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

داده‌های پرت (Outliers) Outliers

  • داده‌های پرت Outliers

مطالعه موردی Case Study

نمایش نظرات

آموزش تحلیل قوانین انجمنی (Association Rules Analysis)
جزییات دوره
22h 56m
6
(آخرین آپدیت)
2,623
- از 5
دارد
دارد
دارد
Di Wu
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar