Faradars Discount
x عدم نمایش آخرین ساعات جشنواره تخفیف ویژه ۴۰٪ تخفیف کد تخفیف: FTR99 کلیک کنید .
فرصت باقیمانده

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

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 - 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. (+)



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.

👤 مدرس: دکتر امیر حسین کیهانی پور
🕓 مدت زمان: ۲۵ ساعت و ۱ دقیقه
🎓 تعداد دانشجو: ۲,۹۳۳ نفر این آموزش را تهیه کرده اند. — ۲۱ نفر در یک ماه اخیر

هزینه عادی آموزش: ۴۳,۰۰۰ تومان
در جشنواره عید فطر: ۲۵,۸۰۰ تومان (کسب اطلاعات بیشتر +)




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:
  • بازگشت و شارژ کل مبلغ پرداختی در حساب کاربری
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش


    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 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:

    معرفی کتب انگلیسی
    عنوان نویسندگان سال انتشار
    Data Mining: Concepts and Techniques, Third Edition (The Morgan Kaufmann Series in Data Management Systems) Jiawei Han, Micheline Kamber, and Jian Pei ۲۰۱۲
    An Introduction to Information Retrieval Christopher D. Manning, Prabhakar Raghavan, and Hinrich Schütze ۲۰۰۸
    Data Mining: Practical Machine Learning Tools and Techniques, Third Edition (Morgan Kaufmann Series in Data Management Systems) Ian H. Witten, Eibe Frank, and Mark A. Hall ۲۰۱۱


    پیش نیاز

    پیش نمایش

    بخش ۱ : مقدمه ‌ای بر داده ‌کاوی - ۷۲ 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. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم - حجم دانلود ۴۱ مگابایت (کلیک کنید +)

    پیش نمایش ۲ : کلیات، مفاهیم و اصول پایه داده ‌کاوی - 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. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

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

    پیش نمایش ۳ : روش ‌های پیش پردازش داده‌ ها - 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. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۹ مگابایت (کلیک کنید +)

    پیش نمایش ۴ : انبارش داده ‌ها و تحلیل برخط اطلاعات - ۱۲ 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. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۹ مگابایت (کلیک کنید +)

    پیش نمایش ۵ : روش ‌های پایه در کاوش الگوهای مکرر - ۱۵ دقیقه


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

    پیش نمایش ۶ : روش ‌های پیشرفته در کاوش الگوهای مکرر - ۲۰ دقیقه


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

    پیش نمایش ۷ : روش‌ های پایه رده ‌بندی و پیش ‌بینی داده ‌ها - ۱۰ دقیقه


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

    پیش نمایش ۸ : روش‌ های پیشرفته رده بندی و و پیش بینی داده‌ ها - ۱۲ دقیقه


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

    پیش نمایش ۹ : روش‌ های پایه خوشه‌ بندی - ۱۵ دقیقه


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

    پیش نمایش ۱۰ : روش ‌های پیشرفته خوشه ‌بندی - ۱۵ دقیقه


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

    بخش ۱۱ : روش‌ های تحلیل داده ‌های پرت - ۵۵ دقیقه


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

    پیش نمایش ۱۲ : بررسی رویکردهای نوین تحقیقاتی در حوزه داده ‌کاوی - ۱۶ دقیقه


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

    بخش ۱۳ : معرفی برخی از ابزارهای داده ‌کاوی و معرفی مراجع - ۳۴ دقیقه


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


    آموزش‌های پیشنهادی و مرتبط




    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     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۱۲۱۸٫۵۶ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


    ​راهنمای تهیه آموزش ها

    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

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

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

    هزینه عادی آموزش: ۴۳,۰۰۰ تومان
    در جشنواره عید فطر: ۲۵,۸۰۰ تومان (کسب اطلاعات بیشتر +)




    دیدگاه ها

    ( امتیاز ۴٫۴ از ۵ )
    4.4 از 5


    تا کنون ۲۹۳۳ نفراز این آموزش استفاده کرده اند و ۱۴ نظر ثبت شده است.
    1. 0 از 5

      :

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

    2. 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)

    3. 1 از 5

      :

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

    4. 0 از 5

      :

      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.

    5. 0 از 5

      :

      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

    6. 3 از 5

      :

      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.

    7. 1 از 5

      :

      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…..

    8. 0 از 5

      :

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

    9. 3 از 5

      :

      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.

    10. 4 از 5

      :

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

    11. 5 از 5

      :

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

    12. 4 از 5

      :

      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

    13. 4 از 5

      :

      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.

    14. 4 از 5

      :

      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.

    15. 3 از 5

      :

      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.

    16. 3 از 5

      :

      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.

    17. 4 از 5

      :

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

    18. 0 از 5

      :

      سلام- آموزش دو قسمتی یادگیری ماشین همراه با پیاده سازی با پایتون استاد شیرافکن که جدیدا منتشر شده مباحث داده کاوی هم پوشش داده و بسیار خوب است.

    19. 5 از 5

      :

      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


    نظر شما در مورد این فرادرس چیست؟

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

    امتیاز شما به این آموزش:



​همین امروز شروع به آموختن کنید​

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

هزینه عادی آموزش: ۴۳,۰۰۰ تومان
در جشنواره عید فطر: ۲۵,۸۰۰ تومان (کسب اطلاعات بیشتر +)


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