قیمت 99,000 تومان 49,500 تومان

ویژگی های دوره
زبان: فارسی
7 ساعت و 25 دقیقه
42 درس
1/27 گیگابایت
روش دریافت: دانلود آنی پس از پرداخت
روش پشتیبانی: ارسال تیکت

داده کاوی یا دیتا ماینینگ (Data Mining) به معنای کاوش معادن داده هاست. داده کاوی به شما کمک می کند تا رفتار کسب و کار خود در گذشته را به دقت بررسی کنید و بر اساس آن رفتار آینده را با ضریب دقت بالایی پیش بینی کنید !

داده کاوی یا دیتا ماینینگ به شما کمک می کند تصمیماتی صحیح و واقع بینانه در مورد کسب و کار خود اتخاذ کنید و استراتژی های مناسبی را بر اساس اهداف سازمانی طراحی کنید.

با توجه به اینکه اکثر کسب و کارهای امروزی مبتنی بر داده و هوش مصنوعی هستند، وجود یک فرد متخصص داده کاوی در این کسب و کارها بسیار ضروری است. فرقی نمی کند که کسب و کار شما در چه حوزه ای قرار دارد اگر کسب و کار شما با داده ها سر و کار دارد قطعا شما به داده کاوی برای پیشرفت نیاز خواهید داشت.

 

کاربردهای داده کاوی

  • شناخت بازار هدف
  • یافتن الگوی خرید مشتری
  • برنامه ریزی برای معرفی یک محصول جدید
  • ترسیم پروفایل مشتری
  • دسته بندی مشتریان بر اساس نوع خریدی که انجام داده اند.
  • آنالیز نیازهای مختلف مشتریان
  • تشخیص محصولات مناسب برای دسته های گوناگون مشتریان
  • تشخیص فاکتورهایی برای جذب مشتریان جدید
  • تعیین الگوهای خرید مشتریان
  • تجزیه و تحلیل سبد خرید بازار
  • پیش بینی میزان خرید اینترنتی مشتریان
  • پیش بینی الگوهای کلاهبرداری از طریق کارت های اعتباری و شناسایی جرایم مالی
  • تشخیص مشتریان ثابت و دسته بندی و خوشه بندی مشتریان با توجه به رفتار مشابه آنها در زمینه بانکداری و باز پرداخت وام
  • تعیین میزان استفاده از کارت های اعتباری بر اساس گروه های اجتماعی
  • تحلیل اعتبار مشتریان
  • شناسایی فاکتورهای اصلی در ریسک باز پرداخت وام
  • تحلیل پاسخگویی مشتریان به ارائه خدمات جدید بانکی
  • پیشگویی میزان خرید بیمه‌نامه‌های جدید توسط مشتریان
  • تحلیل ریسک و برآورد حق بیمه مشتریان بر اساس میزان ریسک هر مشتری
  • پیش‌بینی میزان خسارت بر اساس گروه های مشتریان
  • مدیریت ارتباط با بیمه‌گذاران و تدوین استراتژی بر اساس مشتریان هدف
  • تعیین عوامل وفاداری و یا روی‌گردانی مشتریان
  • شناخت نیازها و الگوهای خرید سرویسهای بیمه ای توسط مشتریان
  • شناخت تخلفات بیمه ای
  • تعیین نوع رفتار با بیماران و تعیین روش درمان بیماری ها
  • پیشگویی میزان موفقیت اعمال جراحی و تعیین میزان موفقیت روش های درمانی در برخورد با بیماری های لاعلاج
  • بررسی میزان تاثیر دارو بر بیماری و اثرات جانبی آن
  • تشخیص و پیش‌ بینی انواع بیماری ها مانند تشخیص و یا پیش بینی انواع سرطان
  • تجزیه و تحلیل داده های موجود در سیستم های اطلاعات سلامت
  • تحلیل تصاویر پزشکی

 

بازارکار داده کاوی در ایران و جهان چگونه است؟

در حال حاضر علوم داده (Data Science) یکی از گران ترین تخصص ها در کشورهای پیشرفته ای مانند آمریکا، کانادا، آلمان، سوئیس و انگلیس به حساب می آید و افراد متخصص در این حوزه درآمدهای چشم گیری نسبت به دیگر تخصص ها دارند.

