🧪 تکنیکهای علم دادهای استفادهشده:
۴۵۷
۱۵:۲۱
۱️⃣ درکِ بستر و زمینه (Context)🧭 مخاطب شما کیست؟ دغدغهاش چیست؟
۲️⃣ انتخاب نمودار مناسب
۳️⃣ حذف شلوغیها (Clutter)
۴️⃣ جلب توجه روی نکات کلیدی🧲 برای هدایت نگاه مخاطب از ویژگیهای بصری استفاده کنید:
۵️⃣ مثل یک طراح فکر کنید
۶️⃣ داستان تعریف کنید
۷️⃣ تمرین، بازخورد، بازبینی
🧰 ابزارها و تکنیکهای عملی کتاب:
۴۸۳
۱۷:۴۲
در این جلسه، دکتر صمدی به آموزش مدل بیز ساده (Naive Bayes) به دانشجویان میپردازند.
و تلاش میشود که منطق پشت این رابطهی ساده و کاربردی به زبانی قابل فهم توضیح داده شود.
۶۴۵
۲۰:۱۲
۵۸۶
۱۳:۳۹
منابع داده:کارنامه و حضور و غیاب دانشآموزاناطلاعات اقتصادی–اجتماعی خانواده (درآمد، تحصیلات والدین، شرایط خانه)اطلاعات مدرسه و محله (امکانات، موقعیت مکانی)
ابزارهای به کاررفته:الگوریتمهای یادگیری ماشین مثل Random Forest و Gradient Boostingکتابخانههای پایتون مثل scikit-learn، Pandas، TensorFlowپاکسازی و آمادهسازی داده (تکمیل دادههای ناقص، نرمالسازی)معیار ارزیابی: AUC-ROC برای سنجش دقت پیشبینی
۹۳۷
۲۰:۱۱
۳۷۷
۸:۰۵
۳۷۸
۸:۰۵
اگر به تحلیل داده، یادگیری ماشین و کشف الگوهای پنهان علاقهمندی،این دوره فرصتی است تا با یکی از قدرتمندترین نرمافزارهای دادهکاوی دنیا آشنا شوی!
برای کسب اطلاعات بیشتر:
لینک مستقیم ثبت نام
@tehranasds
#علم_داده #SPSS_Modeler #دادهکاوی #یادگیری_ماشین #دانشگاه_تهران
۳.۲K
۱۷:۰۴
۵۸۲
۵:۲۸
۵۸۲
۵:۲۸