دوره‌های آموزش داده کاوی و کشف دانش با استفاده از نرم افزار SPSS Modeler

75 ساعت مدرک ورودی: کاردانی فنی مهندسی و مدیریتی شایستگی

این دوره آموزشی جامع به آموزش اصول نصب، راهاندازی و کار با نرمافزار پیشرفته دادهکاوی Clementine/SPSS Modeler میپردازد. در این کلاس از مفاهیم پایه پایگاههای داده شروع شده و سپس مباحث مهمی نظیر پاکسازی دادهها (حذف نویز)، کاهش بعد و ورود اطلاعات به سیستم تدریس میگردد. دانشجویان با الگوریتم‌های پیشرفته خوشهبندی، استخراج قواعد باهمآیی، درخت تصمیمگیری و مدلسازی سری زمانی آشنا شده و مهارت تحلیل شبکههای اجتماعی را کسب میکنند. در نهایت دوره با انجام یک پروژه کامل دادهکاوی که شامل تمام مراحل از آمادهسازی تا تفسیر خروجیها است به پایان میرسد.

سرفصل‌های دوره

  • نصب، راهاندازی و دستهبندی کارکردهای نرمافزار Clementine/SPSS Modeler
    • مفاهیم پایگاههای داده و جایگاه دادهکاوی در دنیای امروز
    • مراحل نصب نسخه های مختلف نرمافزار و آشنایی با کلیات آن
  • شناسایی انواع داده، آمادهسازی و پاکسازی آنها به همراه کاهش بعد
    • دسته‌بندی انواع دادهها و عملیات مختص هر نوع (رکورد و فیلد)
    • مدیریت دادههای مفقوده، پرت، مغشوش و نویزدار
    • روشهای مختلف کاهش ابعاد در کنار حفظ اطلاعات ارزشمند
  • ورود دادهها به نرمافزار و تحلیل آنها با استفاده از گره‌های Source, Record Operations, Graphs
    • بازخوانی و آمادهسازی پایگاه داده با گره‌های SAS file, SPSS file, Append, Sample, Merge
    • رسم نمودارهای داده (Plot, Distribution, Histogram) و حل مثال‌های RFM
  • مدلسازی خوشهها با الگوریتم‌های مختلف و تفسیر نتایج
    • پیادهسازی K-means, TwoStep, Kohonen و SOM در نرمافزار
    • تحلیل فاصله بین نقاط، چگالی دادهها و سنجه‌های ارزیابی کیفیت خوشه‌ها
  • استخراج قواعد باهمآیی (Association) و باهمآیی منفی (Negative Association)
    • پیادهسازی الگوریتم Apriori و GRI در جریان داده
    • محاسبه معیار پشتیبان، اطمینان و تفسیر مفهومی قوانین استخراج شده
  • مدلسازی ردهبندی بر پایه درخت تصمیم با استفاده از روش‌های CARD, C4.5 و دیگر الگوریتمها
    • کارکرد گره‌های C & R, QUEST, CHAID, C5.0 و تفاوت بین آنها
    • رفع خطاهای Overfitting و Underfitting، محاسبه ماتریس اغتشاش (Confusion Matrix)
  • مدلسازی سریهای زمانی، شبکههای عصبی و تحلیل شبکه‌های اجتماعی
    • استفاده از گره‌های Time Intervals, Time Series برای مدل‌سازی داده‌های زنجیره‌ای
    • پیادهسازی Neural Net, Sequence برای شبیه‌سازی رفتارها
    • کاوش روابط در یک شبکه اجتماعی بزرگ با استفاده از گره WEB
  • توسعه کامل پروژه و انجام تحلیل نهایی بر روی دیتاست انتخابی

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.