جستجو برای:
سبد خرید 0
  • دسته بندی دوره ها
    • کسب و کار
    • برنامه نویسی
    • بورس و ارز دیجیتال
    • کلان داده و هوش مصنوعی
    • دیجیتال مارکتینگ
    • امنیت و شبکه
    • چند رسانه ای
    • انیمیشن و بازی سازی
    • هنر و گرافیک
    • توسعه فردی
    • آکادمیک و مهندسی
    • زبان خارجه
  • مجله داناپ
  • تدریس در داناپ
  • حساب کاربری

ورود

رمز عبور را فراموش کرده اید؟

هنوز عضو نشده اید؟ عضویت در سایت
  • 021-22534127
  • info@danup.ir
سبد خرید 0
0
داناپ | دانش خود را به راحتی افزایش دهید
  • دسته بندی دوره ها
    • کسب و کار
    • برنامه نویسی
    • بورس و ارز دیجیتال
    • کلان داده و هوش مصنوعی
    • دیجیتال مارکتینگ
    • امنیت و شبکه
    • چند رسانه ای
    • انیمیشن و بازی سازی
    • هنر و گرافیک
    • توسعه فردی
    • آکادمیک و مهندسی
    • زبان خارجه
  • مجله داناپ
  • تدریس در داناپ
ورود و ثبت نام

آموزش جامع داده کاوی با رپیدماینر RapidMiner

خانهدوره های آموزشیکلان داده و هوش مصنوعیآموزش جامع داده کاوی با رپیدماینر RapidMiner
https://dl.danup.ir/Courses/663488/rapidminer/1.Rapidminer.oiubvhdgfsd.mp4
قیمت :

139,000 تومان

امتیاز
4.44 از 9 رأی
4.44 9 رای
139,000 تومان
ویژگی های دوره
زبان: فارسی
10 ساعت و 36 دقیقه
44 درس
1/61 گیگابایت
روش دریافت: دانلود آنی پس از پرداخت
روش پشتیبانی: ارسال تیکت
حالت مطالعه

داده کاوی با رپیدماینر (ِRapidMiner) قطعا یکی از محبوبترین و پرطرفدارترین شیوه های داده کاوی است که بدون نیاز به هیچ گونه دانش برنامه نویسی می توانید از آن استفاده کنید.

در کنار اهمیت و محبوبیت داده کاوی میان دانشجویان و شرکت های بزرگ، در طی سال های اخیر به دلیل افزایش تولید دیتا و همچنین دیتا محور شدن اکثر کسب و کارها، تحلیل داده پیشرفته (Data analytics) به یک پایه در پیشرفته شرکت ها، سازمان ها و موسسات تحقیقاتی تبدیل شده است.

افزایش رقابت میان شرکت ها، هدفمند شدن تصمیم‌گیری مدیران، کاهش هزینه های سازمانی، افزایش درآمد و در نتیجه افزایش سود در بازارهای مختلف، همگی به داده کاوی و پیاده سازی مدل‌های مبتنی بر یادگیری ماشینی وابسته اند.

حال در کنار اهمیت این تخصص، می توان از جنبه مالی نیز آن را بررسی و تحلیل کرد. هیچ متخصص داده کاوی وجود ندارد که درآمد مناسب نداشته باشد زیرا این کار به قدری لذت بخش است که سختی کار را برای متخصصان این حوزه به شدت کاهش می‌دهد. کشف الگوهای پنهان و پیش بینی احتمال، مواردی هستند که تمامی مدیران را تحت تاثیر قرار می‌دهند و متخصصان داده کاوی و یادگیری ماشین را متمایز می‌کند.

از داده کاوی در بسیاری از صنایع استفاده می‌شود: تجارت، پزشکی و دارو، بیمه و بانک، نفت و گاز، تولید کابل، تجارت الکترونیک و ….

رپیدماینر (ِRapidMiner) بی شک یکی از محبوب‌ترین و پرطرفدارترین نرم افزارهای داده کاوی و علوم داده (Data Science) است. شما بدون هیچ گونه دانش برنامه نویسی و به صورت کاملاً لذت بخش، می‌توانید:

  • انواع دیتاست ها مانند اکسل، متن، CSV، SPSS، دیتای موجود در اینترت (URL) و جداول پایگاه داده رابطه‌ای مثل SQL SERVER، MYSQL، ORACLE  و .. را وارد محیط کنید.
  • توسط انواع Operator، توابع مختلف (ریاضی، آماری، متن، منطقی و ..) بسازید و ویژگی (متغیر(  تولید کنید.
  • پیش پردازش دیتا را به صورت پیشرفته انجام دهید.
  • با استفاده انواع الگوریتم‌های نظارتی (رگرسیون خطی، رگرسیون لجستیک، SVM، شبکه عصبی و …) و الگوریتم‌های غیر نظارتی (کاهش ابعاد، خوشه بندی) الگوهای پنهان کشف کنید و احتمال رویدادها را پیش بینی کنید.
  • مدل را ارزیابی کنید و دیتاست نهایی را با انواع فرمت خارج کنید.

 

در دوره قبلی داده کاوی با پایتون و داده کاوی با IBM SPSS Modeler را به شما آموزش دادیم (که لینک آنها در انتهای این توضیحات موجود می باشد.) و در این دوره آموزشی قصد داریم تا به صورت جامع به آموزش داده کاوی با Rapidminer بپردازیم. در ادامه سرفصل های این دوره آموزشی را مشاهده می کنید :

 

سرفصل های دوره آموزش داده‌کاوی با RapidMiner

فصل 1- شروع کار با نرم افزار Rapid Miner

معرفی دوره و مزیت های داده کاوی با رپید ماینر

دانلود و نصب نرم افزار

وارد کردن دیتاست ها

  • اکسل (Excel)
  • متن (Text)
  • CSV
  • SPSS آماری (.sav)
  • صفحه سایت (URL)

اتصال پایگاه داده SQL Server به RapidMiner

تحلیل آماری و رسم نمودار

  • آمار توصیفی
  • تابع Aggregate (Group by)
  • Pivot table
  • ماتریس همبستگی
  • رسم نمودار دو بعدی و سه بعدی

مشخص کردن نوع (Type) و نقش (Role) ویژگی

فصل 2- ساخت ویژگی (Attribute) و توابع

  • ساخت ویژگی با توابع منطقی (Logical)
  • ساخت ویژگی با توابع مقایسه‌ای و اطلاعات متنی
  • ساخت ویژگی با توابع آماری
  • ساخت ویژگی با توابع ریاضی
  • ساخت ویژگی با مهندسی ویژگی (Feature Engineering)

فصل 3- پیش پردازش داده‌ها

پیش پردازش داده‌ها (بخش 1)

  • نرمالسازی
  • ساخت ویژگی ID
  • نمونه گیری ساده و پیشرفته (Stratified)
  • Binning (طبقه بندی دیتای کمی)
  • Binning به وسیله Entropy
  • فیلتر کردن رکورد (Example) و ویژگی (Attribute)
  • جایگذاری مقادیر Null (خالی)
  • مباحث پیشرفته‌تر در پر کردن مقدار Null
  • تولید ویژگی با نیوز (Noise)
  • Merge 
  • حذف ویژگی‌های همبسته (Corellated attributes)
  • Sort

پیش پردازش داده‌ها (بخش 2)

  • مدیریت مقادیر Null در ویژگی‌های کیفی به با استفاده از Map
  • ایجاد اتصال (Join)
  • ایجاد تجمیع (Append)
  • شناسای و حذف دیتای پرت (Outlier Detection)
  • زیر مجموعه (Subset)
  • زیر فرآیند (Sub process)

پیش پردازش داده‌ها (بخش 3)

  • کاهش ابعاد (PCA و SVD)
  • FP-Growth برای قواعد انجمنی (Association Rules)
  • انتخاب ویژگی (Feature Selection) -> در فصل پروژه‌ها