در ایران نیز شرکت ها و سازمان ها با مشکل کمبود شدید افراد متخصص در زمینه دیتا ماینینگ مواجه هستند و به همین دلیل نمی توانند تصمیماتی به موقع، هوشمندانه و استراتژیک در مورد سازمان یا شرکت خود بگیرند. بنابراین تسلط بر این حوزه موقعیت های شغلی بسیار عالی و فراوانی را پیش پای شما قرار خواهد داد.

 

نرم افزار SPSS Modeler چیست؟

نرم افزار SPSS Modeler که توسط کمپانی IBM تولید شده یک نرم افزار کاربردی برای داده کاوی و تجزیه و تحلیل متن هاست که برای ایجاد مدل های پیش بینی کننده و انجام سایر امور مرتبط با تجزیه و تحلیل مورد استفاده قرار می گیرد. نام اولیه این نرم افزار کلمنتاین Clementine بود که بعده ها به SPSS Clementine معروف شد و در نهایت به IBM SPSS Modeler تغییر نام پیدا کرد.

IBM SPSS Modeler دارای رابط کاربری ساده و مناسبی است و به کاربر این امکان را می دهد که بدون داشتن دانش برنامه نویسی، الگوریتم های داده کاوی و آماری را در پژوهش های خود به کار گیرد.

 

این دوره شامل چه مباحثی است؟

در این دوره آموزشی به طور جامع (مبتدی تا فوق پیشرفته) به آموزش داده کاوی با نرم افزار SPSS Modeler می پردازیم. شما با یادگیری این دوره آموزشی و همچنین با استفاده از دیتاست های حجیم و واقعی می توانید به راحتی و با سرعت زیاد عملیات زیر را انجام دهید :

۱- با هر فرمتی (اکسل، تکست، دیتابیس مثل SQL server، Spss آماری و …) دیتاست ها را وارد و خارج کنید.

۲- تحلیل های آماری پیشرفته انجام دهید و داده ها را با انواع نمودار ها و گراف های دو بعدی و سه بعدی مصور کنید. 

۳- پیچیده ترین عملیات پیش پردازش داده ها را انجام دهید.

۴- ویژگی های مرتبط را استخراج کنید.

۵- با استفاده از الگوریتم های یادگیری ماشینی (رگرسیون، طبقه بندی (SVM، رگرسیون لجستیک، شبکه عصبی و…)، خوشه بندی، کاهش ابعاد، قواعد انجمنی و سری زمانی)، مدلسازی کنید و الگوهای پنهان را کشف و احتمالات را محاسبه کنید.

۶- از تکنیک های Ensemble استفاده کنید.

۷- دقت پیش بینی های خود را ارزیابی و تحلیل کنید.

 

سرفصل های این دوره آموزشی

فصل ۱- شروع کار با IBM SPSS Modeler

  • معرفی دوره
  • نصب و راه اندازی نرم افزار IBM SPSS Modeler 18
  • وارد کردن دیتاست‌ها
  • اکسل (Excel)
  • متن (Text)
  • CSV
  • SPSS آماری (.sav)
  • جداول پایگاه داده رابطه‌ای (در آموزش، SQL Server)

فصل ۲- توابع پایه

  • کار با شاخه‌ها، گره Type، برچسب گذاری بر روی مقادیر متغیر ترتیبی
  • مشخص کردن نوع ویژگی (کمی، اسمی، ترتیبی، ID، دو جمله ای)
  • برچسب گذاشتن روی مقادیر ویژگی (متغیر) ترتیبی
  • پیش پردازش داده‌ها
  • فرمول‌های محاسباتی برای ساخت ویژگی جدید
  • توابع رشته‌ای
  • فیلتر کردن
  • استاندارد سازی داده‌ها
  • نرمالسازی
  • بخش بندی داده‌ها (Train data – Test data)
  • اتصال دیتاست‌ها (Join)
  • تجمیع مقادیر دیتاست‌ها (Append)
  • نحوه پر کردن مقادیر Null با توجه به نوع متغیر (کمی، اسمی، ترتیبی)

فصل ۳- تحلیل آماری

  • تحلیل آماری چند متغیره
  • توزیع فراوانی
  • گره Data audit
  • مفهوم Super node و نرمال سازی متغیر با آن
  • Reclassifying (طبقه بندی مجدد ویژگی کیفی)
  • Binning (طبقه بندی متغیر کمی)
  • تحلیل آماری چند متغیره
  • همبستگی‌
  • آمار توصیفی
  • Crosstab (ساده و پیشرفته)
  • Pivot table
  • توابع Aggregate

فصل  ۴- مصور سازی داده و گراف (ِData Visualization)

  • گراف Plot
  • گراف Multiplot
  • گراف Web
  • گراف توزیع فراوانی
  • هیستوگرام
  • گراف سه بعدی
  • نقشه حرارتی (Heat map)

فصل ۵- سری زمانی

  • پیش بینی تولید ماهانه شیر گاو بر حسب پوند
  • پیش بینی فروش یک شرکت بین المللی در ۹ ماه آینده با درنظر گرفتن هزینه ارسال محموله با کشتی

فصل ۶- رگرسیون

  • ساخت ماشین پیش بینی کننده نمره نهایی دانش آموزان براساس نمره پیش از آزمون با استفاده از رگرسیون خطی ساده
  • Benchmark (مقایسه نسبت هزینه – عملکرد محصولات دو شرکت Intel و AMD با رگرسیون خطی ساده
  • پیش بینی نمره نهایی دانش آموزان براساس روش تدریس و نمره پیش از آزمون با رگرسیون خطی چندگانه
  • برآرود جایزه نقدی افراد در بازی گلف

فصل ۷- نمونه گیری تصادفی ساده و پیشرفته

  • نمونه گیری ۱ in N
  • نمونه گیری تصادفی درصدی
  • نمونه گیری خوشه ای
  • Stratified Sampling
  • Stratified Sampling (وزن دار)

فصل ۸ – تحلیل فاکتور

  • شناسایی رفتار مصاحبه شوندگان براساس رژیمی غذایی با استفاده از کاهش ابعاد (PCA – PFA)
  • رضایت سنجی کاربران یک شرکت فناوری اطلاعات با استفاده از کاهش ابعاد (PCA – PFA)

فصل ۹- خوشه بندی

  • خوشه بندی خودروها کمپانی‌های بزرگ دنیا (سلسله مراتبی)
  • خوشه بندی مصاحبه شوندگان براساس رژیمی غذایی (سلسله مراتبی)
  • شناسایی رفتار مشتریان بانک جهت طراحی راهبرد متناسب با رفتارشان (K-means)
  • خوشه بندی کاربران یک شرکت IT براساس رضایت فنی و رضایت سازمانی (K-means)
  • تعیین بهترین الگوریتم برای خوشه بندی بیماران مبتلا به دیابت

فصل ۱۰- طبقه بندی

  • معرفی انواع الگوریتم طبقه بندی و مقایسه طبقه بندی با خوشه بندی
  • Confusion Matrix
  • رسم نمودار ROC برای مصورسازی دقت پیش بینی
  • رتبه بندی اعتباری مشتریان بانک با رگرسیون لجستیک
  • طبقه بندی مسافران کشتی تایتانیک و کشف علل زنده ماندن/ فوت آن‌ها با رگرسیون لجستیک
  • طبفه بندی بیماران سرطان سینه با استفاده از LDA
  • طبقه بندی بیماران سرطان خون با استفاده از بکارگیری کاهش ابعاد و LDA
  • طبقه بندی بیماران سرطان سینه با استفاده از SVM
  • بکارگیری مهندسی ویژگی (Feature engineering) و الگوریتم SVM در طبقه بندی مسافران تایتانیک
  • مقایسه دقت پیش بینی شبکه عصبی، LDA و SVM در طبقه بندی مسافران تایتانیک
  • تأثیر Ensemble در افزایش یادگیری ماشینی (شبکه عصبی(
  • طبقه بندی دیتا Iris با KNN
  • پیش بینی سرطان خون افراد با استفاده از بکارگیری کاهش ابعاد و LDA
  • پیش بینی نتیجه بازی شطرنج با درخت تصمیم
  • انتخاب بهترین الگوریتم طبقه بندی با استفاده از طبقه بندی اتومانیک

