لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری بدون نظارت و کاربردهای آن در بازاریابی
- آخرین آپدیت
دانلود Unsupervised Learning and Its Applications in Marketing
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
به دوره یادگیری بدون نظارت و کاربردهای آن در بازاریابی خوش آمدید! در این دوره، شما به دنیای جذاب یادگیری ماشین بدون نظارت و ارتباط آن با حوزه بازاریابی خواهید پرداخت. یادگیری بدون نظارت یک رویکرد قدرتمند است که به ما اجازه میدهد الگوهای پنهان و بینشهای ارزشمند را از حجم عظیمی از دادههای تاریخی، بدون نیاز به برچسبگذاری صریح یا دخالت انسانی، کشف کنیم. از طریق تمرینهای عملی و مثالهای واقعی، یاد خواهید گرفت که چگونه از زبان برنامهنویسی پایتون برای پیادهسازی الگوریتمهای یادگیری بدون نظارت در زمینههای بازاریابی استفاده کنید.
در طول این دوره، تکنیکهای مختلف یادگیری بدون نظارت مانند خوشهبندی (Clustering)، کاهش ابعاد (Dimensionality Reduction) و استخراج قوانین انجمنی (Association Rule Mining) را بررسی خواهید کرد. این تکنیکها شما را قادر میسازند تا بخشهای مختلف مشتریان را شناسایی کنید، روابط معنادار بین متغیرها را کشف کنید و به بینشهای ارزشمندی از رفتار مصرفکننده دست یابید. با تسلط بر کاربردهای یادگیری بدون نظارت در بازاریابی، مهارتهای لازم برای استخراج دانش عملی از دادهها، تصمیمگیری دادهمحور و باز کردن فرصتهای جدید برای استراتژیهای بازاریابی خود را به دست خواهید آورد.
پس آماده شوید تا سفری در مسیر کشف و نوآوری را با بررسی دنیای شگفتانگیز یادگیری بدون نظارت و کاربردهای تحولآفرین آن در بازاریابی آغاز کنید. بیایید با هم به درون این مباحث شیرجه بزنیم و پتانسیلهای پنهان بازاریابی دادهمحور را آزاد کنیم!
برای موفقیت در این دوره، باید درک پایهای از زبان پایتون داشته باشید.
همچنین به برخی پیشنیازهای نرمافزاری از جمله Anaconda Navigator نیاز خواهید داشت.
سرفصل ها و درس ها
مبانی یادگیری بدون نظارت
Fundamentals of Unsupervised Learning
مقدمه دوره
Course Introduction
مقدمهای بر یادگیری بدون نظارت
Introduction to Unsupervised Learning
الگوریتمهای بدون نظارت: بخش اول
Unsupervised Algorithms: Part I
الگوریتمهای بدون نظارت: بخش دوم
Unsupervised Algorithms: Part II
کاربردهای یادگیری بدون نظارت
Applications of Unsupervised Learning
خوشهبندی و انواع آن
Clustering and Its Types
خوشهبندی
Clustering
الگوریتم k-means
k-means
خوشهبندی سلسلهمراتبی
Hierarchical Clustering
الگوریتم DBSCAN
DBSCAN
ارزیابی جمعی هفتگی: مبانی یادگیری بدون نظارت و خوشهبندی
Weekly Summative Assessment: Fundamentals of Unsupervised Learning and Clustering
سایر روشهای کاهش ابعاد
Other Dimensionality Reduction Methods
مقدمهای بر تشخیص ناهنجاری
Introduction to Anomaly Detection
ارزیابی جمعی هفتگی: بخشبندی مشتریان دادهمحور و کاهش ابعاد
Weekly Summative Assessment: Data-Driven Customer Segmentation and Dimensionality Reduction
تشخیص ناهنجاری
Anomaly Detection
تشخیص ناهنجاری با PCA معمولی
Normal PCA Anomaly Detection
تشخیص ناهنجاری با Sparse PCA و Kernel PCA
Sparse and Kernel PCA Anomaly Detection
تشخیص ناهنجاری با تصویرسازی تصادفی (Random Projection)
Random Projection Anomaly Detection
تشخیص ناهنجاری غیرخطی
Nonlinear Anomaly Detection
خودرمزگذارها و یادگیری انجمنی
Autoencoders and Association Learning
مقدمهای بر خودرمزگذارها (Autoencoders)
Introduction to Autoencoders
انواع خودرمزگذارها
Types of Autoencoders
تحلیل سبد خرید: بخش اول
Market Basket Analysis: Part 1
تحلیل سبد خرید: بخش دوم
Market Basket Analysis: Part 2
ارزیابی جمعی هفتگی: تشخیص ناهنجاری، خودرمزگذارها و یادگیری انجمنی
Weekly Summative Assessment: Anomaly Detection, Autoencoders, and Association Learning
یادگیری نیمهنظارتی
Semi-Supervised Learning
یادگیری نیمهنظارتی
Semi-Supervised Learning
مدل با نظارت
Supervised model
مدل بدون نظارت
Unsupervised Model
مدل نیمهنظارتی
Semi-Supervised Model
سیستمهای توصیهگر با استفاده از RBM
Recommender systems Using RBM
ماشینهای بولتزمن
Boltzmann Machines
سیستمهای توصیهگر
Recommender Systems
فیلترینگ مشارکتی با استفاده از RBM
Collaborative Filtering Using RBMs
آینده یادگیری بدون نظارت
Future of Unsupervised Learning
ارزیابی جمعی هفتگی: یادگیری نیمهنظارتی و سیستمهای توصیهگر با استفاده از RBM
Weekly Summative Assessment: Semi-Supervised Learning and Recommender systems Using RBM
نمایش نظرات