آموزش علم داده- روش مدیریت پروژه-CRISP-DM(2023)

سرفصل ها و درس ها

مقدمه ای درباره ترینر Introduction About Trainer

• مقدمه درباره مربی و دوره Introduction About Trainer & Course

مقدمه ای درباره ترینر Introduction About Trainer

مقدمه ای بر روش های PM و درک تفصیلی Introduction to PM Methodologies & Detailed Understanding

• معرفی Introduction

مقدمه ای بر روش های PM و درک تفصیلی Introduction to PM Methodologies & Detailed Understanding

فاز 1 | درک کسب و کار Phase-1 | Business Understanding

• زیرمجموعه KDD، SEMMA و CRISP-DM Underatanding KDD, SEMMA & CRISP-DM

• مشکل کسب و کار -A Business Problem -A

• مقایسه بین KDD، SEMMA، CRISP-DM Comparison between KDD, SEMMA, CRISP-DM

• مشکل کسب و کار -B Business Problem -B

• مشکل کسب و کار -C Business Problem -C

• مشکل کسب و کار -D & E Business Problem -D & E

فاز 1 | درک کسب و کار Phase-1 | Business Understanding

فاز 2 | درک داده ها Phase-2 | Data Understanding

• مقدمه درک داده ها Data Understanding Introduction

• الف. جمع آوری داده ها A. Data Collection

• الف-1: تمایز مجموعه داده های مختلف A-1: Differentiation of Various Data Collection

• الف-2: جمع آوری داده ها با استفاده از پیمایش A-2 : Data Collection Using Survey

• الف-3: جمع آوری داده ها با استفاده از طراحی آزمایش ها A-3 : Data Collection Using Design Of Experiments

• الف-4: تجزیه و تحلیل داده های اکتشافی A-4 : Exploratory Data Analysis

• الف-5: تجزیه و تحلیل کیفیت داده ها A-5 : Data Quality Analysis

فاز 2 | درک داده ها Phase-2 | Data Understanding

فاز 3 | آماده سازی داده ها Phase-3 | Data Preparation

• یکپارچه سازی داده ها و بحث Data Integration & Wrangling

• تولید و انتخاب صفت Attribute Generation and Selection

فاز 3 | آماده سازی داده ها Phase-3 | Data Preparation

فاز 4 | مدل سازی Phase-4 | Modelling

• مقدمه مدلسازی Modelling Introduction

• آموزش تحت نظارت و بدون نظارت ساختمان مدل Model Building Supervised and Unsupervised Learning

• آموزش تقویت مجدد ساختمان مدل Model Building Re-inforcement Learning

• مدل ساختمان نیمه نظارتی و سایر آموخته ها Model Building Semi-Supervised and Other Learnings

• نمونه های یادگیری ساختمان مدل Model Building Learning Examples

• انتخاب تکنیک مدل-زمانی که Y شناخته شده است؟ Selecting Model Technique-When Y is known ?

• انتخاب تکنیک مدل - وقتی Y ناشناخته است؟ Selecting Model Technique-When Y is unknown ?

• انتخاب تکنیک مدل - برای پیش بینی و داده های سری زمانی Selecting Model Technique- For Forecasting and Time-series data

• تکنیک جداسازی داده ها Data Separation Technique

• تکنیک ارزیابی مدل - بیش از برازش در مقابل مجموعه داده های زیر برازش Model Evaluation Technique - Over fitting Vs Under fitting Datasets

• تکنیک ارزیابی مدل- مجموعه داده های متعادل و نامتعادل Model Evaluation Technique-Balanced and Imbalanced Datasets

• خطاها دقت و اندازه گیری | وقتی Y پیوسته است؟ Errors Accuracy & Measures | When Y is continuous ?

• خطاها دقت و اندازه گیری | وقتی Y گسسته است؟ Errors Accuracy & Measures | When Y is discrete ?

• ادامه....| وقتی Y گسسته است؟ Conti....| When Y is discrete ?

• تکنیک ارزیابی مدل- منحنی ROC و ارزیابی مدل Model Evaluation Technique-ROC Curve and Model Assessment

فاز 4 | مدل سازی Phase-4 | Modelling

فاز 5 | ارزیابی Phase-5 | Evaluation

• ارزیابی Evaluation

فاز 5 | ارزیابی Phase-5 | Evaluation

فاز 6 | گسترش Phase-6 | Deployment

• گسترش Deployment

فاز 6 | گسترش Phase-6 | Deployment