آموزش ​اصول و روش های داده کاوی (Data Mining)

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

دکتر امیر حسین کیهانی پور
دکتر امیر حسین کیهانی پور

مدرس دانشگاه تهران

دکترای تخصصی مهندسی کامپیوتر-گرایش هوش مصنوعی


امیر حسین کیهانی پور فارغ التحصیل دکترای تخصصی در رشته مهندسی کامپیوتر، گرایش هوش مصنوعی از دانشگاه تهران می باشند. وی در حال حاضر به عنوان مدرس دانشگاه تهران در حال فعالیت می باشند. (+)



در اغلب مسائل، وجود حجم زیاد داده ها، منجر به ایجاد اشکالات جدی در امر شناسایی و کشف روابط و الگوهای پنهان در این داده ها شده است. دانش داده کاوی با هدف فراهم آوردن روش هایی برای پردازش هوشمند حجم زیاد داده ها و استخراج روال ها و قوانین حاکم بر آنها، مطرح شده است. این دانش در کاربردهای مختلف و اصولاً در هر جا با مسئله تجزیه و تحلیل اطلاعات مواجه هستیم، قابل استفاده می باشد. در این دوره به بیان اصول و روش های داده کاوی به منظور استخراج روندها و الگوهای پنهان در داده ها، پرداخته خواهد شد.

👤 مدرس: دکتر امیر حسین کیهانی پور
🕓 مدت زمان: ۲۷ ساعت
🎓 تعداد دانشجو: ۳۱۷ نفر این آموزش را تهیه کرده اند. — ۵ نفر در دو هفته اخیر
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۳۵,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل PDF یادداشت های مدرس در حین آموزش

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • به صورت رایگان یک یا چند آموزش معادل دیگر دریافت می کنید.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی و ارسال سریع
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش
ارسال پستی به همراه کد رهگیری مرسوله در اولین ساعت اداری روز
ارسال پیک موتوری در تهران، در همان روز ثبت سفارش

(توضیحات بیشتر +)



    توضیحات

    در اغلب مسائل، وجود حجم زیاد داده ها، منجر به ایجاد اشکالات جدی در امر شناسایی و کشف روابط و الگوهای پنهان در این داده ها شده است. دانش داده کاوی با هدف فراهم آوردن روش هایی برای پردازش هوشمند حجم زیاد داده ها و استخراج روال ها و قوانین حاکم بر آنها، مطرح شده است. روش های داده کاوی در گستره وسیعی از کاربردهای مختلف و اصولاً در هر جا که با مسئله تجزیه و تحلیل اطلاعات مواجه هستیم، قابل استفاده می باشد.