فصل 4- یادگیری نظارتی

  • رگرسیون خطی (Linear regression) + مثال
  • طبقه بندی (Classification) چیست؟
  • درخت تصمیم + مثال
  • رگرسیون لجستیک + مثال
  • شبکه‌ بیز (Naïve Bayes) + مثال
  • KNN + مثال
  • بردار حمایت ماشین (Support Vector Machine) + مثال
  • شبکه عصبی (Neural Networks) + مثال
  • Rule Induction + مثال
  • Boosting (تکنیک Ensemble) + مثال
  • Bagging (تکنیک Ensemble) + مثال

فصل 5- یادگیری غیر نظارتی

  • خوشه بندی چیست؟
  • خوشه بندی با K-means + مثال
  • خوشه بندی سلسله مراتبی + مثال
  • خوشه بندی با EM + مثال
  • خوشه بندی با DBSCAN + مثال
  • طبقه بندی براساس نتایج خوشه بندی + مثال

فصل 6- قواعد انجمنی (Association Rules)

  • قواعد انجمنی چیست؟
  • تحلیل سبد بازار (Market Basket Analysis) + مثال

فصل 7- پروژه‌های داده کاوی

  • بازاریابی مستقیم بر روی دیتای کمپین بازاریابی یک بانک
  • طبقه بندی بیماران سرطان خون
  • رتبه بندی اعتباری مشتریان
  • پیش بینی نمره نهایی دانش آموزان مدارس یک منطقه
  • خوشه بندی افراد براساس تغذیه
  • طبقه بندی انواع شیشه با توجه به مواد سازنده آنها
  • Credit Approval (براساس اطلاعات حساب بانکی مشتریان)
  • رتبه بندی اپلیکیشن های ورود به دانشکده پرستاری
  • تحلیل سبد محصولات یک فروشگاه غذایی با استفاده از قواعد انجمنی
  • خوشه بندی مشتریان یک بانک
  • خوشه بندی دانشجویان رشته‌های مختلف یک دانشگاه

 

حاصل دوره

  • به راحتی می‌‌توانید انواع پروژه دانشگاهی و سازمانی داده کاوی را انجام دهید.
  • به عنوان داده کاو (data miner) در شرکت‌های مختلف استخدام شوید.

 

توجه : نسخه حرفه ای و کرک شده نرم افزار rapidminer نیز برای دانلود و نصب در اختیارتان قرار داده شده است. پس از دانلود و نصب نرم افزار، ذر پوشه crack، فایل readme را مطالعه کنید.

 

لینک دیگر دوره های داده کاوی و یادگیری ماشین :

  • آموزش داده کاوی و یادگیری ماشینی با IBM SPSS modeler
  • آموزش داده کاوی و یادگیری ماشینی با پایتون
  • آموزش متن کاوی با پایتون
  • آموزش تصویر کاوی با رپیدماینر
  • آموزش متن کاوی و وب کاوی با رپیدماینر
  • آموزش یادگیری عمیق با پایتون
  • پکیج جامع علم داده با پایتون
  • پکیج جامع علم داده با رپیدماینر
  • آموزش جامع مبانی و مفاهیم داده کاوی و یادگیری ماشین

 

توجه : با هدف یادگیری کامل و تسلط به مباحث دوره، در صورت داشتن هر گونه سؤال، راهنمایی و نیاز به توضیحات بیشتر در خصوص فرآیندها و عملگرهای آموزش، دانشجویان محترم می توانند با ارسال تیکت از طریق بخش حساب کاربری و تیکت پشتیبانی با بنده در ارتباط باشند.

 

 

 

فصل اول

معرفی دوره ویدئو

13:43

پیش نمایش

دانلود و نصب نرم افزار ویدئو

01:36

پیش نمایش

وارد کردن انواع دیتاست (بخش 1) ویدئو

20:29

خصوصی

نحوه اتصال پایگاه داده SQL Server به رپیدماینر (بخش 2) ویدئو

08:57

پیش نمایش

تحلیل آماری و رسم نمودار ویدئو

19:08

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

مشخص کردن نوع و نقش ویژگی (Attribute) ویدئو

10:46

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

ساخت ویژگی با توابع منطقی (Logical) ویدئو

16:38

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

ساخت ویژگی با توابع مقایسه و اطلاعات متن ویدئو

15:10

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

ساخت ویژگی با توابع آماری ویدئو

07:42

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

ساخت ویژگی با توابع ریاضی ویدئو

07:23

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

ساخت ویژگی با مهندسی ویژگی (Feature engineering) ویدئو

12:40

پیش نمایش
فصل سوم

پیش پردازش داده‌ها (بخش 1) ویدئو

36:52

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

پیش پردازش داده‌ها (بخش 2) ویدئو

47:38

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

پیش پردازش داده‌ها (بخش 3) ویدئو

26:10

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

رگرسیون خطی (ساده و چندگانه) + مثال ویدئو

07:42

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

طبقه بندی چیست؟ ویدئو

08:03

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

درخت تصمیم + مثال ویدئو

15:26

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

رگرسیون لجستیک + مثال ویدئو

18:29

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

شبکه بیز (Naïve Bayes) + مثال ویدئو

05:40

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

KNN + مثال ویدئو

07:14

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

بردار حمایت ماشین (SVM) + مثال ویدئو

08:48

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

شبکه عصبی + مثال ویدئو

08:08

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

Rule Induction + مثال ویدئو

14:10

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

Boosting (تکنیک Ensemble) + مثال ویدئو

08:51

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

Bagging (تکنیک Ensemble) + مثال ویدئو

08:36

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

خوشه بندی چیست؟ ویدئو

06:14

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

خوشه بندی با K-means + مثال ویدئو

14:52

پیش نمایش

خوشه بندی سلسه مراتبی + مثال ویدئو

06:09

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

خوشه بندی با الگوریتم EM + مثال ویدئو

08:23

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

خوشه بندی با DBSCAN + مثال ویدئو

12:23

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

طبقه بندی با نتایج خوشه بندی + مثال ویدئو

09:52

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

قواعد انجمنی چیست؟ 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 (Market Basket Analysis) + مثال ویدئو

13:37

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

پروژه داده کاوی 1 ویدئو

23:48

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

پروژه داده کاوی 2 ویدئو

13:58

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

پروژه داده کاوی 3 ویدئو

09:17

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

پروژه داده کاوی 4 ویدئو

19:15

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

پروژه داده کاوی 5 ویدئو

10:26

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

پروژه داده کاوی 6 ویدئو

06:40

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

پروژه داده کاوی 7 ویدئو

08:41

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

پروژه داده کاوی 8 ویدئو

05:19

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

پروژه داده کاوی 9 ویدئو

06:40

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

پروژه داده کاوی 10 ویدئو

16:07

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

پروژه داده کاوی 11 ویدئو

20:45

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

بیشتر بدانید (دروس اختیاری) ویدئو

01:01:26

خصوصی

دیتاست های پروژه - بخش اول فایل های ضمیمه

خصوصی

دیتاست های پروژه - بخش دوم فایل های ضمیمه

خصوصی

سورس پروژه‌های انجام شده فایل های ضمیمه

خصوصی

دانلود نرم افزار رپیدماینر حرفه‌ای کرک شده فایل های ضمیمه

خصوصی
برچسب: داده کاوی

دوره های مرتبط

مبانی و مفاهیم داده کاوی و یادگیری ماشین

آموزش جامع مبانی و مفاهیم داده کاوی و یادگیری ماشین

داده کاوی یکی از تخصص های به روز و مورد نیاز تقریبا تمام کسب و کارهای داده محور است. داده…
60,000 تومان
آموزش جامع یادگیری عمیق با پایتون Python

آموزش جامع یادگیری عمیق با پایتون Python – کاملا پروژه محور

در این دوره آموزشی قصد داریم به آموزش یادگیری عمیق با پایتون بپردازیم. یادگیری عمیق یا deep learning یک حوزه…
139,000 تومان
آموزش متن کاوی با پایتون

آموزش جامع متن کاوی و پردازش زبان طبیعی و صوت با پایتون Python

متن کاوی با پایتون Python یکی از روش های رایج برای استخراج داده ها از متون مختلف می باشد. متن…
139,000 تومان
آموزش تصویر کاوی در رپیدماینر

آموزش جامع تصویر کاوی با رپیدماینر RapidMiner

تصویر کاوی یا Image mining در واقع فرآیند کشف اطلاعات و الگو‌ی پنهان از دیتای تصاویر می باشد. هدف اصلی…
139,000 تومان
آموزش داده کاوی

آموزش جامع داده کاوی و یادگیری ماشینی با IBM SPSS modeler

داده کاوی با IBM SPSS modeler یکی از ترندهای روز حوزه هوش مصنوعی است که هر روز به تعداد علاقمندان…
139,000 تومان

rate_reviewامتیاز دانشجویان دوره

4.4
4.44 9 رای
139,000 تومان
9 رأی
5 ستاره
6
4 ستاره
1
3 ستاره
2
2 ستاره
0
1 ستاره
0

chat_bubble_outlineنظرات

  • reza keshavarzi
    1399/09/04
    برای پاسخ دادن وارد شوید

    سلام.
    وقت بخیر.
    اگر بخوایم واژگان ۱متن رو کامل دربیاریم( بدون اینکه کلمات کلیدی رو بهش بدیم) وتمام واژگان فهرست بشن، بازم میشه فهرست واژگان ساخت با این نرم افزار؟

  • zahra عطایی( دانشجوی دوره )
    1399/08/14
    امتیاز 3 از 5
    برای پاسخ دادن وارد شوید

    سلام ممنون بابت آموزش ولی یسری کانسپت ها اصلا خوب توضیح داده نشده مثلا مباحث مربوط به Bagging و Boosting من فکر می کنم اشتباه توضیح داده شده تا جایی که من میدونم از این موارد برای استفاده ترکیبی الگوریتم ها استفاده میشه ولی آقای نوری اصلا اشاره ای به این مورد نکردن و فقط گفتن خیلی خوبه برای افزایش دقت !!!
    تو مثالشونم فقط اومدن درخت تصمیم رو تو Baggingاستفاده کردن آخرم باز یکی در اومد دقت ها الان این یعنی چی؟؟؟ من دوبار از اول نگاه کردم گفتم شاید من متوجه نشدم!!!
    اگه من دارم اشتباه میکنم لطفا درمورد این دو مورد من رو توجیه کنید و توضیح بدید متوجه شم چون این مورد برام خیلی مهم بود که بیشتر سردرگمم کرد!!

  • بهرنگ موسوی( دانشجوی دوره )
    1399/05/08
    امتیاز 3 از 5
    برای پاسخ دادن وارد شوید

    سلام
    اموزش بسیار ضعیفی بود .
    استاد دوره به نظر میاد خودشان مسلط به مطالب هستند ولی اصلا معلم خوبی نیستند

    • شاهین نوری
      1399/05/08
      برای پاسخ دادن وارد شوید

      سلام وقت بخیر
      پیشنهاد می‌شود ابتدا دوره “مبانی و مفاهیم داده کاوی و یادگیری ماشین” را مشاهده کنید (پیش نیاز نیست ولی قدرت یادگیری این تخصص را به شدت افزایش می‌دهد). در این دوره تمرکز اصلی روی مباحث و مثال‌های عملی است و سعی شده است نکات ریز و کامل مفاهیم دیتا ماینینگ به صورت اختصاصی و جداگانه ارائه شود.
      با احترام

  • فرید ضیایی( دانشجوی دوره )
    1399/04/30
    امتیاز 5 از 5
    برای پاسخ دادن وارد شوید

    میتونم بگم از بین آموزش های موجود برای نرم افزار رپیدماینر بهترین آموزش بود
    فقط پروژه های انتهایی در حد پروژه نبود و بیشتر مثال بود.
    از زحمات آقای نوری بی نهایت سپاسگزارم

  • مهرداد احسانی( دانشجوی دوره )
    1399/04/29
    امتیاز 5 از 5
    برای پاسخ دادن وارد شوید

    دوره مناسبی بود

  • fatemeh golshani( دانشجوی دوره )
    1399/04/09
    امتیاز 4 از 5
    برای پاسخ دادن وارد شوید

    سلام روز شما بخیر
    دیتاست تمرین هایی که گذاشتید رو لطف می کنید بزارید
    مثلا اولا تمرین دیتاستbanking تو فایل ها نیست
    با تشکر

    • شاهین نوری
      1399/04/10
      برای پاسخ دادن وارد شوید

      سلام وقت بخیر؛
      لینک دانلود تمامی دیتاست‌ها قرار داده شده است.
      لطفاً فایل‌ها را مجدداً بررسی کنید.
      با احترام

  • امیر منصفی( دانشجوی دوره )
    1399/02/04
    امتیاز 5 از 5
    برای پاسخ دادن وارد شوید

    با سلام و احترام
    می تونم بگم شیوا ترین و کاربردی ترین آموزش پیدماینری بود که تاحالا دیده بودم.حداقل 3 4 مورد آموزش خریده بودم ولی ایم مورد واقعا عالی بود. با تشکر از آقای نوری بابت وقت و زحمتی که کشیدند برای تهیه این آموزش. و سایت خوب داناپ.

  • shahossieni( دانشجوی دوره )
    1398/11/24
    امتیاز 5 از 5
    برای پاسخ دادن وارد شوید

    دوره بسیار خوبی هستش
    مدرس دوره بسیار دلسوز و با صبر و حوصله به سوالاتم جواب دادن بسیار سپاس گزارم

  • محمدی( دانشجوی دوره )
    1398/09/21
    امتیاز 5 از 5
    برای پاسخ دادن وارد شوید

    سلام و خسته نباشید میگم . آموزش های مهندس شاهین نوری واقعا بینظیر هست و بدون کم و کاستی مطالب رو ارائه دادند .
    همچنین پشتیبانی عالی که داشتند به تمام سوالات بنده با صبر و حوصله و بدون کم وکاستی جواب دادند . بسیار از سایت خوبتون مخصوصا از مهندس نوری تشکر میکنم امیدوارم آموزش های دیگه ای از ایشون رو ببینیم

  • سپیده( دانشجوی دوره )
    1398/07/18
    امتیاز 5 از 5
    برای پاسخ دادن وارد شوید

    سلام خدمت شما عوامل دست اندرکار سایت بسیار مفید داناپ،
    من آموزشهای آقای مهندس شاهین نوری رو برای انجام پایان نامه استفاده کردم، آموزشهای ایشون بسیار خوب و جامع هست، مضاف بر این سوال هایی که با ایمیل از خدمتشون داشتم رو با صبر و حوصله جواب میدن، من به نوبه ی خودم از آقای مهندس نوری به خاطر آموزش فوق العاده شون بسیار ممنونم و براشون همواره آرزوی سلامتی و موفقیت میکنم، و امیدوارم باز هم آموزشهای دیگه ای رو هم از ایشون ببینم

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.

لغو پاسخ

برای ارسال نظر باید وارد حساب کاربری خود شده باشید.

قیمت :

139,000 تومان

افزودن به علاقه مندی
امتیاز
4.44 از 9 رأی
4.44 9 رای
139,000 تومان
زبان: فارسی
10 ساعت و 36 دقیقه
44 درس
1/61 گیگابایت
روش دریافت: دانلود آنی پس از پرداخت
روش پشتیبانی: ارسال تیکت
شاهین نوری
شاهین نوری

سلام. من متخصص علوم داده و یادگیری ماشینی فعال در شرکت بیمه نوین (هلدینگ بانک اقتصاد نوین) هستم. دارای مدرک کارشناسی آمار و احتمال از دانشگاه شهید بهشتی و دانشجوی سال آخر مدیریت فناوری در دانشگاه تهران هستم.

دسته: کلان داده و هوش مصنوعی
  • تهران، شریعتی، انتهای خواجه عبداله انصاری، خیابان بنی هاشم، پلاک 68
  • 021-22534127
  • Info@danup.ir
دسترسی سریع
  • صفحه اصلی
  • مجله داناپ
  • حساب کاربری
  • قوانین و مقررات
  • درباره ما
  • تدریس در داناپ
  • تماس با ما

تمامی حقوق برای وبسایت داناپ محفوظ می باشد.