آموزش تجزیه و تحلیل پیشرفته نقاط پرت در R و Matlab

Advanced analysis of outliers in R and Matlab

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تجزیه و تحلیل داده های قوی را با R و Matlab، کلید داده کاوی، آمار و یادگیری ماشین بیاموزید. ✍ تمامی مفاهیم مربوط به Outliers و Statistics 💻 مثال های کاربردی در R و Matlab، گام به گام 📚 کتاب رایگان Outliers با نکات و ترفندها هر ماه به روز می شود 🎁 هدیه پس از اتمام پیش نیازها: دانش آماری پایه.

تجزیه و تحلیل قوی داده ها و تشخیص موارد پرت در آمار، تجزیه و تحلیل داده، داده کاوی، یادگیری ماشین، هوش مصنوعی، تشخیص الگو، طبقه بندی، اجزای اصلی، رگرسیون، داده های بزرگ و هر زمینه مرتبط با داده ها بسیار مهم است.

>


با این دوره، کتاب رایگان درباره OUTLIERS را با نکات و ترفندهای خاص، و خلاصه همه روش‌های قوی برای شناسایی آن‌ها به دست خواهید آورد که به شما کمک می‌کند نتایج دقیق و تجزیه و تحلیل داده‌های شگفت‌انگیز به دست آورید.


محققان، دانشجویان، تحلیلگران داده و عمدتاً هر کسی که با داده های واقعی سر و کار دارد، باید از مشکل پرت ها (و نقاط پرت) آگاه باشد و باید بداند که چگونه با این مشکل برخورد کند و از چه روش های قوی باید استفاده کرد. . اکثریت قریب به اتفاق الگوریتم‌های یادگیری ماشینی قادر به تشخیص ویژگی‌های مشترک در اکثر داده‌ها هستند، اما اغلب اوقات اشتباه می‌شوند یا حتی آن داده‌های غیر معمول را نادیده می‌گیرند، که در شرایطی که امنیت افراد، مانند تجزیه و تحلیل داده‌ها، نباید نادیده گرفته شوند. داده‌های پزشکی، دنیای اینترنت اشیاء اینترنت اشیا، یا خطرات و امنیت در شرکت‌ها.


  • اگر ویروسی به دلیل نادیده گرفتن داده های غیرعادی در سراسر جهان گسترش یابد، چه اتفاقی می افتد؟ ما یک بیماری همه گیر مانند کووید 19 خواهیم داشت که اگر سیگنال های دورافتاده شناسایی شده توسط شبکه های عصبی نادیده گرفته نمی شدند، می توانستیم از قبل روی آن عمل کنیم.


  • اگر سیگنال‌های سیستم شهر هوشمند را نادیده بگیریم چه اتفاقی می‌افتد؟ ممکن است نشت گاز را از دست بدهیم.


  • اگر با نادیده گرفتن زنگ هشدار، شهاب سنگی را که به سمت زمین می آید از دست بدهیم، چه اتفاقی می افتد؟ ما باید با بروس ویلیس تماس بگیریم تا ما را از آرماگدون نجات دهد.


با این دوره شما متخصص در تجزیه و تحلیل داده های قوی، در تشخیص و درمان داده های غیر معمول خواهید بود، هم مفاهیم نظری را یاد می گیرید و هم الگوریتم های پیاده سازی شده به صورت عملی با دو زبان مختلف را در اختیار دارید. که می توانید یکی را انتخاب کنید که مناسب شماست: R-Studio و Matlab .


همچنین برای سؤالات به انجمنی دسترسی خواهید داشت، جایی که همه دانش‌آموزان در آنجا هستند و می‌توانید در مورد تجزیه و تحلیل نقاط پرت بپرسید.


کدهای پیاده سازی نمونه در مخزن باز Github برای دانلود و استفاده در دسترس شما هستند.


علاوه بر این، ما دو بخش از مفاهیم اساسی داریم که به شما کمک می کند برخی از مفاهیم لازم برای درک روش های تشخیص غیر معمول را به خاطر بسپارید.


با این دوره می توانید درک کنید و بدانید که چگونه با یکی از مهم ترین موضوعات امروزی چه از نظر آکادمیک، چه در صنعت و چه در تجزیه و تحلیل داده ها یا یادگیری ماشینی برخورد کنید. مثال‌ها به شما کمک می‌کنند تا اهمیت تجزیه و تحلیل نقاط پرت و همچنین راهنمای انجام این تحلیل‌ها را خودتان تجسم کنید.


سرفصل ها و درس ها

معرفی Introduction

  • انگیزه Motivation

  • درمورد من About me

  • پیش نیازها Pre-requirements

  • نرم افزار: R و Matlab Software: R and Matlab

  • مخزن کد در Github Code repository on Github

  • ارزیابی Evaluation

کتاب رایگان پرت The Free Book of Outliers

  • اینجا کتاب رایگان شماست Here is your free book

مثال ها Examples

  • معرفی Introduction

  • یک مثال مقدماتی An introductory example

  • Matlab: Datos peso del cuerpo y cerebro de mamíferos Matlab: Datos peso del cuerpo y cerebro de mamíferos

  • R: داده های وزن مغز و بدن R: Data of brain and body weight

  • پرت چیست؟ What is an outlier?

  • Matlab: مثال ساده ای از نقاط پرت Matlab: Simple example of outliers

  • R: مثال ساده ای از نقاط پرت R: Simple example of outliers

مفاهیم اساسی I Basic concepts I

  • معرفی Introduction

  • نمونه و جمعیت Sample and Population

  • توزیع یک متغیر تصادفی Distribution of a random variable

  • توزیع نرمال Normal distribution

  • توزیع دانشجویی-t و خی دو Student-t and chi-square distributions

  • برآوردگرها Estimators

فضای تک متغیره Univariate space

  • معرفی Introduction

  • میانگین در مقابل میانه Mean vs Median

  • Range در مقابل IR و STD در مقابل MAD Range vs IR and STD vs MAD

  • چولگی در مقابل Medcouple Skewness vs Medcouple

  • R: برآوردگرها و نسخه های قوی R: Estimators and robust versions

  • روش SD Method SD

  • نمره Z Z score

  • طرح جعبه توکی Tukey boxplot

  • ساخته شده است MADe

  • امتیاز Z اصلاح شده Modified Z score

  • نمودار جعبه تنظیم شده Adjusted boxplot

  • Matlab + R: روش‌هایی برای تشخیص پرت (تک متغیره) Matlab + R: Methods for outlier detection (univariate)

  • خلاصه Summary

مفاهیم اساسی II Basic concepts II

  • معرفی Introduction

  • جبر خطی Linear algebra

  • متغیر تصادفی چند متغیره Multivariate random variable

  • توزیع مشترک و حاشیه ای Joint and marginals distributions

  • استقلال، کوواریانس و همبستگی Independence, covariance and correlation

  • توزیع نرمال چند متغیره Multivariate Normal distribution

  • R: دو متغیره نرمال R: Bivariate Normal

فضای چند متغیره Multivariate space

  • معرفی Introduction

  • فضای چند متغیره Multivariate space

  • Matlab: مثال Matlab: Example

  • برآوردگرهای مکان Location estimators

  • Matlab: برآوردگرهای مکان چند متغیره Matlab: Multivariate location estimators

  • R: برآوردگرهای مکان چند متغیره R: Multivariate location estimators

  • ورزش R R excercise

  • برآوردگرهای پراکندگی Dispersion estimators

  • R: برآوردگرهای پراکندگی چند متغیره R: Multivariate dispersion estimators

  • فاصله اقلیدسی Euclidean distance

  • فاصله ماهالانوبیس Mahalanobis distance

  • ر: فاصله محلانوبیس R: Mahalanobis distance

  • MCD MCD

  • Matlab: MCD Matlab: MCD

  • R: MCD R: MCD

  • MCD تنظیم شده Adjusted MCD

  • بسته R "mvoutlier" R package "mvoutlier"

  • مثال: پروژه کولا Example: Kola project

  • R: پروژه کولا و MCD تنظیم شده R: Kola project and the adjusted MCD

  • Stahel-Donoho Stahel-Donoho

  • R: Stahel-Donoho R: Stahel-Donoho

  • کورتوز Kurtosis

  • Matlab: روش‌های تشخیص پرت (چند متغیره) Matlab: Outlier detection methods (multivariate)

  • R: روش‌های تشخیص پرت (چند متغیری) R: Outlier detection methods (multivariate)

  • نتیجه گیری: فضای چند متغیره Conclusions: multivariate space

رگرسیون خطی Linear regression

  • معرفی Introduction

  • رگرسیون خطی Linear regression

  • رگرسیون کلاسیک: حداقل مربعات معمولی Classic regression: Ordinary least squares

  • روش های رگرسیون قوی: LAD، LMS y LTS Robust regression methods: LAD, LMS y LTS

  • Matlab: رگرسیون قوی Matlab: Robust regression

  • R: رگرسیون قوی R: Robust regression

جایزه BONUS

  • تفاوت R و Matlab Difference between R and Matlab

  • مقالات علمی و بسته های کد در R y Matlab Scientific articles and code packages in R y Matlab

  • مواد تکمیلی بیشتر More supplementary material

  • اینجا هدیه شماست Here is your gift

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش تجزیه و تحلیل پیشرفته نقاط پرت در R و Matlab
جزییات دوره
9 hours
74
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
6,958
4.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Elisa Cabana Garceran del Vall Elisa Cabana Garceran del Vall

دکترا در دانشگاه، استاد دانشگاه و تحقیقات

Academia Aprende con Eli Academia Aprende con Eli

دانشگاه آنلاین - علم داده، یادگیری ماشین، IA y más