هزینه آموزش
۴۹,۰۰۰ تومان

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

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

تعداد دانشجو
۶,۴۰۶ نفر
مدت زمان
۲۵ ساعت و ۱ دقیقه
هزینه آموزش
۴۹,۰۰۰ تومان
محتوای این آموزش
۲۹ بازخورد (مشاهده نظرات)
آموزش ​اصول و روش های داده کاوی (Data Mining)

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 آن ها، مطرح شده است. این دانش در کاربردهای مختلف و اصولا در هر جا با مساله تجزیه و تحلیل اطلاعات مواجه هستیم، قابل استفاده است. در این دوره به بیان اصول و روش های داده کاوی به منظور استخراج روندها و الگوهای پنهان در داده ها، پرداخته خواهد شد.

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

تعداد دانشجو
۶,۴۰۶ نفر
مدت زمان
۲۵ ساعت و ۱ دقیقه
هزینه آموزش
۴۹,۰۰۰ تومان
محتوای این آموزش
۲۹ بازخورد (مشاهده نظرات)
مدرس
دکتر امیر حسین کیهانی پور

دکتری تخصصی مهندسی کامپیوتر - هوش مصنوعی

دکتر امیر حسین کیهانی پور فارغ التحصیل دکترای تخصصی در رشته مهندسی کامپیوتر گرایش هوش مصنوعی از دانشگاه تهران و نیز مدرس دانشگاه تهران و دانشگاه صنعتی شریف هستند.

توضیحات تکمیلی

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 آن ها، مطرح شده است. روش های داده کاوی در گستره وسیعی از کاربردهای مختلف و اصولا در هر جا که با مساله تجزیه و تحلیل اطلاعات مواجه هستیم، قابل استفاده است.

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: 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 و جوها 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 و و پیش بینی داده‌ ها
    • 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: 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: روش‌ های 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

در ادامه لیست کتب انگلیسی منتشر شده در این زمینه معرفی شده اند:

  • Jiawei Han, Micheline Kamber, and Jian Pei; Data Mining: Concepts and Techniques, Third Edition (The Morgan Kaufmann Series in Data Management Systems); 2012
  • Christopher D. Manning, Prabhakar Raghavan, and Hinrich Schütze; An Introduction to Information Retrieval; 2008
  • Ian H. Witten, Eibe Frank, and Mark A. Hall; Data Mining: Practical Machine Learning Tools and Techniques, Third Edition (Morgan Kaufmann Series in Data Management Systems)
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل PDF یادداشت‌ های ارائه مدرس



پیش نمایش‌ها

۱. مقدمه ‌ای بر داده ‌کاوی

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۴۱ مگابایت -- (کلیک کنید +))

۲. کلیات، مفاهیم و اصول پایه داده ‌کاوی

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۱ مگابایت -- (کلیک کنید +))

۳. روش ‌های پیش پردازش داده‌ ها

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۹ مگابایت -- (کلیک کنید +))

۴. انبارش داده ‌ها و تحلیل برخط اطلاعات

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۹ مگابایت -- (کلیک کنید +))

۵. روش ‌های پایه در کاوش الگوهای مکرر
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. روش ‌های پیشرفته در کاوش الگوهای مکرر
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. روش‌ های پایه رده ‌بندی و پیش ‌بینی داده ‌ها
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸. روش‌ های پیشرفته رده بندی و و پیش بینی داده‌ ها
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۹. روش‌ های پایه خوشه‌ بندی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۰. روش ‌های پیشرفته خوشه ‌بندی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۱. روش‌ های تحلیل داده ‌های پرت
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۲. بررسی رویکردهای نوین تحقیقاتی در حوزه داده ‌کاوی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۳. معرفی برخی از ابزارهای داده ‌کاوی و معرفی مراجع
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای سفارش 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 ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


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 ۲۵ ساعت و ۱ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (لینک دانلود)
حجم دانلود ۱۲۱۸ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۶,۴۰۶ نفر از این آموزش استفاده کرده اند و ۲۹ نظر ثبت شده است.
leila rahmati
leila rahmati

تست همکار

اسماعیل
اسماعیل

مباحث تئوری اولیه داده کاوی بسیار دقیق و شفاف بیان شده است. با تشکر از دست اندر کاران.

فاطمه
فاطمه

جناب دکتر برای اینکه در زمینه تحلیل داده و داده کاوی تخصص بالایی کسب کنیم نیاز مبرم و تخصصی به آمار داریم. برای ارتقا دانش آماری در این زمینه چه پیشنهادی دارید؟

میثم
میثم

با عرض سلام و خسته نباشید و تشکر ویژه بابت سایت پربارتون لازم به ذکر است بنده با کمک آموزش های داده کاوی و شبکه های عصبی شما توانستم پایان نامه خود را بدون نیاز به استادان راهنمایی که هیچگونه کمکی نمی کنند تا حد زیادی پیش ببرم. از این بابت از شما بسیار سپاسگذارم.

یاسمین
یاسمین

در ابتدا مطالب تئوری میکن یه مقدار خسته کننده اس ولی در کل آموزش خیلی خوبی هست هم از نظر ارائه مدرس هم مطالب و محتوای که گفتن.

سجاد کریم زادگان
سجاد کریم زادگان

حقیقتاً دکتر بسیار عالی، پر محتوا و عالی تدریس کردند، فقط تنها نقدی که وارده یه کم، به صداشون هست... ولی در مقایسه با تمام کٌرس های موجود در بازار به مراتب عالی و فوق العاده ست...

وفا
وفا

سلام
دوستانی که این دوره را خریداری کرده اند میخواستم بدونم این دوره تا چه حد یادگیرنده رو برای کار عملی آماده میکنه؟؟

زینب
زینب

کیفیت ارائه خیلی بالاست مدرس تسلط بالایی رو مطالب دارند به همین دلیل در دریافت و انتقال مطالب با مشکلی مواجه نمی شید.

محمدصادق
محمدصادق

با سلام
و تشکر از عزیزان سایت فرادرس و مدرسین گرامی
از نظر محتوا، بسیار جامع بیان شده
از نظر کاربردی بودن، مطالب زیادی بیان شده
مثالهایی هم که بیان شده، مفید بوده و به یادگیری بیشتر کمک میکنه
در مورد لحن و سرعت بیان مطالب توسط استاد، هرچند که میتونست کمی بهتر باشه، اما به هرحال قابل استفاده هست
ممنون

سید مهدی
سید مهدی

به هر لحاظ کیفی و محتوایی عالی بود. کاملا مطالب منسجم گفته شد. فوق العاده از لحاظ کیفیت عالی بود.

خلیل
خلیل

جز مباحث روز هست و آموزش خيلی کاربردی بود.

فاطمه
فاطمه

آموزش از نظر یادگیری و روانی مطالب توسط مدرس عالی بود.
پیشنهادی که دارم اینکه سعی کنید آموزش های به روز ارائه کنید.

مهدی
مهدی

چند قسمت آموزش دیدم خوب بود و مشکل خاصی نداشت فقط سریع رد می شود توضیحات بیشتری ارائه می شود فکر کنم مناسب تر بود.
پیشنهادی که دارم اینکه لطفا آموزش های متن کاوی ارائه کنید البته با همین مدرس.

پرستو
پرستو

آموزش خوبی بود ولی جا داشت یه قسمت های با جزئیات بیشتری ارائه بشه. تو این آموزش برخی قسمت های صدا مشکل داشت انگار که صدا رو صدا افتاده بود.
مجموعه شما آموزش های خوبی ارائه می کنه البته برای شروع و یادگیری مباحث میتونه گزینه خوبی باشه اما در روند یادگیری چون در برخی از آموزش ها مباحث به صورت جزئی تر بیان نمیشه یادگیرنده مجبور میشه همراه آموزش به منابع دیگر مراجعه کند.

زهره
زهره

آموزش بسیار خوبی بود و من خیلی راضی بودم. هم نحوه بیان و تسلط مدرس و هم موارد تدریس شده عالی بودن. فقط ای کاش مدرس فایل تکمیلی که به زبان فارسی باشه رو برامون میذاشتن تا ما میتونستیم بعدا ازش استفاده کنیم.

شنتیا
شنتیا

میزان تسلط خوب بود فقط تنها موردی که وجود داشت بیان مدرس که در قسمت های انتهایی خیلی یکنواخت بود و یه مقدار صدا حوصله بر بود.
پیشنهادی که دارم اینکه سعی کنید آموزش ها به روز، کاربردی و تخصصی تر ارائه کنید اکثر آموزش های فرادرس آکادمیک هستند.

محمدعلی
محمدعلی

آموزش خیلی top نیست ولی به نوبه خودش میتونه خوب و مناسب باشه.
یه مشکلی که در سایت وجود داره کندی سایت هست لطفا این مورد در نظر داشته باشید

مسعود
مسعود

سلام و خسته نباشید
من این درسو خریداری کردم و به نظر من خیلی آموزش خوبیه. مشکلمو حل کرد.

صبا
صبا

من تنها یک بخش از این آموزش رو احتیاج داشتم و بررسی کردم. این آموزش توضیحاتش برام خوب بود و من راضی بودم، فقط سرفصل بیان نکردن ولی تمام نکات رو توضیح دادن..

پویا
پویا

با قضاوت از روی سرفصل‌ها و پیش‌نمایش‌ها می‌تونم بگم که این آموزش از نظر محتوا بسیار قدرتمند و مفید هست؛ امّا متأسّفانه تنها اشکال موجود، فنّ بیان بسیار یک‌نواخت استاد محترم هست که باعث می‌شه فقط دقایقی پس از شروع آموزش، خستگی و پرش‌ذهن شدیدی سراغ فراگیر بیاد - حداقل برای بنده که همین‌طور بود و نتونستم بیشتر از ۲۰ دقیقه از پیش‌نمایش آموزش رو ببینم. با کمال تأسّف، بعد از ۲۰ دقیقه صحبت یک‌نواخت، دچار خواب‌آلودگی شدم ذهنم داشت به هر سمتی می‌رفت جز محتوای آموزشی! به نظرم اگر فقط همین مشکل وجود نداشت، این آموزش می‌تونست یکی از بهترین آموزش‌های فرادرس باشه.

مریم
مریم

سلام ممنون از مطلب خوبتون. این مطالب هم به نظر خوب بودن

امیرحسین
امیرحسین

با سلام خدمت اساتید و مدیران فرادرس
این پکیج از نظر محتوا و ترتیب بیان مطالب بسیار عالی و جامع هست. از لحاظ فن بیان واقعا ضعیف هست. من به واقع می تونم بگم نتونستم کامل مطالب رو دنبال کنم. شاید یک سوم رو دنبال کردم و بقیه رو متاسفانه رها کردم. خیلی خسته کننده و یکنواخت هست.....

saeed
saeed

به نظر من شیوه بیان استادخیلی ضعیف است. این آموزش برای کسانی خوب است که از قبل با مباحث داده کاوی آشنایی داشته باشند زیرا جامعیت مطالب خیلی خوب است.

حسام افشار
حسام افشار

این آموزش بسیار حرفه ای و با جزئیات کامل به مباحث سنگین و پرحجم داده کاوی پرداخته و یکی از نقاط قوت این آموزش و سایر آموزشهای دکتر کیهانی پور ارائه مطالب به زبان انگلیسی است که باعث درک عمیق تر این درس مهم شده است جا دارد از زحمات ایشان و تیم حرفه ای فرادرس بابت تهیه این آموزش غنی و کامل سپاسگزاری نمایم

سعیده
سعیده

با سلام و خسته نباشید خدمت دست اندرکاران محترم فرادرس،
از این آموزش عالی، استفاده کردم و بسیار راضیم. تهیه آن را به همه دانشجویان هوش مصنوعی و فناوری اطلاعات، توصیه میکنم.
متشکرم.

احسان باهنر
احسان باهنر

صدای استاد کاملا یکنواخت هست. من که نتونستم استفاده ای از آموزش ایشون کنم!

حسام نجاتی
حسام نجاتی

دقیقا. منم فکر میکنم خیلی بهتر از این میشد کار کرد. جناب دکتر میتونستند از چند تا دانشجوها شون برای مصور سازی و ایجاد مثال استفاده کنند که اینقدر مطالب یکنواخت نباشند.
ولی قبول دارم ممکنه هزینه این دوره بیشتر ممکن هست بشود ولی چون اطلاعات به روز و مفیدی منتقل میشه ارزشش رو داشت.

پیمان
پیمان

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)

حبیبی
حبیبی

با عرض سلام و خسته نباشید. با تشکر از آموزش های عالی سایت شما.

