لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات