قیمت 40,000 تومان 30,000 تومان

امتیاز 0 از 0 رأی
بدون امتیاز 0 رای
40,000 تومان 30,000 تومان
ویژگی های دوره
place
نوع دوره: غیر حضوری
local_library
سطح دوره: فوق حرفه ای
traffic
پیش نیاز: پایتون
language
زبان: فارسی
access_time
ویدئویی(کیفیت HD)
playlist_add_check
ناشر : بیگ لرن
storage
315 مگابایت
supervisor_account
روش پشتیبانی: ارسال تیکت

داده کاوی چیست؟

با توجه به حجم عظیم داده هایی که این روزها ما را احاطه کرده است، کشف دانش با ارزش از داده ها یکی از مهم‌ترین دغدغه‌های هر کسب و کار می‌باشد. کسب و کارهای موفق در عصر دیجیتال آن‌هایی هستند که با کشف دانش با ارزش از حجم بسیار زیاد داده ها بتوانند به بینشی دست یابند که از آن برای تصمیم گیری های سازمانی بهره جویند. کشف دانش از داده ها و دستیابی به الگوهای پنهان میان داده ها مستلزم به کارگیری فرآیندها، تکنیک‌ها و ابزار داده کاوی است. از این رو، این روزها موضوعات مرتبط با داده کاوی و ابزار آن با اقبال بسیار خوبی در میان جامعه علمی و صنعتی کشور مواجه شده است. کشف دانش درون داده‌ها آن هم در عصر اطلاعات یکی از هیجان‌انگیزترین و کلیدی‌ترین مفاهیمی است که روز به روز اهمیت بیشتری می‌گیرد. اصولاً یک شرکت با داده‌های زیادی سروکار دارد. اکثر این داده‌ها از رفتار مشتریان بدست می‌آید و تنوع و حجم آن نیز تا حد زیادی به مقیاس کسب‌وکار وابسته است. اطلاعات کلی مشتریان (سن، جنسیت، تحصیلات، محل زندگی و …)، دفعات خرید، میزان خرید، داده‌های شکایت‌ها و تماس با امور مشتریان همه از این قبیل داده‌ها هستند. معمولاً همه‌ی شرکت‌ها انبوهی از این داده‌ها را ثبت و ضبط می‌کنند اما در اختیار داشتن این داده‌ها به تنهایی هیچ کمکی به کسب‌وکار نخواهد کرد. هنر اصلی این است که به کمک تحلیل این داده‌ها که به آن داده‌کاوی یا دیتا ماینینگ (Data Mining) می‌گویند، الگوهای رفتاری مشتریان را پیدا کرد. در حقیقت این داده‌ها حکم یک معدن طلا را دارند که باید از طریق داده‌کاوی به طلای آن دست پیدا کرد.

چرا به سراغ داده‌کاوی رفته‌ایم؟

چون

  • حجم داده‌ها (Data) با سرعت زیادی در حال رشد است.
  • اطلاعات (Information) ما در مورد این داده‌ها کم است.
  • دانش (Knowledge) ما نسبت به این اطلاعات صفر است.

جالب اینجاست که مشکل تمام اینها یک کلمه است و آن داده‌کاوی است.

از طرف دیگرتوسعه تکنولوژیهای ذخیره و بازیابی اطلاعات امکانی است برای محقق شدن داده‌کاوی:

  • افزایش روزافزون حجم اطلاعات ذخیره شده
  • تنوع بسیار زیاد در اطلاعات موجود
  •  بانکهای اطلاعاتی
  • فایلهای چندرسانه‌ای (تصاویر متحرک، فایلهای صوتی)
  • اطلاعات متنی و فاقد ساختار

آرشیوهای اطلاعاتی، به دلیل حجم بسیار زیاد، غالباً به مقبره‌های اطلاعات تبدیل می‌شوند. علیرغم هزینه‌های سنگین در بخش تکنولوژی اطلاعات، بسیاری از تصمیمها همچنان در فقر اطلاعاتی اتخاذ می‌گردند. از قابلیتهای بالقوه اطلاعات ذخیره‌ شده استفاده نمی‌شود. نیاز به تبدیل اطلاعات به دانش در بسیاری زمینه‌ها  آشکار گردیده است.