دسته‌بندی موضوعی: داده کاوی

برچسب‌ها:
Active Learning | Artificial Neural Networks | Bayesian | Bayesian Belief Networks | Classification | Clustering | Colossal Patterns | Constraint-Based | Data Cleaning | Data Cube | Data Integration | Data Mining | Data Preprocessing | Data Summarization | Data Warehousing | Decision Tree | Density-Based | Dimensionality Reduction | Discretization | Ensemble | Frequent Pattern | Frequent Pattern Mining | Fuzzy Logic | Generalization | Genetic Algorithms | Graph Pattern Mining | Hierarchical | High-Dimensional Data | k-Nearest Neighbors | Lazy Learners | OLAP | On-Line Analytical Processing | Orange | Outlier Analysis | Partitioning | Pattern-Based | prediction | Proximity | R Programming language | rapidminer | Rule-based | Semi-Supervised | Sequential Pattern Mining | SPSS | Support Vector Machines | weka | ابزارهای داده کاوی | اصول پایه داده کاوی | الگوریتم Apriori | الگوریتم FPGrowth | الگوریتم های ژنتیک | الگوی مکرر | انبارش داده | انبارش داده ها | انواع داده های پرت | بررسی کاربردهای داده کاوی | پاک سازی | پیش بینی داده ها | پیش پردازش | پیش پردازش داده ها | تجمیع | تحلیل داده های پرت | تکنیک های پیاده سازی سیستم های انبارش داده ها | حوزه داده کاوی | خلاصه سازی | خوشه بندی | خوشه بندی بر اساس قواعد انجمنی | خوشه بندی داده های با ابعاد بالا | خوشه بندی داده های با ابعاد زیاد | خوشه بندی داده های گراف | خوشه بندی مبتنی بر چگالی | خوشه بندی مبتنی بر قیود | خوشه بندی مبتنی بر مدل احتمالاتی | داده کاوی و اجتماع | داده های پرت | داده های چند بعدی | درخت تصمیم | رده بندی | رده بندی بیزین | رده بندی مبتنی بر قواعد | روش بخش بندی | روش نزدیک ترین همسایه ها | روش های آماری | روش های پایه خوشه بندی | روش های پایه در کاوش الگوهای مکرر | روش های پایه رده بندی | روش های پردازش پرس وجوها در مکعب داده ای | روش های پردازش مکعب داده ای | روش های پیش پردازش داده ها | روش های پیشرفته خوشه بندی | روش های پیشرفته در کاوش الگوهای مکرر | روش های پیشرفته رده بندی | روش های تجمیع | روش های تحلیل چند بعدی داده ها در مکعب داده ای | روش های سلسله مراتبی | روش های شبکه های باور بیزین | روش های کاوش داده های پیچیده | روش های کشف الگوهای حجیم | روش های کشف الگوهای مکرر در داده های با ابعاد زیاد | روش های کشف الگوهای مکرر در داده های ترتیبی | روش های کشف الگوهای مکرر در گراف | روش های مبتنی بر افزاز | روش های مبتنی بر چگالی | روش های مبتنی بر خوشه بندی | روش های مبتنی بر رده بندی | روش های مبتنی بر ساختار Grid | روش های مبتنی بر قیود | روش های مبتنی بر مجاورت | روش های مبتنی بر منطق فازی | روش های محاسباتی در مکعب داده ای | روش های نیمه نظارتی | روش های یادگیری فعال | روش یادگیرنده های تنبل | رویکردهای نوین در داده کاوی | سیستم های انبارش داده ها | شاخص F-measure | شاخص Precision | شاخص Recall | شاخص های ارزیابی عملکرد در متن کاوی | شاخص های ارزیابی فرآیند خوشه بندی | شاخص های ارزیابی فرآیند رده بندی | شبکه های عصبی مصنوعی | فرآیند داده کاوی | کاهش ابعاد | گسسته سازی | ماشین بردار پشتیبان | متن کاوی | مدل سازی داده | مدل سازی داده های چند بعدی | معرفی تکنولوژی OLAP | معماری سیستم های انبارش داده ها | مکعب داده ای
مشاهده بیشتر مشاهده کمتر
فهرست جلسات ۲۷ جلسه ویدئویی ×