نتایج جست و جو :
Text Mining with Python
27 دی 1397

بنا به اصلاحات انجام شده و کاربردی تر کردن دوره های مربوط به حوزه علم داده این دوره با تغییر سرفصل های آموزشی در قالب دوره ای جدید ارائه می گردد برای اطلاع از دوره های جدید به لینک زیر مراجعه کنید.

دانشمند داده Data Scientist

 

متن کاوی به دنبال استخراج اطلاعات مفید از داده‌های متنی غیر ساخت‌یافته از طریق تشخیص و نمایش الگوها است یا به‌عبارت‌دیگر متن کاوی روشی برای استخراج دانش از متون است. متن کاوی کشف اطلاعات جدید و از پیش ناشناخته، به‌وسیله استخراج خودکار اطلاعات از منابع مختلف نوشتاری است.

متن کاوی مشابه داده‌کاوی است، اما ابزارهای داده‌کاوی طراحی‌شده‌اند تا داده‌های ساخت‌یافته از پایگاه داده را به کار ببرند. می‌توان گفت، متن‌کاوی راه‌حل بهتری برای شرکت‌ها است. پس تفاوت متن‌ کاوی و داده‌کاوی این است که داده‌کاوی بر روی‌داده‌های ساخت‌یافته پایگاه داده کار می‌کند و متن‌ کاوی، بر روی‌داده‌های غیر ساخت‌یافته و نیم ساخت‌یافته مانند Email  و مستندات تمام متنی کار می‌کند. در متن‌کاوی  سعی می‌گردد از همان فن‌های داده‌کاوی استفاده گردد. برای این منظور به فنّاوری‌هایی دیگری مانند پردازش زبان طبیعی، یادگیری ماشین و … نیاز است تا به‌صورت اتوماتیک آمارهایی را جمع‌آوری نموده و ساختار و معنای مناسبی از متن استخراج گردد. در این موارد، دیدگاه عمومی استخراج ویژگی‌های کلیدی از متن است. ویژگی‌های استخراج‌شده به‌عنوان داده برای تحلیل استفاده می‌گردد.

 

دوره آموزشی متن کاوی text mining با سرفصل های آموزشی ذیل برگزار می شود:

-مقدمه‌ای بر متن‌ کاوی text mining
-آشنایی با کتابخانه nltk
-پیش‌پردازش متن
-مقدمه‌ای بر عبارات منظم
-ساخت بردار ویژگی‌ها با استفاده از کلمات
-رده‌بندی و خوشه‌بندی متن‌ها
-تحلیل احساسات
-متن‌کاوی فارسی
-تعبیه‌سازی کلمات و کاربرد یادگیری عمیق( deep learning) در متن‌ کاوی

 

 



درباره داده کاویMicrosoft Data mining بیشتر بدانید
26 ارد 1397

داده‌کاوی عبارت است از فرآیند اکتشاف الگو و روندهای منظم و پنهان در داده‌های بزرگ و توزیع شده، […]



داده کاوی Microsoft Data mining
16 ارد 1397

– آشنایی با مفاهیم داده کاوی Microsoft Data mining
– معرفی و تشریح الگوریتم های داده کاوی مایکروسافت (خوشه بندی، درخت تصمیم، رگرسیون خطی، الگوریتم بیز، الگوریتم های سری زمانی، الگوریتم شبکه عصبی، رگرسیون منطقی، الگوریتم وابستگی و …)
– معرفی ابزارهای مایکروسافت جهت پیاده سازی داده کاوی در SQL Server Analysis Services
– آشنایی با اصول زبان برنامه نویسی R
– نصب ابزار R Tools for Visual Studio
– تکنیک های انتقال و پاکسازی داده ها با زبان R
– نمایش خروجی الگوریتم ها در داشبورد Power BI



دانشمند داده (Data Scientist)
3 مهر 1398

دانشمند داده با استفاده از ابزارهایی مانند Python و R و استفاده از الگوریتم‌های مختلف، توانایی یادگیری و شناسایی الگو را در میان داده‌ها دارد. این شخص می‌تواند نرم‌افزار‌های هوشمندی تولید کند که توانایی پردازش و تشخیص الگو در بین انواه داده‌ها مانند تصاویر، متون، فیلم، صوت و… را دارا بوده و از این الگوها در پیش‌بینی داده‌های آینده استفاده کند.

سرفصل های دوره:

EDA)Exploratory Data Analysis)-

Python for Data Science-

Neural Networks-

Deep learning-

Image processing-

Text mining-

 



deep learning
یادگیری عمیق Deep Learning
14 اسف 1397

بنا به اصلاحات انجام شده و کاربردی تر کردن دوره های مربوط به حوزه علم داده این دوره با تغییر سرفصل های آموزشی در قالب دوره ای جدید ارائه می گردد برای اطلاع از دوره های جدید به لینک زیر مراجعه کنید.

دانشمند داده Data Scientist

مبانی مقدماتی و مفاهیم شبکه‌های عصبی عمیق

-مقدمه ­ای بر شبکه­ های عصبی

-شبکه­ های عصبی پرسپترون چند لایه

-چالش­ های شبکه ­های عصبی چندلایه و ظهور یادگیری عمیق( deep learning)

-مفاهیم یادگیری عمیق( deep learning)

شبکه‌های عصبی کانولوشنی CNN

-مقدمه ­ای بر پردازش تصویر

-شبکه­ های عصبی کانولوشنی

-تشخیص اشیا

-تشخیص چهره

-رده­ بندی تصاویر

شبکه‌های عصبی برگشتیRNN

-آشنایی با مفاهیم سری زمانی

-آشنایی با شبکه­های عصبی برگشتی RNN

-LSTM

تعبیه سازی کلمات و یادگیری عمیق(Deep learning) در پردازش زبان طبیعی

-آشنایی با مفهوم word2vec

-آشنایی با مفهوم word embedding

-رده ­بندی متون با یادگیری عمیق در پایتون

-مدل­ های زبانی و یادگیری عمیق در پایتون

یادگیری عمیق(Deep learning) در داده‌های جدولی و سیستم‌های توصیه‌گر

-رده­ بندی و رگرسیون داده ­های جدولی با یادگیری عمیق

-سیستم ­های توصیه ­گر با یادگیری عمیق



Practical Big Data Analytics
25 آذر 1397

بنا به اصلاحات انجام شده و کاربردی تر کردن دوره های مربوط به حوزه علم داده این دوره با تغییر سرفصل های آموزشی در قالب دوره ای جدید ارائه می گردد برای اطلاع از دوره های جدید به لینک زیر مراجعه کنید.

دوره مهندس داده Data Engineer

Introduction to Big Data

What is Big Data-

Big Data opportunities, Challenges-

Characteristics of Big Data-

Introduction to Hadoop

Hadoop Distributed File System-

Comparing Hadoop & SQL-

Data Locality-

Hadoop Architecture-

Map Reduce & HDFS-

(Hadoop Distributed File System (HDFS

HDFS Design & Concepts-

Blocks, Name nodes and Data nodes-

HDFS High-Availability and HDFS Federation-

Hadoop DFS The Command-Line Interface-

Basic File System Operations-

Anatomy of File Read, File Write-

Metadata, FS image, Edit log, Secondary Name Node and Safe Mode-

(How to add New Data Node dynamically, decommission a Data Node dynamically (Without stopping cluster-

How to override default configuration at system level and Programming level-

Map Reduce

Map Reduce Functional Programming Basics-

Map and Reduce Basics-

How Map Reduce Works-

Anatomy of a Map Reduce Job Run-

Shuffling and Sorting-

Splits, Record reader, Partition, Types of partitions & Combiner-

(Distributed Cache and Hadoop Streaming (Python, Ruby and R

Apache YARN-

Sequential Files and Map Files-

Map side Join with distributed Cache-

Map Reduce Programming – Java Programming

Hands on “Word Count” in Map Reduce in standalone and Pseudo Distribution Mode-

Write some Map Reduce programs to solve some real world problems-

Apache HIVE Installation

Installing Hive-

Configuring Hive-

Configuring Metastore of Hive-

Verifying Hive Installation-

Database Operations-

Create Database Statement-

Drop Database Statement-

Table Operations

Create Table Statement-

Load Data Statement-

Alter Table Statement-

Change Statement-

Add Columns Statement-

Replace Statement-

Drop Table Statement-

Apache Spark Basics

? What is Apache Spark-

 Spark Installation-

 Spark Configuration-

 Spark Context-

 Using Spark Shell-

 Resilient Distributed Datasets (RDDs) – Features, Partitions, Tuning Parallelism-

 Functional Programming with Spark-

Working with RDDs

 RDD Operations – Transformations and Actions-

 Types of RDDs-

 Key-Value Pair RDDs – Transformations and Actions-

 MapReduce and Pair RDD Operations-

 Serialization-

Spark on a cluster

Overview-

A Spark Standalone Cluster-

The Spark Standalone Web UI-

Executors & Cluster Manager-

Spark on YARN Framework-



آنچه در همایش هوش تجاری در کسب و کار و جایگاه آن در ایران گذشت…
20 آذر 1397

مرکز آموزش های تخصصی کاربردی جهاد دانشگاهی صنعتی شریف در تاریخ ۳۰ آبان ماه همایش«هوش تجاری در کسب و کار و جایگاه آن در ایران»را با حضور جمعی از معاونان این سازمان،اساتید،کارشناسان حوزه علم داده و جمعی از علاقه مندان به این حوزه نوین برگزار کرد. […]



logo