فنون داده کاوی ؟

برخی از فنون رایج بکار گرفته شده تحت عنوان داده‌کاوی عبارتند از:

  • ابزارهای پرس و جو
  • فنون آماری
  • مصورسازی
  • پردازش تحلیلی پیوسته
  • یادگیری مبتنی بر مورد
  • درختان تصمیم‌گیری
  • قوانین وابستگی
  • شبکه‌های عصبی
  • الگوریتم ژنتیکی

کاربردهای داده کاوی ؟

داده‌کاوی یک رشته جدید با کاربردهای وسیع و گوناگون است که به عنوان ده علم برتر که منجر به ایجاد تحول در عصر تکنولوژی می‌شود و در تمام زمینه‌ها کاربرد دارد، معرفی می‌‌شود.  اصولاً هر جایی که داده وجود داشته باشد داده‌کاوی نیز معنا می‌یابد، از قبیل: امور تجاری و مالی، امور پزشکی، زیست پزشکی، تجزیه و تحلیلهای مربوط به DNA، کشف ناهنجاریها و اسناد جعلی، ارتباطات از راه دور، ورزش و سرگرمی، کتابداری و اطلاع‌رسانی. امروزه عملیات داده‌کاوی به صورت گسترده توسط تمامی شرکتهایی که مشتریان در کانون توجه آنها قرار دارند، استفاده می‌شود، از جمله: فروشگاه‌ها، شرکتهای مالی، ارتباطاتی، بازاریابی و غیره. استفاده از داده‌کاوی به این شرکتها کمک می‌کند تا ارتباط عوامل داخلی از جمله: قیمت، محل قرارگیری محصولات و مهارت کارمندان را با عوامل خارجی از جمله: وضعیت اقتصادی، رقابت در بازار و محل جغرافیایی مشتریان کشف نمایند. داده‌کاوی پیش‌بینی وضع آینده بازار، گرایش مشتریان و شناخت سلیقه‌های عمومی آنها را برای شرکتها ممکن می‌سازد.

ابزارهای مطرح در داده کاوی ؟

داده‌کاوی یک رشته جدید با کاربردهای وسیع و گوناگون است که به عنوان ده علم برتر که منجر به ایجاد تحول در عصر تکنولوژی می‌شود و در تمام زمینه‌ها کاربرد دارد، معرفی می‌‌شود.  اصولاً هر جایی که داده وجود داشته باشد داده‌کاوی نیز معنا می‌یابد، از قبیل: امور تجاری و مالی، امور پزشکی، زیست پزشکی، تجزیه و تحلیلهای مربوط به DNA، کشف ناهنجاریها و اسناد جعلی، ارتباطات از راه دور، ورزش و سرگرمی، کتابداری و اطلاع‌رسانی. امروزه عملیات داده‌کاوی به صورت گسترده توسط تمامی شرکتهایی که مشتریان در کانون توجه آنها قرار دارند، استفاده می‌شود، از جمله: فروشگاه‌ها، شرکتهای مالی، ارتباطاتی، بازاریابی و غیره. استفاده از داده‌کاوی به این شرکتها کمک می‌کند تا ارتباط عوامل داخلی از جمله: قیمت، محل قرارگیری محصولات و مهارت کارمندان را با عوامل خارجی از جمله: وضعیت اقتصادی، رقابت در بازار و محل جغرافیایی مشتریان کشف نمایند. داده‌کاوی پیش‌بینی وضع آینده بازار، گرایش مشتریان و شناخت سلیقه‌های عمومی آنها را برای شرکتها ممکن می‌سازد.

 icon-file-o ابزارهای مطرح در داده کاوی:

از ابزارهای مطرح در داده کاوی می‌توان به نرم افزارهای رپیدماینر ، وکا و زبان‌های برنامه‌ نویسی همچون R و پایتون اشاره کرد. در این میان، زبان برنامه نویسی پایتون یک زبان چند منظوره است که طراحی آن با هدف سهولت در خواندن و نوشتن این زبان انجام گرفته است.

