لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش علم داده و آماده سازی داده با KNIME
Data science and Data preparation with KNIME
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
KNIME - ابزاری قدرتمند برای علم داده و یادگیری ماشین علم داده با کارایی بالاتر. پاکسازی دادههای KNIME ممکن است فرصتهای شغلی جدیدی برای شما ایجاد شود. ممکن است بتوانید بهرهوری خود را افزایش دهید و در انجام کارهای آمادهسازی دادهها در زمان صرفهجویی کنید. در KNIME نمونههایی از گردشهای کاری یادگیری ماشین علم داده با KNIME مهارتهای اولیه KNIME خود را که قبلاً کسب کردهاید تقویت کنید (به عنوان مثال در دوره آموزشی خرابی KNIME من در مورد udemi) نحوه استفاده از Python در KNIME (جاوا و R نیز میتوانند مورد استفاده قرار گیرند، اما در اینجا تمرکز نمیشود. ) نحوه انجام DataScience در KNIME با و بدون کدنویسی پیش نیازها:بدون هزینه اضافی - KNIME را می توان به صورت رایگان دانلود کرد شما باید قبلا با KNIME کار می کردید خود برنامه و اصول اولیه در "KNIME - یک دوره کرش برای مبتدیان" پوشش داده شده است. همچنین در udemi موجود است. دانش اولیه یادگیری ماشین مطمئناً مفید است. کدنویسی لازم نیست اما ما یاد میگیریم که چگونه میتوانید از پایتون استفاده کنید و از کد پایتون خود در KNIME استفاده کنید.
علم داده و پاکسازی داده و آماده سازی داده با KNIME
سلام به همه امیدوارم حال شما خوب باشد.
بیایید با آن روبرو شویم. آمادهسازی دادهها، پاکسازی دادهها، پیشپردازش دادهها (هرچه میخواهید آن را نام ببرید) اغلب خستهکنندهترین و زمانبرترین کار در حوزه علم داده/تجزیه و تحلیل داده است.
بسیاری از مردم می پرسند: چگونه می توانیم روند را تسریع کنیم و کارآمدتر باشیم؟
خب یکی از گزینهها میتواند استفاده از ابزارهایی باشد که به ما امکان میدهند روند را تسریع کنیم (و گاهی اوقات مقدار کدی را که باید بنویسیم کاهش دهیم).
با KNIME
آشنا شوید
یک ابزار عالی که به کمک ما می آید. KNIME به ما اجازه می دهد تا آماده سازی داده ها/تمیز کردن داده ها را در یک رابط کشیدن و رها کردن بسیار جذاب انجام دهیم. (هیچ تجربه برنامه نویسی لازم نیست، اما اگر بخواهیم از زبان هایی مانند R، Python یا Java استفاده کنیم، همچنان به ما اجازه می دهد. بنابراین، اگر بخواهیم می توانیم کدنویسی کنیم اما مجبور نیستیم! ). انعطاف پذیری KNIME باعث می شود این اتفاق بیفتد. با KNIME میتوانیم علم داده را نیز انجام دهیم، بنابراین یادگیری ماشینی و هوش مصنوعی با یا بدون کدنویسی.
و بهترین: نسخه دسکتاپ رایگان است!
بنابراین، آیا ارزشش را دارد که عمیق تر در KNIME شیرجه بزنید؟ کاملاً!
این دوره دومین کلاس KNIME است و دانش شما را در کلاس اول "KNIME - یک دوره تصادف برای مبتدیان" که در udemi نیز موجود است، گسترش می دهد.
ما اصول اولیه (مانند رابط، وارد کردن داده های اولیه و گره های فیلتر،...) را در اینجا پوشش نمی دهیم. اگر نیاز به تجدید دانش خود دارید یا فرصت یادگیری اصول اولیه را نداشتید، توصیه می کنم ابتدا کلاس قبلی را بررسی کنید (که تمام اصول اولیه را در یک مطالعه موردی عالی پوشش می دهد!)
