آموزش یادگیری ماشینی برای تجزیه و تحلیل داده ها: یادگیری بدون نظارت

Machine Learning for Data Analysis: Unsupervised Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشینی با اکسل ساده شد! موضوعات یادگیری بدون نظارت برای تجزیه و تحلیل داده های پیشرفته و هوش تجاری ایجاد مهارت های یادگیری ماشینی و علم داده های پایه بدون نوشتن کد پیچیده استفاده از ابزارهای بصری و کاربر پسند مانند Microsoft Excel برای معرفی و رفع ابهام از ابزارها و تکنیک های یادگیری ماشین. تشخیص بیرونی و کاهش ابعاد بیاموزید که چگونه مدل‌های ML مانند K-Means، Apriori، Markov و تجزیه و تحلیل مؤلفه اصلی واقعاً کار می‌کنند. یک دوره آموزشی مناسب برای مبتدیان است (بدون نیاز به دانش قبلی یا پیش زمینه ریاضی/آمار) ما از Microsoft Excel (Office 365) برای برخی از نمایش های دوره استفاده می کنیم، اما شرکت در آن اختیاری است این قسمت 4 از سری یادگیری ماشینی ما برای BI است (ما توصیه می کنیم ابتدا قسمت های 1، 2 و 3 را می گیریم)

سر بالا!

این دوره اکنون بخشی از راهنمای تصویری کامل برای علم داده‌های یادگیری ماشینی است که هر 4 دوره یادگیری ماشین را از Maven Analytics ترکیب می‌کند. این دوره به همراه سایر دوره های انفرادی این مجموعه به زودی بازنشسته می شود.


این دوره، قسمت 4 از یک سری 4 قسمتی است که برای کمک به شما در ایجاد درک اساسی و قوی از یادگیری ماشین طراحی شده است:

  • بخش 1: پروفایل داده QA

  • بخش 2: مدل‌سازی طبقه‌بندی

  • بخش 3: پیش بینی رگرسیون

  • بخش 4: یادگیری بدون نظارت

این دوره، علم داده را برای افراد عادی قابل دسترسی می‌کند و برای ابهام‌زدایی از تکنیک‌های قدرتمند ابزارهای یادگیری ماشین طراحی شده است، بدون اینکه تلاشی برای آموزش همزمان یک زبان برنامه‌نویسی به شما داشته باشد.

در عوض، ما از ابزارهای آشنا و کاربر پسند مانند Microsoft Excel استفاده می‌کنیم تا موضوعات پیچیده را بشکافیم و به شما کمک می‌کنیم تا قبل از اینکه به سراغ زبان‌های برنامه‌نویسی مانند Python یا R بروید، بدانید دقیقاً چگونه و چرا یادگیری ماشین کار می‌کند. در دوره های یادگیری ماشین، یک خط کد نمی نویسید .


خلاصه دوره:

در این دوره، ما با مرور چشم‌انداز یادگیری ماشین، بررسی تفاوت‌های بین یادگیری تحت نظارت و بدون نظارت، و معرفی چند مورد از رایج‌ترین تکنیک‌های بدون نظارت، از جمله تجزیه و تحلیل خوشه‌ای، کاوی ارتباط، تشخیص پرت، و کاهش ابعاد شروع می‌کنیم. .

در طول دوره، ما بر تجزیه هر مفهوم به زبانی ساده و ساده تمرکز می‌کنیم تا به شما کمک کنیم تا درک درستی از نحوه عملکرد این مدل‌ها داشته باشید، از K-Means و Apriori گرفته تا تشخیص پرت، تجزیه و تحلیل اجزای اصلی، و موارد دیگر. .


