پیش نیاز دوره 

• توانایی عمومی کار با کامپیوتر از پیش‌نیازهای اصلی این دوره است.
• علاوه بر این، دانش کافی در شاخه ریاضیات، آمار و علوم کامپیوتر کمک شایانی به بهره‌برداری هر چه بیشتر شرکت کنندگان از این دوره آموزشی می‌نماید.

 مخاطبین دوره 

• علاقه مندان به کسب کار در حوزه علوم داده و داده کاوی
• محققین علوم داده جهت آشنایی و تسلط با کاربردی سازی علم داده در  rapid miner

معرفی رپیدماینر

این نرم‌افزار یک ابزار داده‌کاوی متن‌باز است که با زبان جاوا نوشته شده و از سال 2001 تا به حال توسعه داده‌شده است. در این نرم‌افزار سعی تیم توسعه‌دهنده، بر آن بوده است که تا حد امکان تمامی الگوریتم‌های رایج داده‌کاوی و هم‌چنین یادگیری ماشین پوشش داده شوند. این نرم‌افزار براساس جریان داده کار می‌کند. به این صورت که در این نرم‌افزار گره‌هایی وجود دارند که هریک وظیفه خاصی داشته و عملکرد خاصی را بر روی داده‌ها اعمال می‌کنند و با اتصال به یکدیگر می‌توان مدل‌سازی و ارزیابی نتایج انجام داد. از نقاط قوت این نرم‌افزار می‌توان به موارد زیر اشاره کرد:

•  - نمای گرافیکی مناسب و کاربرپسند.
•  - ارایه گزارش و رونوشت از مراحل اجرای الگوریتم.
•  - قابلیت لوله بندی بین اجزای مختلف با یکدیگر از طریق رابط کاربری گرافیکی.
•  - امکان تصحیح و خطایابی بسیار سریع.
•  - سرعت بالای روش‌ها نسبت به نرم‌افزار وکا و کلمانتین.
•  - امکان اجرای هم‌زمان الگوریتم‌های یادگیری متفاوت در نرم‌افزار و مقایسه آن‌ها با یکدیگر.
•  - این نرم‌افزار در سال 2014 از سوی داده‌کاوان دنیا به عنوان نرم‌افزار برتر شناخته شده است.

آنچه در این دوره فرا خواهید گرفت: 

•  - داده کاوی و تجزیه و تحلیل بهینه
•  - انجام پروژه های داده کاوی با داده های انرژی در مدل CRISP-DM
•  - پاکسازی داده ها(نرمالسازی –داده های نویز و خالی ) –حذف داده پرت
•  - وابستگی و اهمیت بین ویژگی ها(مهندسی ویژگی)
•  - مدلسازی (طبقه بندی، رگرسیون)
•  - ارزیابی و پیش بینی نتایج

سرفصل دوره:

ورود داده (آشنایی با محیط و پیش پردازش)

 - فراخوانی داده ها در محیط rapid miner
 - بررسی کیفیت داده ها 
 - انواع روش های پاکسازی( داده تکراری، داده از دست رفته، 
 - تشخیص رکوردهای پرت با استفاده از تکنیک های مبتنی بر فاصله LOF
 - نرمالسازی و گسسته سازی 
 - وابستگی بین متغیرها correlation 
 - انتخاب ویژگی های تاثیرگذار با تکنیک های وزن دهی(شاخص سود اطلاعاتی(gain ratio) و شاخص جینی gini index)

مدلسازی (پیش بینی :مدل های با ناظر)

مدل های جعبه سفید

•  - طبقه بندی: انواع درخت های تصمیم
•  - استفاده از درخت های رگرسیونی به منظور پیش بینی مقدار انرژی براساس فاکتورهای گوناگون
•  - آشنایی با انواع کرنل های خطی، چند جمله ای و گوسین

مدل های جعبه سیاه

•  - شبکه های عصبی مصنوعی
•  - بررسی مدل K- نزدیکترین همسایگی (KNN)
•  - بیزساده
•  - ماشین بردار پشتیبان

مدل های تجمیعی (Bagging, Boosting, Ensemble)

ارزیابی پیشرفته مدل های پیش بینی کننده (بررسی شاخص های ماتریس پریشانی و نمودارها

مقادیر خطای MSE، R2، MAE