محبوبیت زبان پایتون به دلایل زیر روز به روز در حال افزایش است:

  • پایتون انجمنی فعال و پویا دارد که اعضای آن با قدرت از این زبان برنامه نویسی حمایت می کنند.

  • پایتون حامیان مالی قدری دارد.

  • راهکارهای پردازش ابری و بیگ دیتا در پایتون کاربرد زیادی دارد. علاوه برآن، پایتون این قابلیت را دارد که برای سیستم‌های هوش مصنوعی و یادگیری ماشین و سایر تکنولوژی‌های مدرن دیگر مورد استفاده قرار گیرد، در نتیجه پایتون به یکی‌از پرکاربردترین زبان‌های مورد استفاده در علم داده تبدیل شده است.

  • پایتون کتابخانه های گسترده و بسیار جالبی دارد.

  • هر کسی که تا به‌حال از زبان برنامه نویسی پایتون استفاده کرده باشد، این نظر را تأیید می‌کند که نرم افزار پایتون سریع، قابل اعتماد و مفید است و می‌توان از آن در هر محیطی استفاده کرد بدون آن که از میزان کارایی آن ذره‌ای کم شود.

  • یادگیری و کاربرد پایتون برای مبتدیان بسیارساده است.

داده کاوی و علوم داده به سبب عصر انفجار اطلاعات کنونی بسیار ضروری است. امروزه دولت ها و سازمان های بزرگ برای افزایش راندمان و هوشمند سازی کارایی خود نیز به اهمیت آن پی برده اند. به مجموعه‌ای از روش‌های قابل اعمال بر پایگاه داده‌های بزرگ و پیچیده به منظور کشف الگوهای پنهان و جالب توجه نهفته در میان داده‌ها، داده‌کاوی گفته می‌شود. روش‌های داده‌کاوی تقریبا همیشه به لحاظ محاسباتی پر هزینه هستند. علم میان‌رشته‌ای داده‌کاوی، پیرامون ابزارها، متدولوژی‌ها و تئوری‌هایی است که برای آشکارسازی الگوهای موجود در داده‌ها مورد استفاده قرار می‌گیرند و گامی اساسی در راستای کشف دانش محسوب می‌شود. دلایل گوناگونی پیرامون چرایی مبدل شدن داده‌کاوی به چنین حوزه مهمی از مطالعات وجود دارد. برخی از این موارد در ادامه بیان شده‌اند.

فرآیند داده‌کاوی؟

با رشد و افزایش توجهات به داده‌کاوی، پرسش «چرا داده‌کاوی؟» همواره مطرح می‌شود. در پاسخ به این پرسش باید گفت، داده‌کاوی دارای کاربردهای زیادی است. بدین ترتیب، زمینه‌ای جوان و آینده‌دار برای نسل کنونی محسوب می‌شود. این زمینه توانسته توجهات زیادی را به صنایع و جوامع اطلاعاتی جلب کند. با وجود گستره وسیع داده‌ها، نیاز حتمی به تبدیل چنین داده‌هایی به اطلاعات و دانش وجود دارد. بنابراین، بشر از اطلاعات و دانش برای گستره وسیعی از کاربردها، از تحلیل بازار گرفته تا تشخیص بیماری‌ها، کشف کلاهبرداری و پیش‌بینی قیمت سهام استفاده می‌کند. در مجموع باید گفت، ضر‌ب‌المثل انگلیسی «نیاز، مادر همه ابداعات بشر است»، پاسخی کوتاه و گویا به پرسش مطرح شده است. در ادامه، برخی از استفاده‌های داده‌کاوی مورد بررسی قرار گرفته‌اند. فرآیند داده‌کاوی شامل چندین گام است. این فرآیند از داده‌های خام آغاز می‌شود و تا شکل‌دهی دانش جدید ادامه دارد. فرآیند بازگشتی داده‌کاوی شامل گام‌های زیر است:

