلم دوره امکان پذیر است.

اگر پیش از این با داده کاوی آشنایی نداشته باشیم آیا شرکت در این دوره برای ما مفید خواهد بود؟

بله این دوره برای افراد تازه کار بسیار مفید خواهد بود و در این دوره با داده کاوی و اجرای فرآیند تحلیل داده در نرم افزار رپیدماینر آشنا خواهند شد.

آیا پس از گذراندن این دوره می توانم داده های مشتریانم را تحلیل کنم؟

بله این دوره برای افراد تازه کار بسیار مفید خواهد بود و در این دوره با داده کاوی و اجرای فرآیند تحلیل داده در نرم افزار رپیدماینر آشنا خواهند شد. بعد از طی این دوره شما به طور کلی با فرآیند اجرای پروژه های داده کاوی آشنا خواهید شد و همچنین با مجموعه ای از پرکاربردترین اپراتورها در نرم افزار رپیدماینر آشنا می شوید. با استفاده از اپراتورهای معرفی شده در دوره می توانید پاکسازی و پیش پردازش داده ها، مدلسازی رده بندی و پیش بینی، مدل سازی خوشه بندی، مدلسازی کشف قوانین انجمنی، ارزیابی و اعتبار سنجی مدل ها را به راحتی انجام دهید. البته لازم به ذکر است که برای یادگیری بهتر و قوی تر نیاز است که فیلم های دوره را مجددا مشاهده نمایید و برای انجام تحلیل های حرفه ای تر از داده ها در دوره های پیشرفته رپیدماینر و زبان هایی مانند R و Python شرکت کنید.

دکتر شقایق ابوالمکارم
دکتر شقایق ابوالمکارم

مشاور و مدرس داده کاوی و سابقه تدریس نرم افزار های داده کاوی و انجام پروژه های داده کاوی به مدت شش سال

با نظر دادن، کمک کن بقیه آگاهانه خرید کنن

بروز و کاربردی بودن محتوا 5 از 5
ارزش محتوای وبینار نسبت به قیمت 4 از 5
تسلط و دانش مدرس وبینار 5 از 5
تجربه محور بودن محتوا 4 از 5
4.5 از 5 ( 1 نظر )
جلسات وبینار زمان برگزاری
جلسه اول
یک‌شنبه 15 تیر 1399
ساعت 18:00
ساعت 21:00
جلسه دوم
یک‌شنبه 22 تیر 1399
ساعت 18:00
ساعت 21:00
جلسه سوم
یک‌شنبه 29 تیر 1399
ساعت 18:00
ساعت 21:00
نمایش همه جلسات
 انتخاب بلیت