در این کلاس ما به آن می پردازیم
روش های کارآمد برای وارد کردن چندین فایل به KNIME
حلقه ها
تصویرسازی وب
اسکریپت نویسی (با استفاده از کد پایتون در KNIME)
بهینه سازی فراپارامتر
انتخاب ویژگی
جریانهای اصلی یادگیری ماشین و گرههای مفید برای این کار در KNIME
اگر به نظر سرگرم کننده نیست، پس چی؟ بنابراین، اگر برای شما جالب است، بیایید شروع کنیم!
آماده اید؟
سرفصل ها و درس ها
بیایید وارد آن شویم! علم داده و آماده سازی داده با KNIME
Let's get into it! Data science and Data preparation with KNIME
معرفی دوره
Course introduction
همه منابع را از اینجا دانلود کنید
Download all resources here
1 یک پیام در ابتدا
1 One message at the beginning
خواندن چندین فایل csv به صورت انبوه در بهروزرسانی KNIME
Reading multiple csv files in bulk into KNIME update
خواندن چندین فایل اکسل به صورت انبوه در به روز رسانی KNIME
Reading multiple Excel files in bulk into KNIME update
3 یک گره کمکی عالی برای تجزیه و تحلیل سری های زمانی در KNIME
3 A great helper Node for time series analysis in KNIME
برای فصل بعدی با حلقه ها مهم است
Important for the next chapter with loops
4 مثال در مورد نحوه استفاده از حلقه ها در KNIME
4 Examples on how to use loops in KNIME
5 بیشتر در مورد حلقه ها در KNIME - چندین راه برای به دست آوردن نتیجه یکسان
5 More on loops in KNIME - several ways to get the same result
6 حلقه نحوه تقسیم داده ها به چند فایل خروجی به روز رسانی
6 Loops How to split data into multiple output files update
به روز رسانی مهم KNIME (بسته به نسخه ای که برای ویدیوی بعدی استفاده می کنید)
Important KNIME Update (depending on which version you use for the next video)
بازگشت 7 حلقه در KNIME
7 Loops Recursion in KNIME
8 طراحی وب با KNIME
8 Webscraping with KNIME
Webscraping با بهروزرسانی KNIME - دادههای مالی
Webscraping with KNIME update - financial data
اسکریپت - نحوه استفاده از پایتون در KNIME (R و جاوا نیز)
Scripting - How to use Python in KNIME (R and Java as well)
پایتون در KNIME - نمونه های بیشتر - به روز رسانی
Python in KNIME - further examples - update
12 بهینه سازی هایپرپارامتر در KNIME - آماده سازی داده ها
12 Hyperparameter optimization in KNIME - data preparation
13 بهینه سازی فراپارامتر برای مدل های یادگیری ماشین با استفاده از حلقه ها در KNIME
13 Hyperparameter optimization for Machine Learning Models using loops in KNIME
14 انتخاب ویژگی در KNIME
14 Feature Selection in KNIME
15 بیایید فرآیند پیشبینی یادگیری ماشین را تمرین کنیم
15 Let's rehearse the machine learning prediction process
بیایید با هم به یادگیری ادامه دهیم
Lets continue learning together
16 KNIME خروج
16 KNIME logout
بیایید وارد آن شویم! علم داده و آماده سازی داده با KNIME
Let's get into it! Data science and Data preparation with KNIME
معرفی دوره
Course introduction
همه منابع را از اینجا دانلود کنید
Download all resources here
1 یک پیام در ابتدا
1 One message at the beginning
خواندن چندین فایل csv به صورت انبوه در بهروزرسانی KNIME
Reading multiple csv files in bulk into KNIME update
خواندن چندین فایل اکسل به صورت انبوه در به روز رسانی KNIME
Reading multiple Excel files in bulk into KNIME update
3 یک گره کمکی عالی برای تجزیه و تحلیل سری های زمانی در KNIME
3 A great helper Node for time series analysis in KNIME
برای فصل بعدی با حلقه ها مهم است
