آموزش علم داده و آماده سازی داده با KNIME [ویدئو]

علم داده و آماده سازی داده با KNIME Data Science and Data Preparation with KNIME

• معرفی دوره Course Introduction

• 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 به‌روزرسانی KNIME Reading Multiple Excel Files in Bulk into KNIME Update

• یک گره کمکی عالی برای تجزیه و تحلیل سری های زمانی در KNIME A Great Helper Node for Time Series Analysis in KNIME

• نمونه هایی از نحوه استفاده از حلقه ها در KNIME Examples of How to Use Loops in KNIME

• اطلاعات بیشتر در مورد حلقه ها در KNIME - چندین روش برای به دست آوردن نتیجه یکسان More on Loops in KNIME - Several Ways to Get the Same Result

• حلقه ها - چگونه داده ها را به چندین فایل خروجی تقسیم کنیم Loops - How to Split Data into Multiple Output Files

• بازگشت حلقه ها در KNIME Loops Recursion in KNIME

• طراحی وب با KNIME Webscraping with KNIME

• طراحی وب با KNIME - داده های مالی Webscraping with KNIME - Financial Data

• اسکریپت - نحوه استفاده از پایتون در KNIME Scripting - How to Use Python in KNIME

• پایتون در KNIME - نمونه های بیشتر Python in KNIME - Further Examples

• بهینه سازی Hyperparameter در KNIME - آماده سازی داده ها Hyperparameter Optimization in KNIME - Data Preparation

• بهینه سازی هایپرپارامتر برای مدل های یادگیری ماشین با استفاده از حلقه ها در KNIME Hyperparameter Optimization for Machine Learning Models Using Loops in KNIME

• انتخاب ویژگی در KNIME Feature Selection in KNIME

• فرآیند پیش‌بینی یادگیری ماشین Machine Learning Prediction Process

• خروج KNIME 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

• چندین برگه اکسل را به صورت انبوه در KNIME بخوانید Read Multiple Excel Sheets in Bulk into KNIME

• حلقه نحوه تقسیم داده ها به چندین فایل خروجی Loops How to Split Data into Multiple Output Files

• پایتون در KNIME - نمونه های بیشتر Python in KNIME - Further Examples