آموزش داده‌کاوی کاربردی در مهندسی: تکنیک‌ها و کاربردها - آخرین آپدیت

مقدمه‌ای بر داده‌کاوی در مهندسی Intro to Data Mining in Engineering

• آشنایی با مدرس: کیران تریویدی Meet Your Faculty: Kiran Trivedi

• معرفی دوره Course Introduction

• مقدمه‌ای بر داده‌های داده‌کاوی Intro to Data Mining-Data

• مقدمه‌ای بر فرآیند استخراج داده Intro to Data Mining-Mining

• تکنیک‌های داده‌کاوی Data Mining Techniques

تحلیل اکتشافی و بصری‌سازی داده‌ها Exploratory Data Analysis and Visualization

• تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis (EDA)

• پاک‌سازی و پیش‌پردازش داده‌ها Data Cleaning and Preprocessing

• تبدیل داده‌ها Data Transformation

کاهش ابعاد Dimensionality Reduction

• انتخاب ویژگی - روش‌های خطی PCA Feature Selection–Linear Methods PCA

• تحلیل مؤلفه‌های اصلی (PCA) PCA

• الگوریتم t-SNE چیست؟ t-SNE: What is it?

• نحوه عملکرد t-SNE t-SNE: How it Works

ماتریس‌های ارزیابی عملکرد Performance Evaluation Matrices

• معیارهای ارزیابی عملکرد Performance Evaluations Metric

• تعادل بین بایاس و واریانس Bias Variance Trade-Off

• معیارهای رگرسیون Regression Metrics

• معیارهای طبقه‌بندی: دقت، صحت و فراخوانی Classification Metrics- Accuracy, Precision, Recall

• معیارهای طبقه‌بندی: امتیاز F1 و ROC AUC Classification Metrics- F1 Score, ROC-AUC