آموزش داده کاوی با Python - پایتون

داده کاوی با پایتون Python

( کاربرد زبان برنامه نویسی پایتون در داده کاوی )

Data Mining with Python

زبان برنامه نویسی متن باز پایتون ( Python ) یک زبان برنامه نویسی پویا و همه منظوره است که در طیف وسیعی از برنامه های نرم افزاری از جمله در توسعه ی برنامه های تحت وب و برنامه های با قابلیت واسط گرافیکی کاربر (GUI) قابل استفاده می‌باشد.

علاوه بر این، Python یکی از ابزارهای اصلی برای توسعه پلتفرم های در مقیاس Big Data است. پایتون شامل امکانات زیادی در قالب کتابخانه های استاندارد از قبل آماده شده است و در کنار این کتابخانه ها ماژول ها یا کتابخانه های بسیار زیاد و متنوعی هم وجود دارد که توسط افراد دیگر خارج از مجموعه اصلی توسعه نرم افزار Python ایجاد شده و هر روزه توسعه داده می‌شود.

کدهای ایجاد شده در پایتون را می‌توان به سایر سورس کدهای این زبان اضافه کرد. همچنین می‌توان کتابخانه ها و کدهای ایجاد شده با سایر زبان های برنامه نویسی همچون C و C++ و Java را در کدهای پایتون مورد استفاده قرار داد.

از جمله مشخصات بارز این زبان برنامه نویسی محبوب می‌توان به Open Source بودن نرم افزار، سادگی کاربری، وجود کتابخانه استاندارد بسیار غنی، کاربری گرافیکی عالی و سرعت بالای آن اشاره نمود. این ویژگی‌ها باعث شده تا نرم افزار پایتون در میان برنامه نویسان به یک نرم افزار پرطرفدار، پرکاربرد و کارا تبدیل شود.

دوره آموزش داده کاوی با پایتون برای آن دسته از دانش پژوهان که با مبانی داده کاوی و تکنیک ها و الگوریتم های داده کاوی آشنا هستند و حال می‌خواهند با یادگیری یک زبان برنامه نویسی غنی، کاربردی و جامع، دانسته‌های خود را به حیطه‌ی عمل آورده و در اجرای پروژه های داده کاوی از آن ها استفاده نمایند طراحی شده است.

هدف از برگزاری این دوره، آموزش نحوه‌ی پیاده سازی پروژه های داده کاوی در نرم افزار پایتون Python به صورت کاربردی می‌باشد.

• برنامه نویسان و کاربران سیستم‌ها و راهکارهای داده کاوی و تحلیل داده
• توسعه دهندگان سامانه های هوش تجاری BI و Data Mining
• محققان، پژوهشگران و کارشناسان در حوزه‌ی داده کاوی و بیگ دیتا
• کارشناسان و علاقه مندان به داده کاوی که می خواهند پروژه دانشجویی یا پروژه سازمانی خود را به کمک راهکارهای هوش تجاری اوراکل اجرا و پیاده سازی کنند

محسن یزدی نژاد

• عضو رسمی گروه هوش کسب و کار ایرانیان
• مدرس دوره های کاربردی داده کاوی و نرم افزار های مربوط (رپیدماینر، Python و R)

شرکت کنندگان در این دوره می‌باید از قبل با برنامه نویسی (مقدماتی) در پایتون و نیز مبانی داده کاوی، تکنیک ها و الگوریتم های داده کاوی از جمله موارد زیر آشنایی داشته باشند

پیش نیازهای مرتبط با اصول و مبانی داده کاوی:

• روش های پیش پردازش داده
• روش های پیش بینی کننده:
  - روش k نزدیکترین همسایه
  - بیز ساده
  - درخت تصمیم
  - شبکه عصبی
  - ماشین های بردار پشتیبان
• خوشه بندی:
  - k-means
  - k-mediods
  - خوشه بندی سلسله مراتبی
  - DBSCAN
• قواعد انجمنی:
  - apriori
  - fpgrowth

دوره های آموزشی پیش نیاز:

دوره آموزشی برنامه نویسی با پایتون - مقدماتی

دوره آموزشی اصول و مبانی داده کاوی

• مقدمه کوتاهی در خصوص داده کاوی و تکنیک ها و ابزار مربوط
• آموزش تحلیل های آماری داده ها در Python
• آموزش پاکسازی و پیش پردازش داده ها در پایتون
• آموزش رده بندی و پیش بینی در پیتون
• آموزش خوشه بندی در Python
• آموزش قواعد انجمنی در پایتون

• دوره آموزش متن کاوی با پایتون