Important for the next chapter with loops
4 مثال در مورد نحوه استفاده از حلقه ها در KNIME
4 Examples on how to use loops in KNIME
5 بیشتر در مورد حلقه ها در KNIME - چندین راه برای به دست آوردن نتیجه یکسان
5 More on loops in KNIME - several ways to get the same result
6 حلقه نحوه تقسیم داده ها به چند فایل خروجی به روز رسانی
6 Loops How to split data into multiple output files update
به روز رسانی مهم KNIME (بسته به نسخه ای که برای ویدیوی بعدی استفاده می کنید)
Important KNIME Update (depending on which version you use for the next video)
بازگشت 7 حلقه در KNIME
7 Loops Recursion in KNIME
8 طراحی وب با KNIME
8 Webscraping with KNIME
Webscraping با بهروزرسانی KNIME - دادههای مالی
Webscraping with KNIME update - financial data
اسکریپت - نحوه استفاده از پایتون در KNIME (R و جاوا نیز)
Scripting - How to use Python in KNIME (R and Java as well)
پایتون در KNIME - نمونه های بیشتر - به روز رسانی
Python in KNIME - further examples - update
12 بهینه سازی هایپرپارامتر در KNIME - آماده سازی داده ها
12 Hyperparameter optimization in KNIME - data preparation
13 بهینه سازی فراپارامتر برای مدل های یادگیری ماشین با استفاده از حلقه ها در KNIME
13 Hyperparameter optimization for Machine Learning Models using loops in KNIME
14 انتخاب ویژگی در KNIME
14 Feature Selection in KNIME
15 بیایید فرآیند پیشبینی یادگیری ماشین را تمرین کنیم
15 Let's rehearse the machine learning prediction process
بیایید با هم به یادگیری ادامه دهیم
Lets continue learning together
16 KNIME خروج
16 KNIME logout
ویدیوهای قدیمی نسخه KNIME قبل از 4.3
Older videos KNIME version before 4.3
خواندن چندین فایل csv به صورت انبوه در KNIME
Reading multiple csv files in bulk into KNIME
2 چندین برگه اکسل را به صورت انبوه در KNIME بخوانید
2 Read multiple Excel sheets in bulk into KNIME
6 حلقه نحوه تقسیم داده ها به چندین فایل خروجی
6 Loops How to split data into multiple output files
11 پایتون در KNIME - نمونه های بیشتر
11 Python in KNIME - further examples
ویدیوهای قدیمی نسخه KNIME قبل از 4.3
Older videos KNIME version before 4.3
خواندن چندین فایل csv به صورت انبوه در KNIME
Reading multiple csv files in bulk into KNIME
2 چندین برگه اکسل را به صورت انبوه در KNIME بخوانید
2 Read multiple Excel sheets in bulk into KNIME
6 حلقه نحوه تقسیم داده ها به چندین فایل خروجی
6 Loops How to split data into multiple output files
11 پایتون در KNIME - نمونه های بیشتر
11 Python in KNIME - further examples
یودمی یکی از بزرگترین پلتفرمهای آموزشی آنلاین است که به میلیونها کاربر در سراسر جهان امکان دسترسی به دورههای متنوع و کاربردی را فراهم میکند. این پلتفرم امکان آموزش در زمینههای مختلف از فناوری اطلاعات و برنامهنویسی گرفته تا زبانهای خارجی، مدیریت، و هنر را به کاربران ارائه میدهد. با استفاده از یودمی، کاربران میتوانند به صورت انعطافپذیر و بهینه، مهارتهای جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگیهای برجسته یودمی، کیفیت بالای دورهها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد میدهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و میتوانند به بهترین شکل ممکن از آموزشها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرمهای آموزشی آنلاین، به افراد امکان میدهد تا به راحتی و با کیفیت، مهارتهای مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.
نمایش نظرات