آموزش طبقه بندی یا Classification

درباره ناشر

فرادرس
فرادرس

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

درباره مدرس

دکتر سیدمصطفی کلامی هریس
دکتر سیدمصطفی کلامی هریس

عضو هیأت علمی فرادرس

دکترای تخصصی مهندسی برق-کنترل


دکتر سیدمصطفی کلامی هریس یکی از بنیانگذاران و مدیران کنونی فرادرس و از اعضای هیأت علمی آن است. تا کنون، محتوای آموزشی ارائه شده توسط وی بر روی فرادرس، یکی از مراجع اصلی آموزشی دانشجویان و دانش پژوهان علاقه مند به یادگیری حوزه های مختلف مرتبط با هوش مصنوعی و برنامه نویسی بوده است. (+)



بسیاری از مسائل داده کاوی را می توان به صورت یک مسأله طبقه بندی یا Classification بیان نمود، که در آن در نهایت یک عامل پیش بین تربیت می شود که می تواند با در دست داشتن دانش موجود برای طبقه بندی یک مجموعه از موارد، آن دانش را به طبقه بندی سایر موارد تعمیم دهد. در واقع مسأله طبقه بندی، یک مسأله یادگیری نظارت شده است. در فرادرس جامع طبقه بندی یا Classification، پس از مرور کلی بر مفاهیم طبقه بندی و شیوه تربیت یک عامل طبقه بندی کننده یا Classifier، چند روش پر کاربرد معرفی و در محیط متلب پیاده سازی شده اند.

👤 مدرس: دکتر سیدمصطفی کلامی هریس
🕓 مدت زمان: ۲ ساعت و ۳۶ دقیقه
🎓 تعداد دانشجو: ۵۲۱ نفر این آموزش را تهیه کرده اند. — ۶ نفر در دو هفته اخیر
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۱۳,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش
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

    بسیاری از مسائل داده کاوی را می توان به صورت یک مسأله طبقه بندی یا Classification بیان نمود، که در آن در نهایت یک عامل پیش بین تربیت می شود که می تواند با در دست داشتن دانش موجود برای طبقه بندی یک مجموعه از موارد، آن دانش را به طبقه بندی سایر موارد تعمیم دهد. در واقع مسأله طبقه بندی، یک مسأله یادگیری نظارت شده است. در فیلم آموزشی جامع طبقه بندی یا Classification، پس از مرور کلی بر مفاهیم طبقه بندی و شیوه تربیت یک عامل طبقه بندی کننده یا Classifier، چند روش پر کاربرد معرفی و در محیط متلب پیاده سازی شده اند.

    در بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است.

    اکثر دانشمندان و محققین سرشناس هر رشته علمی یا فنی، در کنار عامل خلاقیت و تخصص، یک ویژگی مشترک و بسیار مهم دارند، و آن نتیجه گیری های مهمی است که از مشاهدات و داده های جمع آوری شده ارائه کرده اند. در رشته های مختلف علمی، نظریه های بسیار مهمی که با مطالعات میدانی به دست آمده اند، همگی دارای این مولفه مشترک هستند: به دست آوردن قواعد و قوانینی که توضیحی فشرده و مفهومی از داده های در دسترس را ارائه می دهند. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • مفاهیم پایه طبقه بندی یا Classification
    • کاربرد درخت تصمیم یا Decision Tree در طبقه بندی
    • پیاده سازی طبقه بندی درخت تصمیم باینری در متلب
    • مفاهیم تقسیم بندی اطلاعات به سه گروه آموزش یا Train، آزمایش یا Test و اعتبارسنجی یا Validation
    • بررسی مفهوم Overtraining
    • روش اعتبارسنجی چند لایه ای یا k-Fold Cross-Validation
    • طبقه بندی کننده پایه بیزی یا Naive Bayesian Classifier
    • پیاده سازی طبقه بندی پایه بیزی در متلب
    • الگوریتم k-Nearest Neighbors یا KNN
    • پیاده سازی KNN (یا k نزدیک ترین همسایه) در محیط متلب
    • معرفی روش پیشرفته تر حل مسائل طبقه بندی

     

    راهنمای مقایسه و انتخاب

    مجموعه فرادرس های داده کاوی یا Data Mining در متلب در ۱۰ نسخه مختلف ارائه شده است. می توانید بر حسب نیاز خود یک یا چندین مورد از این آموزش ها را برای مطالعه انتخاب کنید. لیست نسخه های مختلف این فرادرس در ادامه آمده است.

