متدهای داده کاوی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- شناسایی قابلیتهای اصلی مدلسازی داده در فرآیند داده کاوی
- اعمال تکنیکهایی که میتوانند برای دستیابی به قابلیتهای اصلی مدلسازی داده استفاده شوند و توضیح نحوه عملکرد آنها
- ارزیابی تکنیکهای مدلسازی داده، تعیین اینکه کدام یک برای یک تسک خاص مناسبتر است و شناسایی بهبودهای بالقوه
توضیحات دوره
این دوره شامل تکنیکهای اصلی از جمله تحلیل الگوهای فراوان، طبقهبندی، خوشهبندی، تحلیل داده پرت، همچنین داده کاوی پیچیده و مرزهای تحقیق در زمینه داده کاوی است.
این دوره میتواند به عنوان اعتبار علمی و بخشی از برنامههای MS در علم داده یا MS در علوم کامپیوتر دانشگاه کلرادو بولدر که در پلتفرم Coursera ارائه میشود، در نظر گرفته شود. این مدارک تحصیلات تکمیلی کاملاً معتبر شامل دورههای هدفمند، جلسات کوتاه 8 هفتهای و شهریه بهصورت پرداخت به ازای هر استفاده است. پذیرش براساس عملکرد در سه دوره مقدماتی و نه تاریخچه تحصیلی انجام میشود. مدارک دانشگاه کلرادو بولدر در Coursera برای فارغالتحصیلان تازه و حرفهایهای شاغل ایدهآل است.
متدهای داده کاوی
-
آشنایی با مدرس دوره 4:34
-
آمادگی برای این تخصص 9:12
-
داده کاوی - دیدگاه تکنیکی 11:56
-
تحلیل الگوهای فراوان و الگوریتم Apriori 12:09
-
مثال الگوریتم Apriori و جزئیات 9:26
-
مثال - تحلیل الگوهای فراوان Apriori 8:56
-
چالشها و بهبودهای الگوریتم Apriori 13:41
-
الگوریتم FP-growth و مثال 16:36
-
قاعده انجمنی و مثال 8:24
-
همبستگی و مثال 13:03
-
دیگر اقدامات همبستگی 10:25
-
مثال - تحلیل الگوهای فراوان FP-growth 9:27
-
مثال - Constraint های یکنواخت و ضدیکنواخت 9:58
-
مثال - همبستگی Lift 7:19
-
مثال - همبستگی X^2 7:01
-
اعتبار علمی برای کار خود کسب کنید! None
-
پشتیبانی دوره None
-
دربارهی این دوره None
-
آشنایی با طبقهبندی 15:00
-
استنتاج درخت تصمیمگیری و مثال 20:11
-
طبقهبندی بیزی و مثال 17:04
-
مثال - طبقهبندی استنتاج درخت تصمیمگیری 9:46
-
مثال - طبقهبندی بیزی 8:42
-
ماشینهای بردار پشتیبان 9:27
-
شبکه عصبی 12:01
-
یادگیری گروهی و ارزیابی مدل 20:08
-
انتخاب مدل 13:36
-
آشنایی با خوشهبندی 11:48
-
متدهای پارتیشنبندی 16:21
-
خوشهبندی سلسلهمراتبی و مبتنی بر گرید 16:13
-
خوشهبندی مبتنی بر چگالی 10:24
-
خوشهبندی احتمالی 10:38
-
خوشهبندی EM 11:16
-
خوشهبندی با ابعاد بالا، خوشهبندی دوگانه، خوشهبندی گراف 16:56
-
خوشهبندی مبتنی بر Constraint 12:46
-
خوشهبندی EM - توضیحات بیشتر None
-
انواع داده پرت 12:53
-
متدهای تشخیص ناهنجاری - بخش 1 15:31
-
متدهای تشخیص ناهنجاری - بخش 2 16:04
-
مثالهایی از تشخیص ناهنجاری 12:55
-
داده دنباله و سریهای زمانی 14:05
-
داده گراف و شبکههای اجتماعی آنلاین 10:16
-
داده وب و کنفرانس KDD 13:45
-
مرزهای تحقیق در داده کاوی 14:28
مشخصات آموزش
متدهای داده کاوی
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:44
- مدت زمان :08:14:21
- حجم :1.65GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 04:47:39
- تعداد درس: 30
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 23:28:00
- تعداد درس: 170
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 18:41:14
- تعداد درس: 133
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 25:58:16
- تعداد درس: 140
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 00:21:05
- تعداد درس: 4
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 07:54:58
- تعداد درس: 51
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 03:00:50
- تعداد درس: 57
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 15:31:30
- تعداد درس: 18
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 12:21:18
- تعداد درس: 97
-
سطح دوره:
-
زبان: دوبله فارسی