  • بخش 1: مقدمه ای بر یادگیری ماشینی بدون نظارت

    • چشم انداز یادگیری بدون نظارت

    • تکنیک های رایج بدون نظارت

    • مهندسی ویژگی

    • گردش کار ML بدون نظارت


  • بخش 2: تقسیم بندی خوشه ای

    • مبانی خوشه بندی

    • K-Means Clustering

    • نمودارهای زانویی WSS

    • خوشه بندی سلسله مراتبی

    • تفسیر دندوگرام


  • بخش 3: معادن انجمن

    • مبانی معدنکاری انجمن

    • الگوریتم Apriori

    • تجزیه و تحلیل سبد

    • حداقل آستانه پشتیبانی

    • مجموعه‌های چند مورد نادر

    • زنجیر مارکوف


  • بخش 4: تشخیص بیرونی

    • مبانی تشخیص بیرونی

    • نقاط پرت مقطعی

    • نزدیکترین همسایه ها

    • پرت سری زمانی

    • توزیع باقیمانده


  • بخش 5: کاهش ابعاد

    • مبانی کاهش ابعاد

    • تجزیه و تحلیل اجزای اصلی (PCA)

    • طرح‌های نمایشی

    • تکنیک های پیشرفته


در طول دوره، نسخه‌های نمایشی منحصربه‌فرد و مطالعات موردی در دنیای واقعی را معرفی می‌کنیم تا به تثبیت مفاهیم کلیدی در طول مسیر کمک کنیم.

می‌بینید که چگونه k-means می‌تواند به شناسایی بخش‌های مشتری کمک کند، چگونه apriori می‌تواند برای تجزیه و تحلیل سبد و موتورهای توصیه استفاده شود، و چگونه تشخیص پرت می‌تواند ناهنجاری‌ها را در مجموعه داده‌های مقطعی یا سری زمانی شناسایی کند.

اگر می‌خواهید پایه و اساس شغلی موفق در علم داده را ایجاد کنید، این دوره آموزشی برای شماست!


__________

امروز بپیوندید و به موارد زیر دسترسی فوری و مادام العمر داشته باشید:

  • ویدیوی با کیفیت بالا و درخواستی

  • یادگیری ماشینی: کتاب الکترونیکی یادگیری بدون نظارت

  • فایل پروژه اکسل قابل دانلود

  • انجمن پرسش و پاسخ متخصص

  • 30 روز ضمانت بازگشت وجه


یادگیری مبارک!

-Josh M. (مدرس اصلی یادگیری ماشین، Maven Analytics)


__________

به دنبال پشته کامل هوش تجاری ما هستید؟ برای مرور کتابخانه کامل دوره ما، از جمله دوره های Excel، Power BI، MySQL و Tableau، "Maven Analytics" را جستجو کنید!


ببینید چرا دوره‌های ما جزو برترین‌ها در Udemy هستند:


"برخی از بهترین دوره هایی که تا به حال گذرانده ام. چندین زبان برنامه نویسی، Excel، VBA و توسعه دهنده وب را مطالعه کرده ام، و Maven یکی از بهترین دوره هایی است که دیده ام!" Russ C.


"این چهارمین دوره من از Maven Analytics و چهارمین بررسی 5 ستاره من است، بنابراین چیزهایی برای گفتن تمام شده است. کاش Maven زودتر در زندگی من بود!" تاتسیانا ام.


"Maven Analytics باید استاندارد جدیدی برای تمام دوره های آموزش داده شده در Udemy شود!" جونا ام.


سرفصل ها و درس ها

شروع شدن Getting Started

  • ساختار و طرح کلی دوره Course Structure & Outline

  • مرا بخوانید: به‌روزرسانی‌های مهم دوره READ ME: Important Course Updates

  • درباره این سریال About This Series

  • دانلود: منابع دوره DOWNLOAD: Course Resources

  • تعیین انتظارات Setting Expectations

مقدمه ای بر ML بدون نظارت Intro to Unsupervised ML

  • یادگیری تحت نظارت در مقابل یادگیری بدون نظارت Supervised vs. Unsupervised Learning