    ردیف عنوان بسته کامل / زیربخش عنوان خلاصه مجموع ساعت لینک
    ۱ فرادرس مبانی داده کاوی یا Data Mining زیربخش مبانی داده کاوی یا Data Mining ۲ ساعت و ۹ دقیقه لینک (کلیک کنید)
    ۲ فرادرس روش های پیش پردازش داده ها [رایگان] زیربخش روش های پیش پردازش و آماده سازی داده ها ۹۰ دقیقه لینک (کلیک کنید)
    ۳ فرادرس جامع طبقه بندی یا Classification زیربخش طبقه بندی یا Classification ۲ ساعت و ۳۶ دقیقه همین صفحه
    ۴ فرادرس جامع خوشه بندی یا Clustering زیربخش خوشه بندی یا Clustering ۴ ساعت و ۱۳ دقیقه لینک (کلیک کنید)
    ۵ فرادرس جامع رگرسیون یا Regression زیربخش رگرسیون یا Regression ۲ ساعت و ۳۷ دقیقه لینک (کلیک کنید)
    ۶ فرادرس جامع کاهش ابعاد یا Dimensionality Reduction زیربخش کاهش ابعاد یا Dimensionality Reduction ۲ ساعت و ۵۳ دقیقه لینک (کلیک کنید)
    ۷ فرادرس تشخیص داده های پرت یا Outlier Detection [رایگان] زیربخش تشخیص داده های پرت یا Outlier Detection ۶۶ دقیقه لینک (کلیک کنید)
    ۸ فرادرس جامع کاوش قواعد وابستگی یا Association Rule Mining زیربخش کاوش قواعد وابستگی یا Association Rule Mining ۵ ساعت و ۳۷ دقیقه لینک (کلیک کنید)
    ۹ فرادرس حل چند مسأله کاربردی و واقعی در داده کاوی زیربخش حل چند مسأله کاربردی و واقعی در داده کاوی ۸۱ دقیقه لینک (کلیک کنید)
    ۱۰ مجموعه فرادرس های داده کاوی یا Data Mining در متلب بسته کامل
    (شامل همه زیربخش ها)
    داده کاوی یا Data Mining در متلب ۲۴ ساعت و ۲ دقیقه لینک (کلیک کنید)

    پیش نمایش

    پیش نمایش ۱: آموزش طبقه بندی یا Classification

    مشاهده آنلاین پیش نمایش - ۴۵ 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 ۱۰۹ مگابایت (کلیک کنید +)



    اطلاعات تکمیلی

    نام آموزش آموزش طبقه بندی یا Classification
    ناشر فرادرس
    کد آموزش MVRDM9206C
    مدت زمان ۲ ساعت و ۳۶ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۱۷۱ 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

    این آموزش را به کتابخانه دیجیتال خود، اضافه کنید

    آموزش طبقه بندی یا Classification

    هزینه آموزش: ۱۳,۰۰۰ تومان




    سایر آموزش های دکتر سیدمصطفی کلامی هریس



    مطالب مرتبط


    دیدگاه ها

    تا کنون ۵۲۱ نفراز این آموزش استفاده کرده اند.
    1. 0 از 5

      :

      باسلام
      من برنامه الگوریتم Knn را در محیط متلب می خوام. هیچ وقتم بامحیط متلب کارنکردم البته سی دی شو تهیه کردم. اما مثلا نمیدونم کتابخانه چیه یعنی باید از قبل این کد در کتابخانه باشه. لطف کنید راهنمایی کنید.

    2. 0 از 5

      :

      در پاسخ به آزاده:
      با سلام،
      ضمن تشکر از مکاتبه شما، هم اکنون آموزش متلب از مقدماتی تا پیشرفته در سه بسته مجزا ارائه می شود؛ برای آشنایی با زبان برنامه نویسی متلب، جهت پیاده سازی و کدنویسی، آموزش متلب مقدماتی پیشنهاد می شود.
      برای مطالعه سرفصل های تدریس شده، به لینک های زیر مراجعه نمایید:
      مجموعه فرادرس های برنامه نویسی متلب
      مجموعه فرادرس های متلب برای علوم و مهندسی
      مجموعه فرادرس های برنامه نویسی متلب پیشرفته

      لازم به ذکر است هر سه بخش آموزش متلب در قالب گنجینه، بصورت زیر ارائه شده اند
      گنجینه طلایی برنامه نویسی کاربردی متلب — از مقدماتی تا پیشرفته

      منتظر دیدار شما در فرادرس هستیم.

    3. 5 از 5

      :

      سلام
      آیا در مورد تکنیک طبقه بندی با استفاده شبکه عصبی و یا سیستم فازی مطالبی وجود دارد؟
      با تشکر

    4. 0 از 5

      :

      با سلام
      مجموعه کلی آموزش بسیار خوب و گویا توضیح داده شده بود . ممنون. اما در مورد انواع درخت های تصمیم گیری مثل C4.5 و پیاده سازی آن اشاره ای نشده بود.


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *



​همین امروز شروع به آموختن کنید​

آموزش طبقه بندی یا Classification

هزینه آموزش: ۱۳,۰۰۰ تومان



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