سلام به کانالم خوش اومدین👋 من آرزو دهش هستم. توی این کانال می خوام در رابطه با علوم داده باهاتون صحبت کنم و مطالبی که بلدم یا بعدا یادشون می گیرم رو باهاتون به اشتراک بذارم تا بتونیم در کنار هم مفاهیم بیشتری رو در این زمینه یاد بگیریم.
من توی مقطع کارشناسی، مهندسی فناوری اطلاعات و در مقطع ارشد هم مهندسی نرم افزار(تمرکز مدیریت داده) خوندم. چند سالی میشه که با دنیای جذاب علوم داده آشنا شدم و شروع کردم به کار کردن و یادگیری بیشتر توی این حوزه. البته هنوز هم در حال یادگیری هستم و به نظرم یادگیری توی این علم مثل تمامی علوم دیگه تمومی نداره و این یکی از جذابیت های رشد توی یک مسیره✨
اینم آدرس کگل و لینکدین من هست، حتما بهشون سر بزنین:
https://www.kaggle.com/arezoodahesh
www.linkedin.com/in/arezoo-dahesh
**********************************************************
دوست داشتم خیلی خلاصه درباره محتوای درسنامه های یادگیری ماشین بدون کدنویسی هم براتون بگم.
توی پارت اول درباره سرفصل های زیر باهاتون صحبت میکنم:
*معرفی داده کاوی
*مدل فرآیندی CRISP-DM
* معرفی یادگیری ماشین
*دانلود Rapidminer از وب سایت رسمی
*معرفی بخش ها و پنل های Rapidminer
*کار با عملگرها
*شروع حل مسئله داده محور (کیس طبقه بندی) منطبق با مدل CRISP-DM (فاز درک داده)
و توی پارت دوم و در ادامه مطالب بخش قبل، درباره این سرفصل ها باهم صحبت می کنیم:
*حل مسئله داده محور (کیس طبقه بندی) منطبق با مدل CRISP-DM (فاز آماده سازی داده)
*حل مسئله داده محور (کیس طبقه بندی) منطبق با مدل CRISP-DM (فاز مدلسازی)
*معرفی و آموزش Classification
*حل مسئله داده محور (کیس طبقه بندی) منطبق با مدل CRISP-DM (فاز ارزیابی)
*حل مسئله داده محور (کیس طبقه بندی) منطبق با مدل CRISP-DM (فاز استقرار)
*Deployment چیست و اشاره به دو مثال عملی برای استقرار مدل ساخته شده در گام های قبل
*مثال1: استقرار مدل ساخته شده برای مدل پیش بینی با استفاده از اکسل و رپیدماینر
مثال2: ایجاد App ساده برای مدل پیش بینی با استفاده از PMML و کتابخانه customtkinter
مرسی از همراهیتون. کلی موفق باشین😉