مقدمه ای بر یادگیری ماشین با KNIME

مدرس Keith McCormick

انتشار 2019/06/05

به‌روز‌رسانی 2023/07/21

مدت زمان 1h 59m

سطح مبتدی

فایل تمرینی دارد

آموزش Introduction to Machine Learning with KNIME

KNIME یک ابزار منبع باز به سبک میز کار برای تجزیه و تحلیل پیش بینی و یادگیری ماشین است. این بسیار سازگار با بسیاری از فناوری های علوم داده، از جمله R، Python، Scala، و Spark است. با KNIME، می‌توانید راه‌حل‌هایی تولید کنید که عملاً مستندسازی شده و آماده استفاده هستند. این دلایل و موارد دیگر KNIME را به یکی از محبوب‌ترین و سریع‌ترین پلتفرم‌های تحلیلی در حال رشد تبدیل کرده است. در این دوره، کیت مک کورمیک متخصص نشان می دهد که چگونه KNIME از تمام مراحل فرآیند استاندارد متقابل صنعت برای داده کاوی (CRISP-DM) در یک پلت فرم پشتیبانی می کند. به سرعت - در 15 دقیقه یا کمتر - شروع به کار کنید یا برای آموزش عمیق‌تر که ادغام و تجمیع، مدل‌سازی و امتیازدهی داده‌ها را پوشش می‌دهد، همراه باشید. به علاوه، نحوه افزایش قدرت KNIME با برنامه های افزودنی و ادغام R و Python را بیاموزید.

Knime Machine Learning

Introduction

Open-source machine learning with KNIME ()

Who is this course for? ()

1. How Does KNIME Complement Your Existing Analytics Toolkit?

Why use an Analytics Workbench? ()

Using CRISP-DM to evaluate tools ()

Why choose KNIME? ()

2. Getting Comfortable with KNIME

The KNIME Hub ()

The KNIME interface ()

Find case studies on the Examples Server ()

Add thousands of nodes with Extensions ()

Search and Help ()

3. Accessing Data

Database access with KNIME ()

Accessing data ()

File reader node ()

4. Data Understanding

Describe data and verify data quality ()

Explore data: Scatterplot ()

Explore data: Boxplot ()

5. Data Integration and Merging

Merging with the Joiner node ()

Aggregating with the GroupBy node ()

Creating new variables with Construct ()

Select data with Column Filter ()

Balancing data with Row Sampling node ()

Clean data with the Missing Value node ()

Format with Cell Splitter ()

6. Modeling

Components in KNIME: AutoML and XAI ()

KNIME modeling options ()

Regression example ()

Decision tree ()

Decision tree: Scoring new data ()

7. A World of Possibilities

Python options in KNIME ()

Certification in KNIME ()

PMML ()

R and GGPLOT2 ()

Conclusion

Next steps ()

Ex_Files_Machine_Learning_KNIME.zip (4.6 MB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش مقدمه ای بر یادگیری ماشین با KNIME

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Introduction to Machine Learning with KNIME در 3 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

تجزیه و تحلیل پیش بینی یکی از غنی ترین رشته ها در حوزه علم داده است. از آنجایی که ابزارها و تکنیک‌های استفاده از داده‌ها برای پیش‌بینی نتایج آینده تکامل یافته‌اند، متخصصان کسب‌وکار و تجزیه و تحلیل داده‌ها می‌توانند از این مسیر یادگیری برای به‌روز ماندن با آخرین پیشرفت‌ها استفاده کنند.

آموزش مقدمه ای بر یادگیری ماشین با KNIME ، ایستگاه شماره 7 در مسیر یادگیری مهارت های خود را در تجزیه و تحلیل پیش بینی کننده ارتقا دهید ، است.

مسیر یادگیری مهارت های خود را در تجزیه و تحلیل پیش بینی کننده ارتقا دهید

یادگیری ماشین فقط برای توسعه دهندگان و مهندسان نرم افزار نیست. با راه حل های بدون کد و کم کد، این مسیر یادگیری شما را با برنامه نویسی بصری برای یادگیری ماشین آشنا می کند و بر مجموعه KNIME تمرکز می کند. در فرآیند تجزیه و تحلیل، ترکیب، و تجسم داده ها، بدون هیچ کدنویسی قدم بردارید.

آموزش مقدمه ای بر یادگیری ماشین با KNIME ، ایستگاه شماره 1 در مسیر یادگیری آموزش یادگیری ماشینی بدون کد با KNIME ، است.

مسیر یادگیری آموزش یادگیری ماشینی بدون کد با KNIME

آیا شما یک تحلیلگر داده هستید که می خواهید به عنوان یک دانشمند داده به یک شغل جدید توجه کنید؟ این مسیر یادگیری کمک ارزشمندی در انتقال مهارت های شما می کند. شما مهارت های موجود در زبان های برنامه نویسی مانند Python، SQL، DAX و R را خواهید آموخت و سپس یاد خواهید گرفت که چگونه از آنها در یک زمینه توسعه یافته استفاده کنید. همچنین مهارت‌های قدرت را در ابزارهای اصلی مانند Tableau، Spark و KNIME توسعه می‌دهید و در مهارت‌های آماری پایه قوی خواهید داشت.

آموزش مقدمه ای بر یادگیری ماشین با KNIME ، ایستگاه شماره 14 در مسیر یادگیری حرکت از تحلیلگر داده به دانشمند داده ، است.