کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش آمار و داده کاوی پیشرفته برای علم داده [ویدئو]

Advanced Statistics and Data Mining for Data Science [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: علم داده یک حوزه همیشه در حال توسعه است. علم داده شامل تکنیک ها و نظریه های استخراج شده از آمار، علوم کامپیوتر و یادگیری ماشین است. این دوره ویدیویی همراه شما خواهد بود و تضمین می کند که بر تکنیک های مختلف داده کاوی و آماری تسلط دارید. این دوره با مقایسه و مقایسه آمار و داده کاوی شروع می شود و سپس یک نمای کلی از انواع مختلف پروژه هایی که دانشمندان داده معمولاً با آنها مواجه می شوند ارائه می دهد. سپس مدل‌سازی پیش‌بینی/طبقه‌بندی را که رایج‌ترین نوع پروژه تحلیل داده‌ها است، یاد خواهید گرفت. همانطور که در این سفر به جلو می روید، با سه روش (آماری، درخت تصمیم گیری و یادگیری ماشینی) آشنا می شوید که با آن می توانید مدل سازی پیش بینی را انجام دهید. در نهایت، مدل‌سازی بخش‌بندی را برای یادگیری هنر تحلیل خوشه‌ای بررسی خواهید کرد. در پایان دوره، شما با مدل سازی ارتباطی کار خواهید کرد که به شما امکان می دهد تحلیل سبد بازار را انجام دهید. این دوره از SPSS نسخه 25 استفاده می کند، در حالی که آخرین نسخه موجود نیست، محتوای مرتبط و آموزنده را برای کاربران قدیمی SPSS ارائه می دهد. همه فایل‌های منبع به مخزن GitHub در آدرس زیر اضافه می‌شوند: https://github.com/PacktPublishing/Advanced-Statistics-and-Data-Mining-for-Data-Science •با آمارهای پیشرفته و تکنیک‌های داده کاوی آشنا شوید. • بین انواع مختلف مدل های پیش بینی تمایز قائل شوید •تسلط بر رگرسیون خطی • نتایج یک درخت تصمیم را کاوش کنید • کار با شبکه های عصبی درک زمان انجام تجزیه و تحلیل خوشه ای و زمان استفاده از مدل سازی تداعی این دوره برای توسعه دهندگانی مناسب است که می خواهند داده ها را تجزیه و تحلیل کنند و داده کاوی و تکنیک های آماری را به طور عمیق یاد بگیرند. این یک دوره ایده آل برای کسانی است که در تجزیه و تحلیل داده، مدیریت داده، تجزیه و تحلیل تجاری، هوش تجاری، امنیت اطلاعات، مرکز اطلاعات، امور مالی، بازاریابی و داده کاوی هستند. و به طور خاص توسعه دهندگان داده، انبارداران داده، مشاوران داده، و آماردانان - در تمام صنایع و بخش ها • با ایجاد دانش پایه خود در مورد آمار شروع کنید، سپس به سراغ برخی از الگوریتم های کلاسیک داده کاوی مانند K-means و Apriori بروید * • آمار و ارقام را اعمال کنید. تکنیک های داده کاوی برای تجزیه و تحلیل و تفسیر نتایج با استفاده از CHAID، رگرسیون خطی، و شبکه های عصبی * •به دست آوردن مجموعه گسترده تری از مهارت های تحلیلی برای کمک به تصمیم گیری هوشمندانه برای مشتریان و صنایع * *
سرفصل ها و درس ها

داده کاوی و آمار Data Mining and Statistics

  • بررسی اجمالی دوره The Course Overview

  • مقایسه و مقایسه آمار و داده کاوی Comparing and Contrasting Statistics and Data Mining

  • مقایسه و مقایسه آمارهای IBM SPSS و IBM SPSS Modeler Comparing and Contrasting IBM SPSS Statistics and IBM SPSS Modeler

  • انواع پروژه ها Types of Projects

مدل سازی پیش بینی کننده Predictive Modeling

  • مدل‌سازی پیش‌بینی‌کننده: هدف، مثال‌ها و انواع Predictive Modeling: Purpose, Examples, and Types

  • ویژگی ها و نمونه هایی از مدل های پیش بینی آماری Characteristics and Examples of Statistical Predictive Models

  • رگرسیون خطی: هدف، فرمول ها و نمایش Linear Regression: Purpose, Formulas, and Demonstration

  • رگرسیون خطی: مفروضات Linear Regression: Assumptions

  • ویژگی ها و نمونه هایی از مدل های درخت تصمیم Characteristics and Examples of Decision Trees Models

  • CHAID: هدف و نظریه CHAID: Purpose and Theory

  • تظاهرات CHAID CHAID Demonstration

  • تفسیر CHAID CHAID Interpretation

  • ویژگی ها و نمونه هایی از مدل های یادگیری ماشینی Characteristics and Examples of Machine Learning Models

  • شبکه عصبی: هدف و نظریه Neural Network: Purpose and Theory

  • نمایش شبکه عصبی Neural Network Demonstration

  • مقایسه مدل ها Comparing Models

آنالیز خوشه ای Cluster Analysis

  • تجزیه و تحلیل خوشه ای: اهداف هدف و کاربردها Cluster Analysis: Purpose Goals, and Applications

  • تجزیه و تحلیل خوشه ای: مبانی Cluster Analysis: Basics

  • تجزیه و تحلیل خوشه ای: مدل ها Cluster Analysis: Models

  • K-Means تظاهرات K-Means Demonstration

  • تفسیر K-Means K-Means Interpretation

  • استفاده از فیلدهای اضافی برای ایجاد نمایه کلاستر Using Additional Fields to Create a Cluster Profile

مدل سازی انجمن Association Modeling

  • نظریه مدل سازی انجمن: مثال ها و اهداف Association Modeling Theory: Examples and Objectives

  • نظریه مدل سازی انجمن: مبانی و کاربردها Association Modeling Theory: Basics and Applications

  • نمایش: Apriori Setup and Options Demonstration: Apriori Setup and Options

  • نمایش: تفسیر قاعده Apriori Demonstration: Apriori Rule Interpretation

  • نمایش: Apriori با داده های جدولی Demonstration: Apriori with Tabular Data

نمایش نظرات

Packtpub یک ناشر دیجیتالی کتاب‌ها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرم‌افزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتاب‌ها، ویدیوها و دوره‌های آموزشی می‌پردازد که به توسعه‌دهندگان و متخصصان فناوری اطلاعات کمک می‌کند تا مهارت‌های خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامه‌نویسی، توسعه وب، داده‌کاوی، امنیت سایبری و هوش مصنوعی را پوشش می‌دهد. محتوای این منابع به صورت کاربردی و به‌روز ارائه می‌شود تا کاربران بتوانند دانش و توانایی‌های لازم برای موفقیت در پروژه‌های عملی و حرفه‌ای خود را کسب کنند.

آموزش آمار و داده کاوی پیشرفته برای علم داده [ویدئو]
جزییات دوره
2 h 53 m
27
Packtpub Packtpub
(آخرین آپدیت)
1
5 از 5
ندارد
دارد
دارد
Jesus Salcedo

https://donyad.com/d/e6a565

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jesus Salcedo Jesus Salcedo

ژسوس سالسدو دارای مدرک دکترای روان سنجی از دانشگاه فوردهام است. او یک مشاور آماری مستقل است و بیش از 20 سال است که از محصولات SPSS استفاده می کند. او یک رهبر سابق تیم برنامه درسی SPSS و کارشناس ارشد آموزش است که دوره های آموزشی متعددی برای SPSS نوشته و هزاران کاربر را آموزش داده است.

Python پایتون Data Statistics داده ها آمار