آموزش حل چند مسأله کاربردی و واقعی در داده کاوی

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 جهت تکمیل مباحث مطرح شده در جلسات، مجموعه آموزشی داده کاوی در متلب، چند مسأله کاربردی با استفاده از داده های واقعی حل و بررسی شده اند. مباحثی که در این آموزش به آن پرداخته می شود، حل مسأله رگرسیون، حل مسأله طبقه بندی، حل مسأله کاوش قواعد وابستگی و … می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است.

👤 مدرس: دکتر سیدمصطفی کلامی هریس
🕓 مدت زمان: ۸۱ دقیقه
🎓 تعداد دانشجو: ۱۴۳ نفر این آموزش را تهیه کرده اند.
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۷,۰۰۰ 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

    در جهت تکمیل مباحث مطرح شده در جلسات، مجموعه آموزشی داده کاوی در متلب، چند مسأله کاربردی با استفاده از داده های واقعی حل و بررسی شده اند. مباحثی که در این آموزش به آن پرداخته می شود، حل مسأله رگرسیون، حل مسأله طبقه بندی، حل مسأله کاوش قواعد وابستگی و … می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است.

    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.

    در جهت تکمیل مباحث مطرح شده در جلسات پیشین مجموعه آموزشی داده کاوی در متلب، چند مسأله کاربردی با استفاده از داده های واقعی حل و بررسی شده اند. فهرست این مثال در ادامه آمده است:

    • حل مسأله رگرسیون یا Regression
      روش ها: کمترین مربعات، شبکه عصبی MLP و شبکه عصبی RBF
      موضوع: تخمین درصد چربی موجود در بدن (Body Fat Percentage) با توجه به ۱۳ عامل فیزیکی و قابل اندازه گیری در همه جا
    • حل مسأله طبقه بندی یا Classification
      روش ها: طبقه بندی کننده درخت تصمیم یا Decision Tree Classifier
      موضوع: تحلیل نتایج به دست آمده از انتخابات ریاست جمهوری آمریکا در سال ۲۰۰۸
    • حل مسأله کاوش قواعد وابستگی یا Association Rule Mining
      روش ها: الگوریتم های Apriori و FP-Growth
      موضوع: تحلیل سفارش های انجام شده در یک رستوران ارائه دهنده انواع غذاها و نوشیدنی ها

     

    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 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 همین صفحه
    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 حل چند مسأله کاربردی و واقعی در داده کاوی

    مشاهده آنلاین پیش نمایش - 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 ۶۰ مگابایت (کلیک کنید +)



    اطلاعات تکمیلی

    نام آموزش آموزش حل چند مسأله کاربردی و واقعی در داده کاوی
    ناشر فرادرس
    کد آموزش MVRDM9206K
    مدت زمان ۸۱ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۲۱۵ 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 حل چند مسأله کاربردی و واقعی در داده کاوی

    هزینه آموزش: ۷,۰۰۰ تومان




    سایر آموزش های دکتر سیدمصطفی کلامی هریس



    مطالب مرتبط


    دیدگاه ها

    ( امتیاز ۵٫۰ از ۵ )
    5.0 از 5


    تا کنون ۱۴۳ نفراز این آموزش استفاده کرده اند و ۳ نظر ثبت شده است.
    1. 0 از 5

      :

      با سلام. من دکتری جامعه شناسی دارم البته رشته لیسانس من مهندسی کامپیوتر است. من در پایان نامه دکتری خود از تحلیل فازی استفاده کرده ام و اکنون برای نوشتن یک مقاله نیاز دارم بدانم در متلب چگونه می توان رگرسیون خطی فازی را گرفت. البته من خودم با استفاده از تابع مثلثی ابتدا داده هایم را به داده های فازی تبدیل کرده ام و بعد رگرسیون خطی آنها را گرفته ام. ممنون می شوم منرا راهنمایی کنید، یا حداقل منبعی را معرفی کنید که بدانیم رگرسیون فازی خطی در متلب چگونه است.

      با تشکر

    2. 0 از 5

      :

      در پاسخ به مهین شیخ انصاری:
      با سلام،
      با توجه به موضوع مذکور، مطالعه سرفصل های بسته آموزشی زیر پیشنهاد می شود:
      مجموعه فرادرس های سیستم‌های فازی در متلب موفق و پیروز باشید.

    3. 5 از 5

      :

      با سلام
      آیا در بخش آموزشی داده کاوی الگوریتم درخت طبقه بندی و رگرسیون یا همان Classification and regression tree(CART) هم توضیح داده شده است؟
      اگر در هر کدام از محصولات شما این الگوریتم توضیح داده شده است متشکر می شوم اگر بنده را راهنمایی کنید
      با تشکر

    4. 5 از 5

      :

      با سلام.
      عذر می خوام اگر همه آموزش های شما در بخش داده کاوی رو ببینیم می تونیم مقاله بنویسیم. در واقع به ما در نوشتن مقاله کمک می کنه.
      با تشکر.

      • 0 از 5

        :

        در پاسخ فروغ:

        با سلام

        ​پیشنهاد فرادرس، مطالعه سرفصل های آموزش زیر است؛ این آموزش شامل تقریبا ۸۸ ساعت برنامه آموزشی تخصصی است که می تواند منبعی بی نظیر برای آموزش مباحث یادگیری ماشین و داده کاوی محسوب شود.
        گنجینه آموزش های یادگیری ماشین و داده کاوی
        لطفا با مراجعه به لینک فوق، از جزییات این آموزش مطلع شوید.
        شایان ذکر است هر یک از سرفصل های آموزش فوق، به تنهایی و مجزا قابل تهیه هستند.

    5. 5 از 5

      :

      سلام.
      من لیسانس نرم افزار دارم و برای پایان نامم که تشخیص بیماران کلیوی با استفاده از طبقه بندی بود از این آموزش استفاده کردم.
      آموزش هاتون عالیه. کیفیت صدا و تصویر خیلی خوبه. ازتون ممنونم. امیدوارم اموزش های بیشتر و پیشرفته تری رو در زمینه ی برنامه نویسی و شبکه های عصبی ارائه بدین.
      خسته نباشین. فقط اگه یک قسمت برای رفع اشکال میذاشتین خیلی خوب میشد. حداقل بتونیم با استاد مربوطه در ارتباط باشیم. ممنون


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *



​همین امروز شروع به آموختن کنید​

آموزش حل چند مسأله کاربردی و واقعی در داده کاوی

هزینه آموزش: ۷,۰۰۰ 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