0
0

برنامه نويسي به زبان R و فرآيند داده كاوي در آن

1,370,000 تومان

امروز ثابت‌شده است كه توفيق يك كشور در زمینه‌های فرهنگي، اجتماعي، سياسي و اقتصادي درگرو برخورداري از يك نظام آموزشي منسجم و پويا است و تنها با داشتن چنين نظامي، مي تواند با تحولات و پیشرفت‌های اجتماعي و صنعتي همگام و در ميان كشورهاي موفق جهان از جايگاه شایسته‌ای برخوردار شود

ظرفیت تکمیل است

اهداف دوره:

  • ایجاد بستری مناسب جهت افزایش دانش پذیران حوزه دیتا با توجه به نوظهور بودن حوزه
  • توسعه ی علم دیتا توسط یکی از نرم افزار های محبوب این حوزه ( R )
  • انتقال قابلیت ها و ویژگی های منحصر به فرد نرم افزار در حوزه علم دیتا به افراد شرکت کننده جهت تحلیل های مختلف

مدت‌زمان دوره :

  • 3 روز کامل – از ساعت 8:30 الی 17:00

تاریخ  دوره :

  • 18 الی 20 آبان

محتوای دوره آموزشی:

 

  • مقدمه ای بر نرم افزار R و  R Studio
  • ساختار کلی نرم افزار، فراخوانی داده ها، راهنمای R، انواع داده ها و چارچوب آن
  • معرفی اجزای مختلف R و بسته های نرم افزاری ، بررسی ملزومات کد نویسی
  • انواع متغیر و عملگر، تعریف بردار، ماتریس Cbind، چارچوب داده، بررسی دستور های مهم R
  • تعریف عملگرهای ریاضی و منطقی، توابع درونی و ساختار های کنترل
  • اسکریپت نویسی با رویکرد علم داده
  • نحوه تعریف و معرفی عبارات شرطی و حلقه ها
  • تابع نویسی در نرم افزار و پیاده سازی توابع مهم R
  • ساختار های کنترل If, For, While
  • ران کردن پروژه ها و دیتا بیس های رفرنس نرم افزار R بصورت عملی
  • ترسیم نمودار های مهم آماری و تحلیلی
  • ترسیم نمودار های کاربردی در R
  • نمودار های هیستوگرام، جعبه ای، پراکنشی، ساقه و برگ
  • ترسیم نمودارهای دوبعدی و سه بعدی و آنالیز منحنی ها
  • بهینه سازی و شبیه سازی
  • بررسی مدل های خطی تعمیم یافته
  • پیاده سازی شبیه سازی در R ( مونت کارلو)
  • شبیه سازی الگوریتم های تصادفی (EM Algorithms, Gibbs)

 

  • آماره های پرکاربرد و توزیع های آماری، آزمون های فرض آماری و تحلیل توصیفی
  • بررسی انواع توزیع ها و آماره های پر کاربرد
  • توزیع نرمال، یکنواخت، دوجمله ای، هندسی، فوق هندسی، نمایی
  • آزمون های پارامتریک و ناپارامتریک، آزمون های چند متغیره، آزمون تی استیودنت،
  • فیشر، آزمون های فرض
  • تحلیل رگرسیون خطی، چندگانه، لجستیک، کمترین مربعات، همبستگی، آنالیز واریانس
  • (ANOVA)، کوواریانس
  • داده کاوی در نرم افزار R
  • آماده سازی، پاکسازی، رده بندی، طبقه بندی داده ها
  • بررسی الگوریتم های خوشه بندی و رده بندی
  • (تحلیل نزدیک ترین همسایه، Kmeans)
  • داده کاوی شبکه های عصبی و مصنوعی
  • درخت تصمیم، جنگل های تصادفی، ماشین های بردار پشتیبان SVM
  • روش های اعتبار سنجی مدل ها
  • بررسی کتابخانه ی مطرح R و مروری بر بیگ دیتا
  • نصب و راه اندازی کتابخانه های کاربردی در R از طریق سایت CRAN Factoextra, FactoMiner, GGplot2
  • مختصری بر BIG DATA

 

نقد و بررسی‌ها

اولین کسی باشید که دیدگاهی می نویسد “برنامه نويسي به زبان R و فرآيند داده كاوي در آن”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

هیچ دیدگاهی برای این محصول نوشته نشده است.