    در این دوره به بیان اصول و روش های مطرح در طی گام های مختلف فرآیند داده کاوی، پرداخته خواهد شد. همچنین به منظور بهره گیری بیشتر محققین، رویکردهای نوین تحقیقاتی در حوزه داده کاوی مورد بررسی قرار خواهند گرفت. در عین حال معرفی مختصری نیز از برخی از ابزارهای مطرح در زمینه داده کاوی، صورت گرفته است.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • درس یکم: مقدمه ای بر داده کاوی
    • درس دوم: کلیات، مفاهیم و اصول پایه داده کاوی
      • بیان تعاریف و مفاهیم پایه، ضرورت ها، مزایا و گستره کاربرد
    • درس سوم: معرفی روش های پیش پردازش داده ها (Data Preprocessing)
      • پاک سازی (Data Cleaning)
      • تجمیع (Data Integration)
      • خلاصه سازی (Data Summarization)
      • کاهش ابعاد (Dimensionality Reduction)
      • گسسته سازی (Discretization)
    • درس چهارم: انبارش داده ها (Data Warehousing) و تحلیل برخط اطلاعات (OLAP)
      • مدل سازی داده های چند بعدی
      • معرفی تکنولوژی OLAP (On-Line Analytical Processing)
      • معماری سیستم های انبارش داده ها
      • تکنیک های پیاده سازی سیستم های انبارش داده ها
      • معرفی روش های پردازش مکعب داده ای (Data Cube)
      • روش های محاسباتی در مکعب داده ای
      • روش های پردازش پرس وجوها در مکعب داده ای
      • بررسی روش های تحلیل چند بعدی داده ها در مکعب داده ای
    • درس پنجم: روش های پایه در کاوش الگوهای مکرر (Frequent Pattern Mining)
      • بیان تعاریف و مفاهیم پایه
      • معرفی روش های پایه در کاوش الگوهای مکرر
      • الگوریتم Apriori و نمونه های گسترش یافته آن
      • الگوریتم FPGrowth
      • بررسی شاخص های بررسی کیفیت الگوهای مکرر کشف شده
    • درس ششم: روش های پیشرفته در کاوش الگوهای مکرر
      • روش های مبتنی بر قیود (Constraint-Based)
      • روش های کشف الگوهای حجیم (Colossal Patterns)
      • روش های کشف الگوهای مکرر در داده های با ابعاد زیاد
      • روش های کشف الگوهای مکرر در داده های ترتیبی (Sequential Pattern Mining)
      • روش های کشف الگوهای مکرر در گراف (Graph Pattern Mining)
    • درس هفتم: روش های پایه رده بندی (Classification) و پیش بینی داده ها (Prediction)
      • معرفی مفاهیم پایه و شاخص های ارزیابی فرآیند رده بندی
      • معرفی روش های پایه رده بندی
      • درخت تصمیم (Decision Tree)
      • رده بندی بیزین (Bayesian)
      • رده بندی مبتنی بر قواعد (Rule-based)
      • روش های تجمیع (Ensemble)
    • درس هشتم: روش های پیشرفته رده بندی
      • روش های رده بندی مبتنی بر الگوهای معرفی شده (Pattern-Based)
      • روش نزدیک ترین همسایه ها (K-Nearest Neighbors) و روش یادگیرنده های تنبل (Lazy Learners)
      • شبکه های عصبی مصنوعی (Artificial Neural Networks)
      • الگوریتم های ژنتیک (Genetic Algorithms)
      • روش های مبتنی بر منطق فازی (Fuzzy Logic)
      • روش های نیمه نظارتی (Semi-Supervised)
      • روش های یادگیری فعال (Active Learning)
      • روش های شبکه های باور بیزین (Bayesian Belief Networks)
      • ماشین بردار پشتیبان (Support Vector Machines)
    • درس نهم: روش های پایه خوشه بندی
      • معرفی مفاهیم پایه و شاخص های ارزیابی فرآیند خوشه بندی
      • معرفی روش های پایه خوشه بندی
      • روش های مبتنی بر افزاز (Partitioning)
      • روش های سلسله مراتبی (Hierarchical)
      • روش های مبتنی بر چگالی (Density-Based)
      • روش های مبتنی بر ساختار Grid
    • درس دهم: معرفی روش های پیشرفته خوشه بندی
      • خوشه بندی داده های با ابعاد زیاد (High-Dimensional Data)
      • خوشه بندی مبتنی بر قیود (Constraint-Based)
      • خوشه بندی مبتنی بر مدل احتمالاتی
      • خوشه بندی داده های گراف و شبکه
    • درس یازدهم: تحلیل داده های پرت (Outlier Analysis)
      • معرفی مفاهیم و تعاریف پایه و نیز انواع داده های پرت
      • بررسی روش های تشخیص و تحلیل داده های پرت
      • روش های آماری
      • روش های مبتنی بر مجاورت (Proximity)
      • روش های مبتنی بر خوشه بندی
      • روش های مبتنی بر رده بندی
      • روش های تشخیص و تحلیل داده های پرت برای داده های با ابعاد زیاد (High-Dimensional Data)
    • درس دوازدهم: بررسی رویکردهای نوین تحقیقاتی در حوزه داده کاوی
      • روش های کاوش داده های پیچیده
      • بررسی کاربردهای داده کاوی
      • داده کاوی و اجتماع
      • رویکردهای نوین در داده کاوی
    • درس سیزدهم: معرفی برخی از ابزارهای داده کاوی
      • Orange
      • R Programming Language
      • Weka
      • RapidMiner
      • SPSS

     

    مفید برای رشته های
    • مهندسی کامپیوتر
    • فناوری اطلاعات
    • مهندسی صنایع
    • مهندسی عمران


    پیش نیاز

    پیش نمایش

    بخش ۱ : مقدمه ای بر داده کاوی - ۷۶ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم - حجم دانلود ۴۲ مگابایت (کلیک کنید +)


    پیش نمایش ۲ : کلیات، مفاهیم و اصول پایه داده کاوی (الف) - ۱۵ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۱۲ مگابایت (کلیک کنید +)


    پیش نمایش ۳ : کلیات، مفاهیم و اصول پایه داده کاوی (ب) - ۱۹ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۲۳ مگابایت (کلیک کنید +)


    پیش نمایش ۴ : روش های پیش پردازش داده ها (الف) - ۱۸ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. برای تنظیم کیفیت نمایش آنلاین روی علامت کلیک نمایید یا اینکه آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۱۱ مگابایت (کلیک کنید +)


    پیش نمایش ۵ : روش های پیش پردازش داده ها (ب) - ۱۳ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۶ : انبارش داده ها و تحلیل برخط اطلاعات (الف) - ۱۱ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۷ : انبارش داده ها و تحلیل برخط اطلاعات (ب) - ۱۹ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۸ : انبارش داده ها و تحلیل برخط اطلاعات (پ) - ۱۸ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۹ : روش های پایه در کاوش الگوهای مکرر (الف) - ۱۲ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۰ : روش های پایه در کاوش الگوهای مکرر (ب) - ۱۵ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۱ : روش های پیشرفته در کاوش الگوهای مکرر (الف) - ۲۳ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۲ : روش های پیشرفته در کاوش الگوهای مکرر (ب) - ۱۲ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۳ : روش های پایه رده بندی و پیش بینی داده ها (الف) - ۱۱ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۴ : روش های پایه رده بندی و پیش بینی داده ها (ب) - ۱۸ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۵ : روش های پایه رده بندی و پیش بینی داده ها (پ) - ۹ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۶ : روش های پیشرفته رده بندی و و پیش بینی داده ها (الف) - ۱۲ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۷ : روش های پیشرفته رده بندی و و پیش بینی داده ها (ب) - ۲۱ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۸ : روش های پایه خوشه بندی (الف) - ۲۰ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۹ : روش های پایه خوشه بندی (ب) - ۹ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۰ : روش های پایه خوشه بندی (پ) - ۱۴ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۱ : روش های پیشرفته خوشه بندی (الف) - ۱۴ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۲ : روش های پیشرفته خوشه بندی (ب) - ۱۳ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۳ : روش های پیشرفته خوشه بندی (پ) - ۲۱ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    بخش ۲۴ : روش های تحلیل داده های پرت (الف) - ۵۹ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    بخش ۲۵ : روش های تحلیل داده های پرت (ب) - ۷۳ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۲۶ : بررسی رویکردهای نوین تحقیقاتی در حوزه داده کاوی - ۱۸ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    بخش ۲۷ : معرفی برخی از ابزارهای داده‌کاوی و معرفی مراجع - ۳۷ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.


    اطلاعات تکمیلی

    نام آموزش آموزش ​اصول و روش های داده کاوی (Data Mining)
    ناشر فرادرس
    شناسه اثر ۸-۱۲۴۵۲-۰۵۸۴۲۲ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
    کد آموزش FVDM9505
    مدت زمان ۲۷ ساعت
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۱۲۹۰ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)


    ​راهنمای تهیه آموزشها

    آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

    راهنمایی بیشتر ( +)

    در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟ 
    • با شماره تلفن واحد مخاطبین ۸۸۳۱۲۲۷۶ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
    • از طریق بخش چت آنلاین، با پشیبان های فرادرس گفتگو کنید.- همه روزهای کاری هفته از ساعت ۸ صبح تا ۱۲ شب
    • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه

    با شروع یادگیری، یک کلیک فاصله دارید. همین حالا شروع کنید.

    آموزش ​اصول و روش های داده کاوی (Data Mining)

    هزینه آموزش: ۳۵,۰۰۰ تومان




    سایر آموزش های دکتر امیر حسین کیهانی پور



    مطالب مرتبط


    دیدگاه ها

    تا کنون ۳۱۷ نفراز این آموزش استفاده کرده اند.
    1. 4 از 5

      :

      سلام.
      من این آموزش رو تهیه کردم و دارم استفاده می‌کنم.
      خیلی آموزش مفیدی هستش و مطالب به خوبی پوشش داده شدن.

      تنها نقطه ضعفی که احساس می‌کنم این هستش که صدای مدرس در طول تدریس خیلی یکنواخت و ثابت هستش و باعث میشه بعد از ۳۰ دقیقه احساس خواب‌ آلودگی بیاد سراغم. (البته شاید هم مشکل از خودم باشه)


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *



​همین امروز شروع به آموختن کنید​

آموزش ​اصول و روش های داده کاوی (Data Mining)

هزینه آموزش: ۳۵,۰۰۰ تومان



برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

دسته های مرتبط:



فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران

عضویت در خبرنامه فرادرس

برای دریافت اخبار مربوط به آخرین فرادرس های منتشر شده، ایمیل خود را در کادر زیر وارد نمایید.

Please leave this field empty.

تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.
فرادرس مجوز نشر دیجیتال از وزرات فرهنگ و ارشاد اسلامی logo-samandehi پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان