دوره‌های آموزش داده کاوی با نرم افزار Weka

110 ساعت مدرک ورودی: کارشناسی فنی و مهندسی شایستگی

این دوره فنی‌وحرفه‌ای جامع، دانشجو را با اصول پایه‌ی شناسایی انواع داده و روش‌های استخراج در زمینه بزشناسی آماری الگو آشنا می‌کند. شرکت‌کنندگان به صورت عملی یاد می‌گیرند که نرم افزار قدرتمند Weka را نصب کرده و از تمام چهار واسط اصلی آن شامل Explorer، Experimenter، Knowledge Flow و Simple CLI برای تحلیل داده استفاده کنند. در طول دوره مباحث پیش پردازش داده ها، کلاسه بندی، خوشه بندی، قوانین انجمنی و انتخاب ویژگی‌های مناسب با تمرکز بر الگوریتم های روزآمد تدریس می شود. همچنین مهارت برنامه نویسی مقدماتی برای پیاده سازی دستورات در کنسول Simple CLI به همراه رعایت اصول ایمنی محیط کار نیز پوشش داده خواهد شد.

سرفصل‌های دوره

  • شناسایی انواع داده و روش استخراج در بازشناسی آماری الگو (Pattern Recognition)
    • اصول نمونه برداری داده ها و تبدیل به database
    • بکارگیری چهارچوب های یادگیری و ارزیابی (test set, use training set, cross-validation)
    • استفاده از الگوریتم های کلاسه بندی مانند bayes-lazy-function-
    • ادغام مفاهیم داده کاوی در یادگیری ماشین
  • نصب نرم افزار و راه اندازی میز کار Weka
    • شناسایی سیستم عامل ها، پلت فرم های اجرایی و زبان برنامه نویسی Java (JAR)
    • فراخوانی واسط کاربری Explorer, Experimenter, Knowledge Flow, Simple CLI
  • پیش پردازش داده ها و مدلسازی سیستم در واسط Explore
    • بارگذاری فایل‌های با پسوند ARFF، CSV و فرمت های دیگر
    • اجرای الگوریتم های پیش پردازش در سربرگ Preprocess
    • بکارگیری الگوریتم های آموزش و ارزیابی مدل در سربرگ Classify
    • یافتن گروه های مشابه (خوشه بندی) در سربرگ Cluster
    • بکارگیری قوانین انجمنی در سربرگ Associate
    • انتخاب ویژگی‌های مناسب در سربرگ Select Attributes
  • ادغام الگوریتم های داده کاوی روی مجموعه داده ها در واسط Experimenter
    • شناخت مفاهیم پردازش خودکار داده و تنظیمات آن در سربرگ Setup
    • اجرای پردازش با استفاده از دکمه Run
    • تحلیل نتایج حاصله در بخش Analysis
  • ادغام مجموعه داده های حجیم جهت پردازش در واسط Knowledge Flow
    • شناسایی قواعد اتصال مجموعه‌های آموزش، داده‌های وابسته و مستقل
    • چیدمان ابزارها در سربرگ Data Mining Processes
    • گزارش وضعیت پس از پردازش با استفاده از Attribute Summary
  • برنامه نویسی الگوریتم در واسط Simple CLI
    • پیاده سازی دستورات ساده به زبان جاوا (Java) برای آموزش داده ها و ارزیابی

پیش‌نیاز: ندارد

نوع کار و دانش: مشخص نشده

منبع: سند استاندارد آموزشی سازمان فنی و حرفه‌ای

دوره‌های فعال این استاندارد

در حال حاضر دوره فعالی برای این استاندارد ثبت نشده است.