آموزش عناصر اساسی پیش بینی تجزیه و تحلیل و داده کاوی

The Essential Elements of Predictive Analytics and Data Mining

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: یک پروژه تجزیه و تحلیل پیش بینی و داده کاوی مناسب می تواند افراد و هفته های زیادی را درگیر کند. همچنین بسیاری از خطاهای احتمالی برای جلوگیری از وجود دارد. برای ادامه مسیر پروژه ، یک چشم انداز "تصویر بزرگ" لازم است. این دوره از دریچه یک پزشک باسابقه که دهها پروژه در دنیای واقعی را به اتمام رسانده است ، این دیدگاه را فراهم می کند. کیت مک کورمیک یک کاوشگر و نویسنده داده مستقل است که در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی ، از جمله درختان طبقه بندی ، تجزیه خوشه و قوانین ارتباط تخصص دارد. در اینجا او دانش خود را با شما در میان می گذارد. هر مرحله از یک پروژه معمولی را طی کنید ، از تعریف مشکل و جمع آوری داده ها و منابع ، تا عملی کردن راه حل. کیت همچنین یک نمای کلی از CRISP-DM (روش واقعی کاوش داده) و 9 قانون داده کاوی ارائه می دهد که شما را بر استراتژی و ارزش تجاری متمرکز می کند.
موضوعات شامل:
  • چه چیزی یک پروژه تحلیلی پیش بینی موفق را ایجاد می کند؟
  • تعریف مشکل
  • انتخاب داده ها
  • جذب منابع: تیم ، بودجه و شرکتهای متوسط
  • رسیدگی به داده های از دست رفته
  • یافتن راه حل
  • عملی کردن راه حل
  • بررسی اجمالی CRISP-DM

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • آنچه باید قبل از تماشای این دوره بدانید What you should know before watching this course

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

  • مقدمه Introduction

  • تعریف داده کاوی A definition of data mining

  • داده کاوی و تجزیه و تحلیل پیش بینی چیست؟ What's data mining and predictive analytics?

  • عناصر اساسی چیست؟ What are the essential elements?

2. تعریف مسئله 2. Problem Definition

  • مقدمه Introduction

  • هدف تجارت را تعیین کنید Determine the business objective

  • یک استراتژی مداخله را مشخص کنید Identify an intervention strategy

  • بازده سرمایه گذاری را تخمین بزنید Estimate the return on investment

  • مدیریت برنامه Program management

3. مورد نیاز داده ها 3. Data Requirements

  • مقدمه Introduction

  • ردپای مشتری Customer footprint

  • پرونده تخت Flat file

  • هدف خود را درک کنید Understand your target

  • داده ها را برای مدل سازی انتخاب کنید Select the data for modeling

  • ادغام را درک کنید Understand integration

  • ساخت داده را درک کنید Understand data construction

4. منابعی که به آنها احتیاج دارید 4. Resources You'll Need

  • مقدمه Introduction

  • الگوریتم های داده کاوی را درک کنید Understand data mining algorithms

  • الزامات تیم را ارزیابی کنید Assess team requirements

  • زمان بودجه Budget time

  • با کارشناسان موضوع کار کنید Work with subject matter experts

5. مشکلاتی که با آنها روبرو خواهید شد 5. Problems You'll Face

  • با داده های از دست رفته مقابله کنید Deal with missing data

  • مقاومت سازمانی را حل کنید Resolve organizational resistance

  • چرا مدل ها تخریب می شوند Why models degrade

6. پیدا کردن راه حل 6. Finding the Solution

  • مقدمه Introduction

  • فضای راه حل را جستجو کنید Search the solution space

  • نتایج غیر منتظره Unexpected results

  • ازمایش و خطا Trial and error

  • اثبات ساخت Construct proof

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

  • مقدمه Introduction

  • گرایش را درک کنید Understand propensity

  • متامدلینگ را درک کنید Understand metamodeling

  • تکرارپذیری را درک کنید Understand reproducibility

  • مستندات استاد Master documentation

  • زمان استقرار Time to deploy

8. CRISP-DM و نه قانون 8. CRISP-DM and the Nine Laws

  • مقدمه Introduction

  • مقدمه Introduction

  • درک CRISP-DM Understanding CRISP-DM

  • قوانین 1 و 2 را درک کنید Understand laws 1 and 2

  • قانون 3 را درک کنید Understand law 3

  • قوانین 4 و 5 را درک کنید Understand laws 4 and 5

  • قوانین 6 ، 7 و 8 را درک کنید Understand laws 6, 7, and 8

  • قانون 9 را درک کنید Understand law 9

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش عناصر اساسی پیش بینی تجزیه و تحلیل و داده کاوی
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1h 28m
46
Linkedin (لینکدین) lynda-small
19 تیر 1396 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
194,101
- از 5
ندارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Keith McCormick Keith McCormick

داده کاو ، مربی ، سخنران ، نویسنده کیت مک کورمیک یک کاوشگر اطلاعات ، مربی ، سخنران و نویسنده مستقل است.

کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.