لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تحلیل قوانین انجمنی (Association Rules Analysis)
- آخرین آپدیت
دانلود Association Rules Analysis
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره «تحلیل قوانین انجمنی و دادههای پرت» دانشجویان را با مفاهیم بنیادی روشهای یادگیری بدون نظارت، با تمرکز بر قوانین انجمنی و شناسایی دادههای پرت آشنا میکند. شرکتکنندگان در این دوره به بررسی الگوهای پرتکرار و قوانین انجمنی پرداخته و بینشهای عمیقی در مورد الگوریتمهای Apriori و استخراج قوانین انجمنی مبتنی بر محدودیت کسب خواهند کرد. علاوه بر این، دانشجویان روشهای شناسایی دادههای پرت (Outliers) را با درک عمیق از دادههای پرت زمینهای بررسی میکنند. از طریق آموزشهای تعاملی و بررسی مطالعات موردی عملی، دانشجویان تجربه دستاول در بهکارگیری تکنیکهای قوانین انجمنی و شناسایی دادههای پرت روی مجموعهدادههای متنوع را به دست میآورند.
اهداف یادگیری دوره:
در پایان این دوره، دانشجویان قادر خواهند بود:
۱. اصول و اهمیت روشهای یادگیری بدون نظارت، بهویژه قوانین انجمنی و شناسایی دادههای پرت را درک کنند.
۲. مفاهیم و کاربردهای الگوهای پرتکرار و قوانین انجمنی را در کشف روابط جالب بین آیتمها فرا بگیرند.
۳. الگوریتمهای Apriori را برای استخراج بهینه مجموعهآیتمهای پرتکرار و تولید قوانین انجمنی بررسی کنند.
۴. معیارهای پشتیبانی (Support)، اطمینان (Confidence) و لیفت (Lift) را در استخراج قوانین انجمنی پیادهسازی و تفسیر کنند.
۵. مفهوم استخراج قوانین انجمنی مبتنی بر محدودیت و نقش آن در شناسایی الگوهای انجمنی خاص را درک کنند.
۶. اهمیت شناسایی دادههای پرت در تحلیل دادهها و کاربردهای دنیای واقعی را تحلیل کنند.
۷. روشهای مختلف شناسایی دادههای پرت، از جمله رویکردهای آماری و مبتنی بر فاصله را برای شناسایی نقاط داده غیرعادی به کار بگیرند.
۸. دادههای پرت زمینهای و تکنیکهای شناسایی آنها را برای یافتن دادههای پرت در زمینههای خاص درک کنند.
۹. قوانین انجمنی و تکنیکهای شناسایی دادههای پرت را در مطالعات موردی واقعی برای استخراج بینشهای معنادار اعمال کنند.
در طول این دوره، دانشجویان فعالانه در آموزشها و مطالعات موردی شرکت کرده، مهارتهای خود را در استخراج قوانین انجمنی و شناسایی دادههای پرت تقویت نموده و تجربه عملی در بهکارگیری این تکنیکها روی دادههای متنوع کسب میکنند. با دستیابی به این اهداف، شرکتکنندگان برای موفقیت در وظایف یادگیری بدون نظارت و تصمیمگیریهای آگاهانه با استفاده از این تحلیلها کاملاً آماده خواهند بود.
سرفصل ها و درس ها
مجموعهآیتمهای پرتکرار
Frequent Itemsets
مقدمهای بر تحلیل الگوهای پرتکرار
Introduction to Frequent Pattern Analysis
مجموعهآیتمهای پرتکرار و قوانین انجمنی
Frequent Itemsets and Association Rules
استخراج قوانین انجمنی
Association Rule Mining
استخراج قوانین انجمنی
Association Rule Mining
الگوریتم Apriori و FP Growth
Apriori and FP Growth Algorithm
الگوریتم Apriori
Apriori Algorithm
استخراج قوانین انجمنی مبتنی بر محدودیت
Constraint-based Association Rule Mining
نمایش نظرات