مهارت های بدست آمده

• آشنایی با مفاهیم پایه ای داده کاوی
• توانایی برخورد با داده های از دست رفته
• توانایی برخورد با داده های پرت
• مدلسازی
• استفاده از نتایج بدست آمده در پیشبرد اهداف
• آشنایی کافی با نرم اقزار SPSS CLEMENTINE
• آشنایی کافی با نرم افزار RAPIDMINER

محتوای دوره

فصل اول: مقدمه ای بر داده کاوی

• تعاریف کشف دانش و داده کاوی
• انواع متغیرها
• وظایف داده کاوی و تشریح کاربردهای آن
• مثالهایی از داده کاوی
• تشریح محدودیت های داده کاوی

فصل دوم: فرایند کشف دانش

• انتخاب داده ها
• پیش پردازش داده ها

1. بررسی کیفیت داده ها از طریق نمودارهای مختلف
2. شناسایی داده های از دست رفته و نحوه بر خورد با آن ها
3. شناسایی داده های پرت و نحوه بر خورد با آن ها
4. کاهش ویژگی ها- انتخاب ویژگی ها

• توضیح روش PCA

1. نرمال سازی داده ها ((Min-Max, Z-Score

• مدلسازی

• درخت تصمیم گیری
• توضیح روش های ID3,C4.5,CART به همراه مثال کاربردی
• تشریح بیز ساده به همراه مثال کاربردی
• K-MEANS
• تبدیل داده ها
• تفسیر و ارزیابی نتایج
• دانش

فصل سوم :آموزش و پیاده سازی نرم افزار rapidminer, Clementine 12.0 ,