برگزاری کارگاه های دوره ای Data Miningدر حوزه سلامت توسط گروه پژوهشی مهندسی سیستم های سلامت
اولین جلسه از کارگاه های دوره ای آموزش داده کاوی در حوزه سلامت با نرم افزار Rapid Minerتوسط مهندس یزدی نژاد در روز پنجشنبه 22 تیرماه از ساعت 8:30 الی 12 در مرکز توسعه تحقیقات بالینی برگزار گردید.

اولین جلسه از کارگاه های دوره ای آموزش داده کاوی در حوزه سلامت با نرم افزار Rapid Minerتوسط مهندس یزدی نژاد در روز پنجشنبه 22 تیرماه از ساعت 8:30 الی 12 در مرکز توسعه تحقیقات بالینی برگزار گردید.
اطلاعات بیشتر در مورد این دوره به شرح زیر می باشد:
عنوان دوره:
آموزش مبانی داده کاوی و نرم افزار Rapid Miner
معرفی دوره، هدف و کاربرد:
حجم وسیع دادهها در دنیای کنونی باعث شده شناسایی و کشف روابط و الگوی پنهان میان دادهها و اطلاعات با مشکلات جدی مواجه شود. دانش داده کاوی با هدف فراهم آوردن روشهایی برای پردازش هوشمند حجم زیاد دادهها و استخراج روالها و قوانین حاکم بر آنها مطرح شده است. دانش داده کاوی و تکنیکهای آن در هر جا که با مساله تجزیه و تحلیل اطلاعات مواجه هستیم، قابل استفاده و کاربرد میباشد.
این دوره با هدف آموزش مفاهیم و مبانی داده کاوی و آشنایی شرکت کنندگان با فرایندها و ابزار مرتبط ارایه میشود. شرکت کنندگان پس از گذراندن این دوره ضمن آشنایی با روشها و مصادیق مختلف داده کاوی در صنایع گوناگون و آموزش نرم افزار داده کاوی رپیدماینر ، میآموزند چگونه از داده کاوی برای پردازش و تبدیل دادههای با حجم زیاد به اطلاعات و دانش کاربردی قابل استفاده در تصمیم گیری های استراتژیک سازمانی استفاده کنند. آموزههای حاصل از این دوره، شرکتکنندگان را در انجام تحقیقات داده کاوی، انجام پروژه دانشجویی خود، و اجرای پروژههای داده کاوی یاری مینماید.
محتوای دوره:
آشنایی با داده کاوی
مقدمهای بر داده کاوی
مرور موفقیتهای پیادهسازی داده کاوی در صنایع مختلف
پیش پردازش و درک داده ها
تشریح داده ها
پاکسازی داده ها
مدیریت داده های از دست رفته
کاهش بعد و گسسته سازی داده ها
انتخاب متغیرهای تاثیر گذار
تحلیل آماری داده ها
رده بندی و پیش بینی
مرور روشهای معمول
نحوه ارزیابی مدلها
خوشهبندی
مرور روشهای معمول
نحوه ارزیابی مدلها
قواعد انجمنی
مرور روشهای معمول
نحوه ارزیابی مدل ها
کشف نقاط دور افتاده
مرور روش های معمول
آموزش نرم افزار رپیدماینر و کار با این نرم افزار در کنار آموزش مبانی و اصولData Mining ارایه میگردد.
![]() |
![]() |
نظر