  • «پاک‌سازی داده» (Data Cleaning)
  • «یکپارچه‌سازی داده» (Data Integration)
  • «انتخاب داده» (Data Selection)
  • «تبدیل داده» (Data Transformation)
  • «کاوش داده» (Data Mining)
  • «ارزیابی الگو» (Pattern Evaluation)
  • «ارائه دانش» (Knowledge Representation)

هدف از این دوره آموزشی ؟

هدف از این دوره اموزشی آموزش کامل داده کاوی با پایتون می باشد تا ضمن آشنایی با کتابخانه های قدرتمند پایتون، بتوان کارهای مختلف داده کاوی را انجام داد. این اموزش با زبانی ساده و روان و قابل فهم تمامی آنچه که برای داده کاوی ضروری است را به شما یاد می دهد. همچنین این آموزش به صورت پروژه محور و بسیار روان عملیات داده کاوی را روی یک دیتاست معتبر انجام می دهد. بدون شک یکی از بهترین آموزش های داده کاوی با پایتون می باشد که می توانید در کاربردهای مختلف از آن استفاده کنید.

موارد موجود در این دوره آموزشی ؟
بخش اول: معرفی داده کاوی و اصول اساسی آن

داده کاوی چیست؟ ویدئو

پیش نمایش
خصوصی

چرا داده کاوی؟ ویدئو

خصوصی

چرا پایتون برای داده کاوی؟ ویدئو

خصوصی

معرفی 7 کتابخانه قدرتمند پایتون برای داده کاوی ویدئو

خصوصی

معرفی خطی یا غیرخطی بودن مدل و داده ویدئو

خصوصی
بخش دوم: کنترل کیفیت و اکتشاف داده ها با پایتون

خلاصه ای از متغیرهای عددی ویدئو

پیش نمایش
خصوصی

تعداد مقادیر نامعلوم ویدئو

خصوصی

تعداد داده های هر کلاس ویدئو

خصوصی

توصیف داده ها ویدئو

خصوصی

توزیع حاکم بر داده ها ویدئو

خصوصی

تعیین خطی بودن داده ها ویدئو

خصوصی

تعیین غیرخطی بودن داده ها

خصوصی

هیستوگرام داده ها ویدئو

خصوصی
بخش دوم: معرفی کتابخانه های پایتون برای داده کاوی و نصب موارد لازم

معرفی کتابخانه های مهم پایتون برای داده کاوی ویدئو

پیش نمایش
خصوصی

معرفی نرم افزارها و نصب انها ویدئو

خصوصی
بخش سوم: آماده سازی داده ها

نحوه وارد کردن داده ها ویدئو

پیش نمایش
خصوصی

حذف یا اضافه کردن متغیرها ویدئو

خصوصی

حذف داده های تکراری ویدئو

خصوصی

تخمین مقادیر گم شده ویدئو

نرمال کردن داده ها ویدئو

خصوصی

استاندارد سازی داده ها ویدئو

خصوصی

اصلاح کردن داده ها ویدئو

خصوصی

کاهش بعد داده ها ویدئو

خصوصی

انتخاب ویژگی های مهم ویدئو

خصوصی

حذف داده های پرت ویدئو

خصوصی
بخش چهارم: محاسبات آماری روی داده ها

کواریانس داده ها ویدئو

پیش نمایش
خصوصی

میانه داده ها ویدئو

خصوصی

میانگین داده ها ویدئو

خصوصی

واریانس داده ها ویدئو

خصوصی

اجتماع و اشتراک متغیرها ویدئو

خصوصی

ضرب داخلی و ماتریسی متغیرها ویدئو

خصوصی

انحراف استاندارد داده ها ویدئو

خصوصی

همبستگی بین داده ها ویدئو

خصوصی
بخش پنجم: آزمون معنی داری آماری

معرفی آزمون آماری ویدئو

پیش نمایش
خصوصی