  • تکنیک های رایج بدون نظارت Common Unsupervised Techniques

  • گردش کار ML بدون نظارت Unsupervised ML Workflow

  • مهندسی ویژگی Feature Engineering

  • نکات کلیدی: معرفی ML بدون نظارت KEY TAKEAWAYS: Intro to Unsupervised ML

  • آزمون: مقدمه ای بر ML بدون نظارت QUIZ: Intro to Unsupervised ML

خوشه بندی و تقسیم بندی Clustering & Segmentation

  • معرفی Introduction

  • مبانی خوشه بندی Clustering Basics

  • مقدمه ای بر K-Means Intro to K-Means

  • WSS & Ebow Plots WSS & Elbow Plots

  • سوالات متداول K-Means K-Means FAQs

  • مطالعه موردی: K-Means CASE STUDY: K-Means

  • مقدمه ای بر خوشه بندی سلسله مراتبی Intro to Hierarchical Clustering

  • آناتومی دندروگرام Anatomy of a Dendrogram

  • سوالات متداول خوشه بندی سلسله مراتبی Hierarchical Clustering FAQs

  • نکات کلیدی: خوشه بندی و تقسیم بندی KEY TAKEAWAYS: Clustering & Segmentation

  • آزمون: خوشه بندی و تقسیم بندی QUIZ: Clustering & Segmentation

انجمن معدن و تجزیه و تحلیل سبد Association Mining & Basket Analysis

  • معرفی Introduction

  • مبانی معدنی انجمن Association Mining Basics

  • الگوریتم Apriori The Apriori Algorithm

  • نمونه های تحلیل سبد Basket Analysis Examples

  • حداقل آستانه پشتیبانی Minimum Support Thresholds

  • مجموعه آیتم های نادر Infrequent Itemsets

  • مجموعه آیتم های متعدد Multiple Item Sets

  • مطالعه موردی: Apriori CASE STUDY: Apriori

  • زنجیر مارکوف Markov Chains

  • مطالعه موردی: مارکوف چین CASE STUDY: Markov Chains

  • نکات کلیدی: انجمن معدن KEY TAKEAWAYS: Association Mining

  • آزمون: انجمن معدن QUIZ: Association Mining

تشخیص بیرونی Outlier Detection

  • معرفی Introduction

  • مبانی تشخیص پرت Outlier Detection Basics

  • نقاط پرت مقطعی Cross-Sectional Outliers

  • مثال مقطعی پرت Cross-Sectional Outlier Example

  • مطالعه موردی: مقطعی پرت CASE STUDY: Cross-Sectional Outlier

  • پرت سری زمانی Time-Series Outliers

  • نمونه پرت سری زمانی Time-Series Outlier Example

  • نکات کلیدی: تشخیص بیرونی KEY TAKEAWAYS: Outlier Detection

  • آزمون: تشخیص بیرونی QUIZ: Outlier Detection

کاهش ابعاد Dimensionality Reduction

  • معرفی Introduction

  • مبانی کاهش ابعاد Dimensionality Reduction Basics

  • تجزیه و تحلیل مولفه های اصلی Principle Component Analysis

  • مثال PCA PCA Example

  • تفسیر مولفه ها Interpreting Components

  • توطئه های اسکری Scree Plots

  • تکنیک های پیشرفته Advanced Techniques

  • نکات کلیدی: کاهش ابعاد KEY TAKEAWAYS: Dimensionality Reduction

  • آزمون: کاهش ابعاد QUIZ: Dimensionality Reduction

بسته بندی Wrapping Up

  • نتیجه گیری سری Series Conclusion

  • درس جایزه BONUS LESSON

نمایش نظرات

آموزش یادگیری ماشینی برای تجزیه و تحلیل داده ها: یادگیری بدون نظارت
جزییات دوره
2 hours
49
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,717
4.6 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

Maven Analytics Maven Analytics

برنده جایزه تجزیه و تحلیل و آموزش هوش تجاری

Joshua MacCarty Joshua MacCarty

مربی ارشد ML