فرآیند داده کاوی در IBM SPSS Modeler

کد دوره: ISM-1601
این دوره با هدف آشنایی دانشجویان و محققان با چگونگی پیاده سازی فرآیند داده کاوی از قبیل آماده سازی داده ها و ساخت مدل های پیشبینانه در نرم افزارهای تخصصی داده کاوی طراحی شده است.

شرکت کنندگان پس از پایان دوره، توانایی شناخت درست و تعریف مسائل در چهارچوب ادبیات داده کاوی را خواهند داشت. همچنین می توانند مطابق با استاندارد اجرایی DM-CRISP پروژه های داده کاوی را بصورت گام به گام پیش برده و از قابلیت های نرم افزار پیشرفته Modeler SPSS در انجام فعالیت های خود استفاده نمایند.

محتوای دوره

  • مدت دوره: 28 ساعت
  • مخاطب دوره:
    دانشجويان و متخصصان
  • پیش نیاز دوره:
    آشنايي مقدماتي با مفاهيم علوم داده 
  • مدرس:
    زهرا ذوالقدر
    مدیر گروه آماری دایکه
  • محمد روزبه
    مدیر گروه دایکه
  • سفارش اختصاصی این دوره
    021-66915961 ✆

​​

​​

 بخش اول: آشنایی با داده کاوی و ضرورت آن به عنوان یک روش حل مساله 

  • ضرورت، پیشینه، تعاریف
    • چرا داده کاوی؟
    • جایگاه داده کاوی نسبت به سایر متدها
    • ویژگی های داده کاوی و عوامل موفقیت آن
    • کاربردهای بالقوه داده کاوی
  • مروری بر ادبیات داده کاوی و وظایف آن
    • روش های یادگیری با راهنما و بدون راهنما
    • وظایف شش گانه داده کاوی
  • آشنایی با نرم افزار های داده کاوی؛ تفاوت ها و نقاط قوت و ضعف هر کدام
  • معرفی استانداردهای موجود در داده کاوی
  • داده کاوی چگونه کار می کند؟  آشنایی با فرآیند استاندارد داده کاوی CRISP-DM
  • ارائه نمونه های موردی از پروژه های داده کاوی

بخش دوم: شناسایی و آماده سازی مقدماتی داده ها

  • جمع آوری داده ها در محیط نرم افزار
    • فراخوانی داده ها در محیط SPSS Modeler14.2
    • یکپارچه سازی داده ها
  • بررسی کیفیت داده ها و پاکسازی
    • بررسی شاخص های کیفی داده ها و نحوه برخورد با آنها
    • تشخیص رکوردهای پرت با استفاده از آنالیز چندمتغیره Anomaly Detection
  • کاهش ابعاد داده ها و ساخت شاخص ها
    • کاهش ابعاد سطری داده ها
    • انتخاب ویژگی های موثر (Feature Selection)
    • تعریف شاخص های مرتبط و ایجاد آنها

بخش سوم: مدل های پیش بینی کننده 

  • مدل های مبتنی بر قانون
    • طبقه بندی: انواع درخت های تصمیم
    • استفاده از درخت های رگرسیونی به منظور پیش بینی
  • مدل های جعبه سیاه
    • ساخت مدل های پیش بینی کننده با شبکه های عصبی مصنوعی
  • استنتاج مبتنی بر مورد
    • بررسی مدل K- نزدیکترین همسایگی (KNN)
  • مدل های تجمیعی (Bagging, Boosting, Ensemble)
  • استفاده از ابزار مدلسازی پیش بینانه اتوماتیک و رتبه بندی مدل ها
  • ارزیابی پیشرفته مدل های پیش بینی کننده (بررسی شاخص های ماتریس پریشانی و نمودارها)

بخش چهارم: مدل های بدون راهنما

  • انواع تکنیک های خوشه بندی ( بررسی الگوریتم های K-Means و Two-Step)
  • ارزیابی مدل های خوشه بندی
  • استفاده از ابزار مدلسازی خوشه بندی اتوماتیک و رتبه بندی مدل ها
  • قوانین پیوند (بررسی الگوریتم Apriori و استفاده از گراف Web)

  • ثبت نام عمومی این دوره
    687 هزار تومان

    ثبت نام عمومی - با تخفیف
    584 هزار تومان
    افرادی که طی یک سال قبل حداقل در 2 دوره آموزشی دایکه حضور داشته اند یا دارای کارت معتبر دانشجویی می باشند

مشتریان و همکاران دایکه


    • شهرک علمی و تحقیقاتی اصفهان

    • دانشگاه صنعتی اصفهان

    • دانشگاه صنعتی شریف

    • دانشگاه صنعتی شریف مرکز کیش

    • دانشگاه تهران

    • دانشگاه علم و صنعت ایران

    • دانشگاه علوم پزشکی جندی شاپور اهواز

    • دانشگاه صنعتی شاهرود

    • دانشگاه آزاد اسلامی

    • بانک سامان

    • بانک تجارت

    • بانک توسعه صادرات

    • بانک سپه

    • بانک اقتصاد نوین

    • بانک مسکن

    • بیمه سامان

    • بیمه مرکزی ایران

    • شرکت خودروسازی سایپا

    • شرکت خودروسازی پارس خودرو

    • پرشیا خودرو، نمایندگی رسمی بی ام دبلیو

    • سازمان مدیریت صنعتی

    • نیروی انتظامی ایران

    • سازمان تامین اجتماعی

    • شرکت ملی نفت ایران

    • شرکت ذوب آهن اصفهان

    • شرکت کیش ویر

    • ایرانسل

    • همراه اول

    • شرکت خدمات اینفورماتیک ایران

    • گروه سایت های پرشین بلاگ