آموزش کاهش ابعاد یا Dimensionality Reduction

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. (+)



در فرادرس جامع کاهش ابعاد، روش های مختلفی برای کاهش ابعاد و انتخاب ویژگی معرفی شده اند، و پس از پیاده سازی در محیط متلب، در کاربردهای عملی مورد استفاده قرار گرفته اند.

👤 مدرس: دکتر سیدمصطفی کلامی هریس
🕓 مدت زمان: ۲ ساعت و ۵۳ دقیقه
🎓 تعداد دانشجو: ۲۱۰ نفر این آموزش را تهیه کرده اند.
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۱۴,۰۰۰ 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

    کاهش ابعاد یا Dimensionality Reduction یکی از مراحلی است که در برخی مواقع به عنوان یک مرحله پیش پردازش در ابتدای یک فرآیند داده کاوی انجام می شود. کاهش ابعاد، از طرفی می تواند به عنوان یک کار انتخاب یا استخراج ویژگی یا Feature Selection or Extraction در نظر گرفته شود. در فیلم آموزشی جامع کاهش ابعاد، روش های مختلفی برای کاهش ابعاد و انتخاب ویژگی معرفی شده اند، و پس از پیاده سازی در محیط متلب، در کاربردهای عملی مورد استفاده قرار گرفته 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:
    • مروری بر مفاهیم پایه کاهش ابعاد
    • معرفی و بررسی کامل تحلیل مولفه اساسی یا Principal Component Analysis (به اختصار PCA)
    • بررسی ارتباط PCA با تجزیه مقادیر تکین یا SVD
    • پیاده سازی PCA در محیط متلب و کاربرد آن در کاهش ابعاد
    • معرفی رویکردهای تعمیمی برای روش PCA
    • معرفی روش تحلیل تفکیک فیشر یا Fisher Discriminant Analysis (به اختصار FDA) و یا Linear Discriminant Analysis (به اختصار LDA)
    • بررسی تفاوت های PCA و FDA (یا LDA)
    • پیاده سازی الگوریتم FDA در محیط متلب و کاربرد آن در کاهش ابعاد و طبقه بندی
    • معرفی شبکه های عصبی و حافظه های انجمنی یا Auto-Associative Neural Networks
    • معرفی و کاربرد تولباکس NLPCA برای کاهش ابعاد غیر خطی در متلب
    • حل و بررسی مسائل کاهش ابعاد غیر خطی
    • بررسی کاربرد نگاشت های خود-سازمان ده یا SOM در کاهش ابعاد

     

    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 لینک (کلیک کنید)
    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 همین صفحه
    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 کاهش ابعاد یا Dimensionality Reduction

    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 ۱۱۸ مگابایت (کلیک کنید +)



    اطلاعات تکمیلی

    نام آموزش آموزش کاهش ابعاد یا Dimensionality Reduction
    ناشر فرادرس
    کد آموزش MVRDM9206G
    مدت زمان ۲ ساعت و ۵۳ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۲۸۵ 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 الان شروع کنید.

    آموزش کاهش ابعاد یا Dimensionality Reduction

    هزینه آموزش: ۱۴,۰۰۰ تومان




    سایر آموزش های دکتر سیدمصطفی کلامی هریس



    مطالب مرتبط


    دیدگاه ها

    تا کنون ۲۱۰ نفراز این آموزش استفاده کرده اند.
    1. 5 از 5

      :

      سلام
      آیا نحوه کدنوسی در متلب رو هم در این سی دی اموزش داده شده است؟

      • 0 از 5

        :

        در پاسخ به مریم:
        سلام؛

        تمام آموزش های فرادرس به همراه کدنویسی تدریس شده اند و عملی هستند؛ ضمنا کدها نیز ضمیمه آموزش ها می باشد.

        از اعتماد شما متشکریم.
        موفق و پیروز باشید.


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *



​همین امروز شروع به آموختن کنید​

آموزش کاهش ابعاد یا Dimensionality Reduction

هزینه آموزش: ۱۴,۰۰۰ 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