[vc_row row_height_type=”fixed_height_screen” height=”100″ min_height=”500″ nav_skin=”light” consent_include=”include” el_design=”{“desktop“:{“padding-top“:“45“,“padding-bottom“:“45“}}” custom_bg_color=”{“solid“:{“id“:“Light background“,“color“:“#f7f8fd“}}”][vc_column el_design=”{“desktop“:{“padding-top“:“45“,“padding-right“:“15“,“padding-bottom“:“0“,“padding-left“:“15“}}” width=”1/2″ css_animation=””][vc_empty_space height=”120px”][vc_content_box style=”style_custom” shadow=”big_shadow” shadow_hover=”no_shadow” overflow=”” el_design=”{“desktop“:{“padding-top“:“45“,“padding-right“:“45“,“padding-bottom“:“45“,“padding-left“:“45“}}” border_hover=”default” width=”400″ equal_height=”” alignment=”align_right” vertical_align=”horizontal_align=” horizontal_align=”” css_animation=”wtbx-anim-bottom-to-top-small” css_animation_easing=”wtbx_easing-natural” css_animation_duration=”wtbx-duration-1000″ css_animation_delay=”” bg_color=”{“solid“:{“id“:“custom_color“,“color“:“rgba(255,255,255,1)“}}”][vc_icon size=”40px” cont_size=”1em” css_animation=”” icon=”{“font“:“fontawesome“,“icon“:“fa fa-quote-left“}” icon_color=”{“solid“:{“id“:“Main accent color“,“color“:“#8571ea“}}”][vc_text_element typography=”{“variants“:“400_italic“,“font_size“:“17px“}” css_animation=””]
- مدت دوره: ۱۲ ساعت
- مخاطب دوره: دانشجویان، پژوهشگران و متخصصان علاقهمند به حوزه داده
- دوره های پیش نیاز: داده کاوی در SPSS Modeler
- مدرسین دوره: زهرا ذوالقدر . محمد روزبه
- مکان برگزاری کلاس: در شرکت همکار گروه داده کاوی دایکه
[/vc_text_element][vc_empty_space height=”15px”][vc_text_element typography=”{“variants“:“700“,“font_size“:“14px“}” css_animation=”” color=”{“id“:“Dark color“,“color“:“#151221“}”]- VstaCompany[/vc_text_element][/vc_content_box][/vc_column][vc_column el_design=”{“desktop“:{“padding-top“:“100“,“padding-right“:“15“,“padding-bottom“:“15“,“padding-left“:“15“}}” width=”1/2″ css_animation=””][vc_image_element image=”10621″ size_type=”fixed” alignment=”center” preloader=”” css_animation=””][/vc_column][/vc_row][vc_section nav_skin=”light”][vc_row nav_skin=”light” consent_include=”include”][vc_column css_animation=””][vc_list_item style=”style_2″ skin=”light” css_animation=””]
دستاورد دوره
این دوره با هدف آشنایی مخاطبین با روش های آماده سازی داده های نامتوازن، روش های کاهش ابعاد و همچنین استفاده از الگوریتم های آماری و یادگیری ماشین مختلف جهت حل مسائل گوناگون، طرح ریزی شده است.
محتوای دوره
بخش اول: روشهای آمادهسازی
- تکنیک متوازنسازی با نمونهگیری برای مدلسازی دادههای نامتوازن
- کاهش ابعاد با روشهای تحلیل مولفههای اصلی (PCA) و تحلیل عاملی اکتشافی (EFA)
بخش دوم: روشهای مدلسازی
- روشهای یادگیری ماشین
- مدل ماشین بردار پشتیبان (SVM)
- مدلهای تجمیعی (Bagging, Boosting, Ensemble)
- مدل جنگل تصادفی (Random Forest)
- روشهای آماری
- مدل رگرسیون لوژستیک
- مدل رگرسیون خطی
بخش سوم: ارزیابی مدلها
- تحلیل ROC
- ارزیابی با نمودارهای Gain, Lift و …
بخش چهارم: انجام مطالعه موردی
[/vc_list_item][/vc_column][/vc_row][/vc_section]