دوره ۳۲ ساعته

دوره فرایند داده کاوی در آر R

 بخش اول: مقدمات و برنامه نویسی به زبان R  

این بخش از دوره برای آشنایی و کسب مهارت برنامه نویسی در محیط R و همینطور الزامات و پیش نیازهای لازم جهت ورود به بخش دوم (فرآیند داده کاوی در R) می باشد.

آشنایی با داده کاوی

• مروری بر وظایف داده کاوی
• فرآیند داده کاوی DM-CRISP

آشنایی با R و چگونگی برنامه نویسی با آن

• مقدمه ای بر R
• انواع داده ها در R
• خواندن و نوشتن داده ها در R
• نوشتن توابع
• عیب یابی برنامه

شناسایی و آماده سازی داده ها

• تغییر، ساخت و تبدیل داده ها
• انواع آزمون فرض
• خلاصه سازی
• Boot-Strapping
• رسم انواع نمودار در R
• کاهش ابعاد: انتخاب متغیرهای موثر، PCA

بخش دوم: پیاده سازی  فرایند داده کاوی در R

این بخش از دوره کاملا بصورت عملی و پرکتیکال بوده و توانایی نسبی در برنامه نویسی R و همچنین آشنایی با مفاهیم و الگوریتم های داده کاوی برای شرکت در آن ضروری می باشد.

مدل سازی پیش بینانه و ارزیابی آنها

• مدل های پیش بینانه
  • ​​درخت های تصمیم و رگرسیونی
  • شبکه های عصبی مصنوعی
  • الگوریتم K-NN
• مدل پیش بینی سری زمانی ARIMA در R
• ​مدل های تجمیعی
  • ​​روش های Bagging و Boosting و..
  • الگوریتم XGBoost
  • ارزیابی مدل ها (Cross Validation, Hold Out)

مدل های بدون راهنما

• ​خوشه بندی یا Clustering
  • ​خوشه بندی سلسله مراتبی
  • ​الگوریتم K-Means
  • ​روش های Anomaly Detection
• قوانین پیوند
  • الگوریتم Appriori

کاربردهای خاص داده کاوی در R

• جمع آوری داده از وب (Data Crawling)
• متن کاوی در R
• آشنایی با نظرکاوی یا تحلیل احساس (Sentiment Analysis)

برای مشاهده برنامه زمانی این دوره در تقویم آموزشی دایکه کلیک کنید.