آزمون آماری chi2 ویدئو

خصوصی

آزمون آماری T-test ویدئو

خصوصی
بخش پنجم: مدل سازی با استفاده از داده ها

تعیین داده های آموزشی و آزمایشی ویدئو

پیش نمایش
خصوصی

تعیین خطی یا غیرخطی بودن مدل ویدئو

خصوصی

ایجاد مدل نزدیکترین همسایه ویدئو

خصوصی

ایجاد مدل با نظارت درخت تصمیم ویدئو

خصوصی

مدل یادگیری با نظارت رگرسیون خطی و غیرخطی ویدئو

خصوصی

مدل یادگیری با نظارت بردارپشتیبان ویدئو

خصوصی

مدل یادگیری بدون ناظر خوشه بندی ویدئو

خصوصی
بخش ششم: ترسیم داده ها و نتایج

نمودار میله ای

پیش نمایش
خصوصی

نمودار دایره ای ویدئو

خصوصی

نمودار سه بعدی داده ها ویدئو

خصوصی

نمودار هیستوگرام ویدئو

خصوصی

نمودار نقطه ای ویدئو

خصوصی

نمودار جعبه ای ویدئو

خصوصی

نمودار خطی ویدئو

خصوصی

نمودار همبستگی ویدئو

خصوصی

نمودار ROC ویدئو

خصوصی
بخش هفتم: ارزیابی مدل حاصل از داده ها

محاسبه Accuracy برای مدل ایجاد شده ویدئو

پیش نمایش
خصوصی

محاسبه Recall برای مدل ایجاد شده ویدئو

خصوصی

محاسبه Precesion برای مدل ایجاد شده ویدئو

خصوصی

محاسبه F-score برای مدل ایجاد شده ویدئو

خصوصی

محاسبه MAE برای مدل ایجاد شده ویدئو

خصوصی

ایجاد ماتریس در هم ریختگی (confusion_matrix) ویدئو

خصوصی

محاسبه classification_report برای مدل ایجاد شده ویدئو

خصوصی

رسم نمودار ROC برای مدل چند کلاسه ویدئو

خصوصی

درخواست مشاوره

برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.

درخواست مشاوره

نیاز به مشاوره دارید؟

در صورتی که نیاز به مشاوره دارید می توانید فرم را تکمیل نمایید و یا با ما در تماس باشید

درخواست مشاوره رایگان

moreدوره های مرتبط

پردازش زبان طبیعی (فارسی و انگلیسی ) با پایتون

پردازش زبان طبیعی (NLP) پردازش زبان طبیعی (NLP)  برای پردازش و درک داده‌های طبیعی مبتنی بر زبان است که در…
رایگان!

توصیف تصاویر با یادگیری عمیق

توصیف تصاویر ؟ تصاویر همواره بخش مهمی از اخبار و مطالب در دنیای مجازی به شمار می آیند. استخراج اطلاعات…
40,000 تومان 30,000 تومان

رنگی سازی تصویر و فیلم با یادگیری عمیق

رنگی سازی تصاویر و فیلم ها ؟ پیش از ورود عکاسی به دنیای رنگ‌ها، تصاویر گرفته‌شده تنها در رنگ‌های سیاه…
38,000 تومان 25,000 تومان

بازسازی و رفع نویز تصاویر با یادگیری عمیق

حذف نویز از تصاویر ؟ کاهش نویز یک فرآیند حذف نویز از سینگال است‌.این سیگنال می‌تواند مربوط به یک تصویر،…
34,000 تومان 25,000 تومان

chat_bubble_outlineنظرات

قوانین ثبت دیدگاه

  • دیدگاه های فینگلیش تایید نخواهند شد.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • امتیاز دادن به دوره فقط مخصوص دانشجویان دوره می باشد.

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *