دادهکاوی مهندسی کاربردی: تکنیکها و کاربردها
✅ سرفصل و جزئیات آموزش
توضیحات دوره
این دوره به جنبههای نظری و کاربردهای عملی دادهکاوی در زمینه مهندسی میپردازد. این دوره یک مرور جامع از اصول اساسی و مفاهیم مرکزی حاکم بر دادهکاوی ارائه میدهد. علاوه بر این، روشهای کلیدی دادهکاوی را معرفی میکند و راهنمایی برای اجرای این تکنیکها از طریق الگوریتمهای مختلف ارائه مینماید.
دانشجویان با مجموعهای از تکنیکهای دادهکاوی آشنا میشوند، مانند پیشپردازش دادهها، استخراج قوانین انجمنی، دستهبندی، پیشبینی، خوشهبندی و اکتشاف دادههای پیچیده، و یک پروژه پایانی با همین مضامین انجام خواهند داد. همچنین از مطالعات موردی برای بررسی کاربرد دادهکاوی در بخشهای مختلف، از جمله، اما نه محدود به، تولید، سلامت، پزشکی، کسبوکار و صنایع مختلف خدماتی استفاده خواهیم کرد.
دادهکاوی مهندسی کاربردی: تکنیکها و کاربردها
-
آشنایی با استاد شما: Kiran Trivedi 0:56
-
معرفی دوره 1:36
-
مقدمهای بر دادهکاوی-داده 5:59
-
مقدمهای بر دادهکاوی-ماینینگ 6:07
-
تکنیکهای دادهکاوی 8:44
-
به دادهکاوی خوش آمدید None
-
سرفصل - دادهکاوی مهندسی کاربردی: تکنیکها و کاربردها None
-
یکپارچگی آکادمیک None
-
مقدمهای بر دادهکاوی-داده None
-
مقدمهای بر دادهکاوی-ماینینگ None
-
چرخه عمر دادهکاوی None
-
تکنیکهای دادهکاوی None
-
انواع یادگیری ماشین None
-
تحلیل داده اکتشافی (EDA) 4:21
-
پاکسازی داده و پیشپردازش 5:32
-
تبدیل داده 3:07
-
تحلیل داده اکتشافی (EDA) None
-
پاکسازی داده و پیشپردازش None
-
متدهای پاکسازی داده و پیشپردازش None
-
تکنیکهای مصورسازی داده: نمودارها و گرافها None
-
نمودارهای میلهای و دایرهای None
-
نمودارهای خطی و نمودارهای پراکندگی None
-
همبستگی پیرسون، نمودارهای جفتی و نمودارهای راداری None
-
نمودار مختصات موازی و نمودار سنکی None
-
نمودارهای هیستوگرام، جعبه ای و نمودار ویولن None
-
نمودارهای ناحیهای و نمودارهای حبابی None
-
نقشه های حرارتی، درختی و کوروپلث None
-
ابر کلمات و گرافهای شبکه None
-
تبدیل داده None
-
انتخاب ویژگی-روشهای خطی PCA 7:31
-
PCA 11:21
-
t-SNE: چیست؟ 5:25
-
t-SNE: چگونه کار میکند؟ 14:43
-
کاهش ابعاد None
-
چرا کاهش ابعاد؟ None
-
انتخاب و استخراج ویژگی None
-
انتخاب ویژگی-متدهای خطی PCA None
-
تحلیل مولفههای اصلی (PCA) None
-
ماتریس کوواریانس None
-
ماتریس همبستگی None
-
مثال PCA None
-
t-SNE None
-
معیارهای ارزیابی عملکرد 3:32
-
مبادله بایاس-واریانس 9:12
-
معیارهای رگرسیون 14:07
-
معیارهای دستهبندی- دقت، صحت، فراخوانی 8:29
-
معیارهای دستهبندی- نمره F1 و ROC-AUC 9:02
-
معیارهای ارزیابی عملکرد None
-
مبادله بایاس-واریانس None
-
معیارهای رگرسیون None
-
مثال دستهبندی None
-
معیارهای دستهبندی None
-
AUC None
-
مروری بر دستهبندی None
-
نمودار بهره و ارتقا None
-
کاربرد عملی نمودار بهره و ارتقا None
-
تبریک! None
مشخصات آموزش
دادهکاوی مهندسی کاربردی: تکنیکها و کاربردها
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:57
- مدت زمان :01:59:44
- حجم :395.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 58:08
- تعداد درس: 43
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 03:19:15
- تعداد درس: 31
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 02:48:31
- تعداد درس: 45
-
سطح دوره:
-
زبان: دوبله فارسی