فصل ۱۱- قواعد انجمنی

  • آشنایی با قواعد انجمنی
  • تحلیل سبد بازار با استفاده از الگوریتم Apriori

فصل ۱۲- آنالیز RFM

  • رتبه بندی مشتریان براساس شاخص RFM

 

توجه : دیتاست های استفاده شده در این آموزش را نیز از طریق لینک مربوطه می توانید دانلود و استفاده نمایید.

 

حاصل دوره

دانشجویان عزیز پس از گذراندن این دوره آموزشی می توانند :

۱- به عنوان دانشمند داده یا داده کاو در شرکت های بزرگ استخدام شوند.

۲- انواع پایان نامه، تحقیقات و پژوهش مبتنی بر داده و اطلاعات را تحلیل و انجام دهند.

۳- به دلیل درخواست های بالای این تخصص، مهاجرت تحصیلی و کاری آنها آسان تر از گذشته خواهد بود.

 

دوره های دیگر داده کاوی و یادگیری ماشینی :

فصل اول - معرفی و آغاز کار با SPSS Modeler

معرفی دوره ویدئو

15:13

نصب و راه اندازی SPSS Modeler ویدئو

02:35

وارد کردن دیتاست ها (Excel، Text، SPSS، CSV و جدوال پایگاه داده) ویدئو

18:23

فصل دوم - توابع بیسیک

کار با شاخه ها، گره Type، برچسب گذاری بر روی مقادیر متغیر ترتیبی ویدئو

08:13

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

پیش پردازش داده ها ویدئو

41:40

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
فصل سوم - تحلیل آماری

تحلیل آماری تک متغیره ویدئو

25:13

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

تحلیل آماری چند متغیره ویدئو

15:24

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
فصل چهارم - مصور سازی داده ها

رسم گراف ها و مصور سازی داده ها (بخش اول) ویدئو

14:26

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

رسم گراف ها و مصور سازی داده ها (بخش دوم) ویدئو

06:36

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
فصل پنجم - سری زمانی

سری زمانی - پروژه ۱ ویدئو

08:35

سری زمانی - پروژه ۲ ویدئو

05:10

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
فصل ششم - رگرسیون

رگرسیون خطی ساده - پروژه ۱ ویدئو

08:02

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

رگرسیون خطی ساده - پروژه ۲ ویدئو

06:13

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

رگرسیون خطی چندگانه - پروژه ۱ ویدئو

04:03

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

رگرسیون خطی چندگانه - پروژه ۲ ویدئو

07:55

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
فصل هفتم - نمونه گیری ساده و پیشرفته

نمونه گیری ساده و پیشرفته ویدئو

10:52

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
فصل هشتم - تحلیل فاکتور

کاهش ابعاد (PCA) - پروژه ۱ ویدئو

10:23

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

کاهش ابعاد (PCA) - پروژه ۲ ویدئو

10:01

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

کاهش ابعاد (PFA) - پروژه ۱ ویدئو

04:30

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

کاهش ابعاد (PFA) – پروژه ۲ ویدئو

06:17

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
فصل نهم - خوشه بندی

خوشه بندی سلسه مراتبی – پروژه ۱ ویدئو

08:40

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

خوشه بندی سلسه مراتبی – پروژه ۲ ویدئو

04:28

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

خوشه بندی با الگوریتم K-means – پروژه ۱ ویدئو

15:22

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

خوشه بندی با الگوریتم K-means – پروژه ۲ ویدئو

19:15

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

خوشه بندی اتوماتیک + مثال ویدئو

09:18

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
فصل دهم - طبقه بندی

الگوریتم‌های طبقه بندی و مقایسه خوشه بندی با طبقه بندی + مثال ویدئو

07:57

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

رگرسیون لجستیک – پروژه ۱ ویدئو

14:47

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

رگرسیون لجستیک – پروژه ۲ ویدئو

17:32

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

آنالیز افتراقی خطی (Linear Discriminate analysis) - پروژه ۱ ویدئو

05:14

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

آنالیز افتراقی خطی (Linear Discriminate analysis) - پروژه ۲ ویدئو

05:13

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بردار حمایتی ماشینی (Support Vector Machine) - پروژه ۱ ویدئو

05:19

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

بردار حمایتی ماشینی (Support Vector Machine) - پروژه ۲ ویدئو

13:12

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

شبکه عصبی (Neural Network) – پروژه ۱ ویدئو

09:50

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

شبکه عصبی (Neural Network) – پروژه ۲ ویدئو

05:09

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

K امین همسایه نزدیک (KNN) – پروژه ۱ ویدئو

11:59


K امین همسایه نزدیک (KNN) – پروژه ۲ ویدئو

11:39

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

درخت تصمیم – پروژه ۱ ویدئو

12:05

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

درخت تصمیم – پروژه ۲ ویدئو

04:46

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

طبقه بندی اتوماتیک ویدئو

12:52

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
فصل یازدهم - قواعد انجمنی

قواعد انجمنی ویدئو

04:39

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

تحلیل سبد بازار با استفاده از الگوریتم Apriori + مثال ویدئو

05:36

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.
فصل دوازدهم - آنالیز RFM

آنالیز RFM ویدئو

09:55

خصوصی
این بخش خصوصی می باشد. برای دسترسی کامل به دروس این دوره باید این دوره را خریداری نمایید.

دیتاست های آموزش فایل های ضمیمه

خصوصی

سورس پروژه انجام شده فایل های ضمیمه

خصوصی
برچسب:

moreدوره های مرتبط

استفاده بهینه از محصولات آموزشی

تا به حال برایتان پیش آمده که هزینه ای بابت محصولات آموزشی مانند یک دوره، کارگاه یا رویداد پرداخت کنید…
رایگان!

روش های پس انداز حتی با درآمد کم در ایران

پس انداز کردن واژه ای است که در جامعه ما به دلیل شرایط اقتصادی بارها و بارها استفاده می شود.…
رایگان!

چگونه برای آزمون استخدامی آماده شویم؟

آزمون استخدامی یکی از استرس زاترین مراحل برای دستیابی به یک شغل مناسب هستند. در واقع دلیل اصلی این ترس…
29,000 تومان 14,500 تومان

گام اول در طراحی فرآیندهای منابع انسانی

فرآیندهای منابع انسانی مدرن، به طور مداوم به بررسی، ارزیابی و کنترل فرآیند می پردازند و با شناسایی شکاف ها و مسائل،…
39,000 تومان 19,500 تومان

فوت و فن ورود و رشد در بازارکار منابع انسانی

منابع انسانی یا HR که مخفف Human Resources می باشد در واقع بخشی از سازمان است که مسئولیت یافتن، غربال گری، استخدام…
39,000 تومان 19,500 تومان

chat_bubble_outlineنظرات

  • سپیده رستمی فرد( دانشجوی دوره )

    سلام، ممنون به خاطر آموزشهای فوق العاده خوبتون،بنده ار دانشجویان دوره ی spss modelere هستم و میخواستم بپرسم راه ارتباطی با آقای مهندس شاهین نوری چیه؟ میشه یه ایمیل فعال از ایشون رو، به من بدین؟

  • v.khorasani( دانشجوی دوره )

    چقدر کاربردی و مفید بود. قبلا دوره های داده کاوی را دانلود کرده بودم ولی به این اندازه کامل و جامع توضیح نداده بودن.

قوانین ثبت دیدگاه

با سلام و احترام خدمت شما کاربر محترم
  • دیدگاه های فینگلیش تایید نخواهند شد.
  • دیدگاه های نامرتبط با دوره تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • امتیاز دادن به دوره فقط مخصوص دانشجویان دوره می باشد.