آموزش پیش بینی تحلیلی آموزش ضروری: داده کاوی

سرفصل ها و درس ها

معرفی Introduction

• داده کاوی و تجزیه و تحلیل پیش بینی شده Data mining and predictive analytics

1. داده کاوی و تجزیه و تحلیل پیش بینی شده چیست؟ 1. What Is Data Mining and Predictive Analytics?

• معرفی عناصر ضروری Introducing the essential elements

• تعریف داده کاوی Defining data mining

• معرفی CRISP-DM Introducing CRISP-DM

• فصلنامه Chapter Quiz

2. تعریف مشکل 2. Problem Definition

• شروع با یک مرحله اول جامد: تعریف مشکل Beginning with a solid first step: Problem definition

• فریم کردن مشکل از لحاظ تصمیم گیری میکرو Framing the problem in terms of a micro-decision

• چرا هر مدل نیاز به یک استراتژی مداخله موثر دارد؟ Why every model needs an effective intervention strategy

• ارزیابی پتانسیل پروژه با معیارهای کسب و کار و ROI Evaluate a project's potential with business metrics and ROI

• ترجمه مشکلات کسب و کار به مشکلات داده کاوی Translating business problems into data mining problems

• فصلنامه Chapter Quiz

3. الزامات داده ها 3. Data Requirements

• درک الزامات داده ها Understanding data requirements

• جمع آوری داده های تاریخی Gathering historical data

• دیدار از نیاز فایل تخت Meeting the flat file requirement

• تعیین متغیر هدف شما Determining your target variable

• انتخاب داده های مربوطه Selecting relevant data

• نکات مربوط به ادغام داده های موثر Hints on effective data integration

• درک مهندسی ویژگی Understanding feature engineering

• توسعه صنایع دستی شما Developing your craft

• فصلنامه Chapter Quiz

4. منابع شما نیاز دارید 4. Resources You Will Need

• مجموعه مهارت ها و منابع که نیاز دارید Skill sets and resources that you'll need

• مقایسه یادگیری ماشین و آمار Compare machine learning and statistics

• ارزیابی نیازهای تیم Assessing team requirements

• بودجه بندی زمان کافی Budgeting sufficient time

• کار با کارشناسان موضوع Working with subject matter experts

• فصلنامه Chapter Quiz

5. مشکلات شما روبرو خواهد شد 5. Problems You Will Face

• پیش بینی چالش های پروژه Anticipating project challenges

• رسیدگی به داده های گم شده Addressing missing data

• رسیدگی به مقاومت سازمانی Addressing organizational resistance

• مدل سازی مدل هایی که تخریب می شوند Addressing models that degrade

• فصلنامه Chapter Quiz

6. پیدا کردن راه حل 6. Finding the Solution

• آماده شدن برای وظایف فاز مدل سازی Preparing for the modeling phase tasks

• جستجو برای راه حل های بهینه Searching for optimal solutions

• جستجوی نتایج شگفت انگیز Seeking surprise results

• ایجاد اثبات این که مدل کار می کند Establishing proof that the model works

• پذیرش یک رویکرد محاکمه و خطا Embracing a trial and error approach

• فصلنامه Chapter Quiz

7. قرار دادن راه حل برای کار 7. Putting the Solution to Work

• آماده شدن برای مرحله استقرار Preparing for the deployment phase

• استفاده از احتمالات و پیشنهادات Using probabilities and propensities

• درک مدل سازی متا Understanding meta modeling

• درک بازتولید Understanding reproducibility

• آماده سازی برای استقرار مدل Preparing for model deployment

• نحوه برخورد با مستندات پروژه How to approach project documentation

• فصلنامه Chapter Quiz

8. نه قانون داده کاوی 8. The Nine Laws of Data Mining

• CRISP-DM و قوانین داده کاوی CRISP-DM and the laws of data mining

• درک CRISP-DM Understanding CRISP-DM

• مشاوره برای استفاده از CRISP-DM Advice for using CRISP-DM

• درک نه قانون داده کاوی Understanding the nine laws of data mining

• درک قوانین اول و دوم Understanding the first and second laws

• درک قانون آماده سازی داده ها Understanding the data preparation law

• درک قوانین مربوط به الگوها Understanding the laws about patterns

• درک قوانین بینش و پیش بینی Understanding the insight and prediction laws

• درک قانون ارزش Understanding the value law

• درک اینکه چرا مدل ها تغییر می کنند Understanding why models change

• فصلنامه Chapter Quiz

نتیجه Conclusion

• مراحل بعدی Next steps