ی از مقبولیت بسیار باالیی در محافل آکادمیک برخوردار می باشد. پشتیبانی از طیف گسترده ای از الگوریتم های داده کاوی آن را به گزینه ای قابل قبول برای انجام پروژه های تحقیقاتی و دانشگاهی مبدل نموده است.

هرچند این ابزار در پشتیبانی از اجرای فرآیند داده کاوی در قالب پروژه های حرفه ای و بلند مدت دارای ضعف های جدی می باشد اما به علت تنوع زیاد در الگوریتم های مدلسازی به عنوان یک ابزار پرکاربرد در کنار سایر ابزارها مورد استفاده قرار می گیرد.

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

09367292276

09367292276
azsoftir@gmail.com
azsoftir.com

    مدت دوره: 12 ساعت
  
    آشنایی با داده کاوی و ضرورت آن به عنوان یک روش حل مساله
        ضرورت، پیشینه، تعاریف
        مروری بر ادبیات داده کاوی و وظایف آن
            روش های یادگیری با راهنما و بدون راهنما
            وظایف شش گانه داده کاوی
        فرآیند داده کاوی DM-CRISP
        آشنایی با محیط Explorer Weka
    ورود داده ها و پیش پردازش
        فراخوانی داده ها در Weka
        تبدیل انواع داده
        بررسی و برخورد با مقادیر پرت و گمشده
        حذف و فیلتر و ...
    مدل های پیش بینانه و ارزیابی آنها
        درختهای تصمیم در Weka, J48M5P, RandomForest
        رگرسیون خطی و لوجستیک
        شبکه های عصبی
        مدل های MetaClassifier
            Bagging
            Boosting
            Stacking
            Cost Sensitive Models
    مدل های بدون راهنما
        خوشه بندی

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

09367292276

09367292276
azsoftir@gmail.com
azsoftir.com

            خوشه بندی سلسله مراتبی

            الگوریتم K-Means
        قوانین پیوند
            الگوریتم Appriori
            الگوریتم